基于压缩感知的电力扰动数据采集与分类方法

作者：周桂平; 李石强; 于华楠; 王鹤

来源：吉林大学学报(信息科学版), 2021, 39(06): 637-646.

DOI：10.19292/j.cnki.jdxxp.2021.06.002

• 压缩感知
• 稀疏字典
• K-SVD算法
• 扰动信号分类
• BP神经网络

针对目前电力系统扰动数据分类特征提取困难和易受谐波干扰的问题,提出一种新的基于压缩感知的电力系统扰动数据采集与分类算法。首先通过压缩感知和K奇异值分解(K-SVD:K-Singular Value Decomposition)字典学习算法,设计一种原子自适应的正交匹配追踪算法(AtOMP:Atom adaptive Orthogonal Matching Pursuit),对多种扰动数据进行压缩采集,然后提取扰动数据的稀疏特征、自适应字典原子的标准差、峭度、裕度因子和主频率个数5个分类特征,利用BP(Back Propagation)神经网络实现样本学习与分类。实验结果表明,该算法可实现扰动数据的高度压缩采集,数据量小,具有分类识别度高,抗干扰性强等优点。

• 单位
  东北电力大学; 国网辽宁省电力有限公司