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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD