基於壓縮感知的電能質量擾動稀疏表示多分類研究

《基於壓縮感知的電能質量擾動稀疏表示多分類研究》是依託江蘇大學，由沈躍擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於壓縮感知的電能質量擾動稀疏表示多分類研究
• 項目類別：青年科學基金項目
• 項目負責人：沈躍
• 依託單位：江蘇大學

項目摘要

電能質量擾動類別眾多不規則性大，兼顧各類擾動特性的時頻特徵提取方法複雜度高、記憶體空間消耗大；同時現有的機器學習分類識別方法模型複雜、計算量大，限制了電能質量擾動分類的通用性和快速性。壓縮感知為電能質量擾動分類識別問題提供了一個嶄新的思路。本項目研究基於壓縮感知理論的降維映射測試矩陣，將高維擾動信號信息完備地降維映射為低維特徵樣本，實現普適簡單、易於操作的擾動特徵提取過程；通過壓縮感知建立測試樣本與多類別擾動訓練集樣本之間的通用型稀疏表示關係，利用稀疏表示向量解中蘊含的類別信息，建立直接面向多分類擾動識別任務的稀疏表示擾動多分類模型；協調、約束和最佳化稀疏表示模型中的測量矩陣、稀疏變換基、快速稀疏求解等各個環節，引入誤差因子修正稀疏表示分類模型，增強系統的自適應性及魯棒性。本研究可為電能質量的檢測與識別提供理論和套用基礎，為智慧型電網模式下海量電能質量數據的監測與線上診斷識別提供新的思路和方法。

結題摘要

本課題針對電能質量多類別擾動信號特徵提取和識別方法複雜的問題，從一個嶄新的視角研究具備通用性和快速性的壓縮感知電能質量擾動分類方法。建立了基於壓縮感知和稀疏表示理論電能質量多類擾動信號的擾動識別分類模型，分析了壓縮感知降維特徵提取、超完備訓練樣本字典、稀疏表示模型、快速稀疏求解、目標歸屬類識別等各個環節，在保證系統魯棒性和穩定性的前提下，實現電能質量多擾動識別系統的高效、快速、高識別率的目的。提出了一種基於判別字典學習的稀疏表示電能質量擾動識別方法，避免了傳統電能質量擾動識別方法先信號特徵提取再人工智慧方法分類識別過程的複雜性和冗餘性，可有效減少識別步驟、降低複雜性，抗噪聲魯棒性好，在信噪比20dB以上的噪聲環境中電能質量擾動識別準確率達到95%以上。提出了一種基於正則化自適應匹配追蹤的電能質量數據重構方法，有效改善傳統方法在電能質量信號的採集和壓縮方面所面臨的資源浪費以及重構性能較差等問題，對感知矩陣中的原子進行一次挑選並且計算相關係數，將挑選出的原子索引值存入至候選集中對原子的數目進行自適應地調節，並運用正則化的處理過程完成支撐集的二次挑選，用步長逐步逼近信號的稀疏度進而準確重構出電能質量原始信號。本項目研究成果為電能質量擾動分類識別問題中普適簡單的特徵提取方法與通用快速的擾動多分類識別方法奠定了技術基礎，為海量電能質量數據的監測與線上診斷識別提供了有效方法，具有重要的理論和套用價值。