申请/专利权人:郑州电力高等专科学校
申请日:2023-11-14
公开(公告)日:2024-01-19
公开(公告)号:CN117421583A
主分类号:G06F18/213
分类号:G06F18/213;G06F18/241;G06Q50/06
优先权:
专利状态码:在审-公开
法律状态:2024.01.19#公开
摘要:本发明公开了一种分块筛选自适应压缩感知电能质量数据重构方法,属于电能质量数据处理技术领域,首先应用压缩感知思想验证电能质量数据具有稀疏性,然后结合数据的周期性,基于分块思想,对电能质量原始数据进行分块分类标记,并对观测矩阵进行筛选。本发明降低压缩重构过程中的测量矩阵和稀疏矩阵的大小,提高压缩重构速度和精度。本发明分块筛选自适应方法减少了前端采样设备的负担,节约了中间计算设备的存储空间,提高了重构过程计算速度和精度,具有很高的应用价值。
主权项:1.一种分块筛选自适应压缩感知电能质量数据重构方法,其特征在于,包括以下步骤:1先验条件:电能质量原始数据输入为f∈RN×1,采用傅里叶变换基ψ∈RN×K进行稀疏变换,得到具有K稀疏的稀疏信号x∈RN×K;2数据分块:电能质量原始数据f∈RN×1,按照周期性进行分块fbi∈Rb×1,bi表示第i个分块在原始数据矩阵中的位置,i作为位置标记,3距离测度计算:选取一个周期的标准电能质量数据fb作为基准参照量,对分块的电能质量数据利用模式相似性,计算距离测度函数:4数据分类:对分块电能质量数据进行归一化特征标记,δ为考虑噪声的距离测度阈值,取δ=0.003,若则将标记为1,组成畸变电能数据块f1,若则将标记为0,组成标准电能数据块f0;5观测矩阵生成:随机生成尺寸大小为m1×b和m0×b的两种大小的高斯随机矩阵Φ1和Φ0,其中b>m1>m0;6观测矩阵Φ1筛选:随机取出畸变电能数据块f1中的n个数据块,组成一个b×n大小的随机标准数据矩阵Xb1,利用约束等距性RIP,验证观测矩阵Φ1是否符合要求,若符合则继续,若不符合则重复步骤5;7观测矩阵Φ0筛选:随机取出标准电能数据块f0中的n个数据块,组成一个b×n大小的随机标准数据矩阵Xb0,利用约束等距性RIP,验证观测矩阵Φ0是否符合要求,若符合则继续,若不符合则重复步骤5;8数据观测:对数据的分类标记1块和标记0块,分别用观测矩阵Φ1和Φ0进行观测,得到各块的ybi,其中bi表示第i个分块在数据的分块矩阵中的索引号;9数据输出:f的分块观测集合观测矩阵Φ1和Φ0,相应的信息算子Acs1=Φ1ψ和Acs0=Φ0ψ;10重构端输入:采用重构算法分别对分块电能质量数据进行重构,然后再按照位置索引重组,最终重构出信号。
全文数据:
权利要求:
百度查询: 郑州电力高等专科学校 分块筛选自适应压缩感知电能质量数据重构方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。