论文部分内容阅读
随着电力规模不断快速扩大,大量的电力电子设备、非线性负荷应用于电网中,使电力系统中的电能质量危害日益严重。电能质量问题不仅受到相关领域的广泛关注,而且也成为电力公司及用户想要解决的问题,所以对电能质量进行有效的实时监测和分析就愈发的重要。为了能够对电能质量数据进行有效分析,就需要对其进行采样与压缩,然而现有监测系统对电能质量数据采样与压缩的方法都是基于Nyquist定理,其海量采样数据不仅给采集设备带来了很大的采样压力,而且给数据的存储和传输也带来很大困难。压缩感知理论的出现,对于稀疏或可压缩信号,打破了Nyquist定理的束缚,使信号数据的采样和压缩能够同时进行,通过少量的采样就能重构原始信号,极大地提高了采样速率和传输速率、降低了存储空间。本文主要研究压缩感知理论应用的2个基础问题——电能质量信号的稀疏表示和测量矩阵的设计,主要研究工作如下：(1)根据电能质量的定义和标准,用MATLAB构建电能质量信号单一扰动和复合(多重)模型。从实际角度考量,通过PSCAD所搭建的IEEE14节点系统来获取三相线路的故障信号。(2)分析谐波信号在傅里叶域稀疏表示的特点,采用一种基于OMP谐波检测方法,通过对重构谐波数据的处理,能够在一定程度和范围内提取出基波及各次谐波成份从而到达检测的目的。(3)压缩感知主要目的是在于实现电能质量数据的高效采集,基于结构化测量矩阵原理,建立了两种构造简单的测量矩阵,该两种矩阵占用存储空间少,具有一定确定性,重建性能略好于(或相当于)常用测量矩阵且具有很好的硬件实现优势。(4)针对单采用傅里叶稀疏基不能对脉冲、暂态振荡、某些多重扰动及三相故障信号精确重构的缺点,采用基于离散平稳小波变换的压缩采样方法。仿真实验表明,该方法对这些信号都能精确重构,说明该方法更具普适性,在很大程度上满足对电能质量信号分析的需求。