吉林大学学报(工学版) ›› 2016, Vol. 46 ›› Issue (3): 964-971.doi: 10.13229/j.cnki.jdxbgxb201603043

• 论文 • 上一篇    下一篇

基于压缩感知的三相电能质量扰动信号压缩及分类新方法

于华楠, 代芳琳, 苏天恺   

  1. 东北电力大学 信息工程学院,吉林省 吉林市 132012
  • 收稿日期:2015-09-02 出版日期:2016-06-20 发布日期:2016-06-20
  • 作者简介:于华楠(1981),女,副教授,博士.研究方向:压缩传感理论,无线通信信道估计.E-mail:yhn810117@163.com
  • 基金资助:
    国家自然科学基金项目(51307020).

New compression and classification method of three-phase power quality disturbance signal based on compressed sensing

YU Hua-nan, DAI Fang-lin, SU Tian-kai   

  1. College of Information Engineering,Northeast Dianli University,Jilin 132012,China
  • Received:2015-09-02 Online:2016-06-20 Published:2016-06-20

摘要: 首先,选取傅立叶基作为压缩感知中的过完备字典、高斯随机矩阵作为观测矩阵、正交匹配追踪(OMP)算法作为重构算法,对电能质量扰动信号进行压缩采样。然后,采用灰度共生矩阵纹理特征中的能量特征值、灰度值出现概率两种方法对压缩感知重构信号进行分类检测。试验结果表明:本文方法可以同时实现对三相电能质量信号的压缩重构,也可以实现对信号的准确分类,并减少了信号压缩采样过程中的数据量。

关键词: 信息处理技术, 电能质量, 压缩感知, 灰度图, 灰度共生矩阵

Abstract: First, in order to reconstruct three-phase power quality disturbance signals, the Fourier basis is chosen as the over-complete dictionary; Gaussian random matrices as the observation matrix; and orthogonal pursuit algorithm as the reconstruction algorithm. Then, the energy eigenvalue of gray level cooccurrence matrix texture features and the probability of the occurrence of grey value are used to classify the disturbance signals. The experiment results show that the proposed method can not only realize simultaneous compression and reconstruction of three-phase electric signals and accurate classification of such signals, but also reconstruct the original signal samples, reducing the data volume of signal compression and sampling.

Key words: information processing, power quality, compressed sensing(CS), grayscale, gray level cooccurrence matrix

中图分类号: 

  • TM933
[1] Candès E J. Compressive sampling[C]∥Proceedings of the International Congress of Mathematicians, Madrid, Spain, 2006:1433-1452.
[2] Candès E J, Tao T. Near optimal signal recovery from random projections: Universal encoding strategies[J]. IEEE Transactions on Information Theory, 2006,52(12):5406-5425.
[3] Donoho D. Compressed sensing[J]. IEEE Transactions on Information Theory,2006,52(4): 1289-1306.
[4] 张颖超,茅丹,胡凯.压缩传感理论在心电图信号恢复问题上的研究[J]. 计算机研究与发展,2014,51(5): 1018-1027.
Zhang Ying-chao,Mao Dan, Hu Kai. ECG signal recovery problem based on compressed sensing theory[J]. Journal of Computer Research and Development,2014,51(5):1018-1027.
[5] 于华楠,张敬傑,代芳琳.压缩传感在电能质量扰动信号分析中的应用[J]. 吉林大学学报:信息科学版,2014,32(6):618-623.
Yu Hua-nan, Zhang Jing-jie,Dai Fang-lin. Appliction of power quality disturbance signal based on compressed sensing[J]. Journal of Jilin University(Information Science Edition),2014,32(6):618-623.
[6] 田文飚,芮国胜,张海波,等. 压缩感知框架下非均匀信息采集及重构[J]. 吉林大学学报:工学版,2014,44(4):1209-1214.
Tian Wen-biao,Rui Guo-sheng,Zhang Hai-bo,et al. Non-uniform information acquisition and reconstruction within copmpressed sensing framework[J]. Journal of Jilin University(Engineering and Technology Edition), 2014,44(4): 1209-1214.
[7] Candès E, Romberg J, Tao T. Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information[J]. IEEE Transactions on Information Theory,2006,52(2):489-509.
[8] 苗桂君,王学伟,杨立国,等. 短时电能质量信号压缩采样方法的研究[J]. 电测与仪表,2010,47(12):8-11,19.
Miao Gui-jun, Wang Xue-wei, Yang Li-guo, et al. Research on compression sampling algorithm of short-time power quality[J]. Electrical Measurement & Instrumentation,2010,47(12):8-11,19.
[9] 李雪梅,苗桂君,王学伟,等. 电能质量信号压缩采样稀疏基性能研究[J]. 电测与仪表,2011,48(9):14-17.
Li Xue-mei, Miao Gui-jun, Wang Xue-wei, et al. A research on performance of compression sampling sparse matrix of power quality signal[J]. Electrical Measurement & Instrumentation, 2011,48(9):14-17.
[10] 王学伟,王琳,苗桂君,等. 暂态和短时电能质量扰动信号压缩采样与重构方法[J]. 电网技术,2012,36(3): 191-196.
Wang Xue-wei,Wang Lin,Miao Gui-jun,et al. An approach for compressive sampling and reconstruction of transient and short-time power quality disturbance signals[J]. Power System Technology,2012,36(3):191-196.
[11] 欧阳森,王建华,宋政湘,等. 一种基于dq0 变换和专家系统的电能质量信号辩识方法[J]. 电力系统及其自动化学报,2003,15(5):21-24,33.
Ouyang Sen, Wang Jian-hua, Song Zheng-xiang,et al. A power quality identification method based on dq0 conversion and expert system[J]. Proceedings of the EPSA,2003,15(5):21-24,33.
[12] Wang M, Mamishev E V. Classification of power quality events using optimaltim e-frequency representations-part 1: theory[J]. IEEE Transactions on Power Delivery,2004,19(3):1488-1495.
[13] 田刚,包志华,堵俊,等. 电力信号短时扰动的检测及自动分类[J]. 电力系统及其自动化学报,2006,18(2):31-34,40.
Tian Gang,Bao Zhi-hua, Du Jun, et al. Detection and auto-classification of short-time disturbance of electric signal[J]. Proceedings of the CSU-EPSA,2006,18(2):31-34,40.
[14] 刘奇,周雒维,卢伟国. 基于广义S变换的暂态电能质量扰动定位与识别[J]. 电力系统保护与控制,2012,40(7):60-65.
Liu Qi, Zhou Luo-wei,Lu Wei-guo. Localization and identification of transient power quality disturbances based on generalized S-transform[J]. Power System Protection and Control,2012,40(7):60-65.
[15] 李慧娜,郭超峰,平源. 灰度共生矩阵在指纹图像分割中的应用[J]. 数据采集与处理,2012,27(1):63-67.
Li Hui-nan,Guo Chao-feng, Ping Yuan. Application of gray level co-occurrence matrix for fingerprint segmentation[J]. Journal of Data Acquisition &Processing,2012,27(1):63-67.
[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14] 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15] 王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 刘松山, 王庆年, 王伟华, 林鑫. 惯性质量对馈能悬架阻尼特性和幅频特性的影响[J]. 吉林大学学报(工学版), 2013, 43(03): 557 -563 .
[2] 王同建, 陈晋市, 赵锋, 赵庆波, 刘昕晖, 袁华山. 全液压转向系统机液联合仿真及试验[J]. 吉林大学学报(工学版), 2013, 43(03): 607 -612 .
[3] 张春勤, 姜桂艳, 吴正言. 机动车出行者出发时间选择的影响因素[J]. 吉林大学学报(工学版), 2013, 43(03): 626 -632 .
[4] 肖锐, 邓宗才, 兰明章, 申臣良. 不掺硅粉的活性粉末混凝土配合比试验[J]. 吉林大学学报(工学版), 2013, 43(03): 671 -676 .
[5] 陈思国, 姜旭, 王健, 刘衍珩, 邓伟文, 邓钧忆. 车载自组网与通用移动通信系统混杂网络技术[J]. 吉林大学学报(工学版), 2013, 43(03): 706 -710 .
[6] 孟超, 孙知信, 刘三民. 基于云计算的病毒多执行路径[J]. 吉林大学学报(工学版), 2013, 43(03): 718 -726 .
[7] 仙树, 郑锦, 路兴, 张世鹏. 基于内容转发模型的P2P流量识别算法[J]. 吉林大学学报(工学版), 2013, 43(03): 727 -733 .
[8] 吕源治, 王世刚, 俞珏琼, 王小雨, 李雪松. 基于柱透镜光栅的虚模式下一维集成成像显示特性[J]. 吉林大学学报(工学版), 2013, 43(03): 753 -757 .
[9] 王丹, 李阳, 年桂君, 王珂. 非均质度量掩蔽函数在空域水印中的应用[J]. 吉林大学学报(工学版), 2013, 43(03): 771 -775 .
[10] 冯琳函, 钱志鸿, 尚克诚, 朱爽. 基于IEEE802.15.4标准的改进型隐藏节点冲突避免策略[J]. 吉林大学学报(工学版), 2013, 43(03): 776 -780 .