项目名称: 基于压缩传感的舰船电网电能质量数据获取方法研究

项目编号: No.51307178

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 电工技术

项目作者: 欧阳华

作者单位: 中国人民解放军海军工程大学

项目金额: 26万元

中文摘要: 舰船综合电力系统电网容量密度大、非线性负荷多、负荷对电网的冲击大,电能质量问题严重,必须建立电能质量监测系统,获得及时准确的电能质量信息,以改善电网电能质量。数据获取是电能质量监测的关键技术,传统电能质量数据获取以Nyquist采样定理为基础,存在采样率高、采样资源浪费和硬件实现成本高的问题。压缩传感是一种全新的数据采集和编码理论,它以远低于Nyquist采样频率的非适应性测量和优化方法高概率重构信号,合并采样和压缩过程,是信号处理领域的研究热点和新的框架,在电气电子工程领域的应用处于起步阶段。本项目研究基于压缩传感的舰船电网电能质量数据获取方法,理论上要解决三个问题:(1)构造适合于舰船电能质量信号时频特征的冗余字典,将信号进行稀疏表示,并设计快速有效的稀疏分解算法;(2)根据冗余字典原子库构成,构造合适的测量矩阵获取观测向量,实现信号低速采样;(3)与稀疏分解相对应的快速重构算法的实现。

中文关键词: 电能质量;压缩传感;稀疏分解;测量矩阵;重构算法

英文摘要: Ship integrated power system has the physical characteristics of denser grid capacity, more nonlinear loads, and larger impulse to grid, which will cause severe power quality problems. Thus building a power quality monitoring system and obtaining timely, accurate power quality information are the preconditions of improving power quality in the island power system of a ship. Data acquisition method is one of the key theories and techniques of power quality monitoring system. Traditional methods for acquisition and compression of power quality signals are based on Nyquist sampling theory, which are faced with such troubles as high sampling rate,waste of sampling resources and high attainable cost for hardware. To solve these problems, based on compressed sensing theory a method for compressed sampling and reconstruction of power quality data is studied here. Different from the traditional signal acquisition process, compressed sensing, which is a new theory that captures and represents compressible signals at a sampling rate significantly below the Nyquist rate. It firstly employs non-adaptive linear projections that preserve the structure of the signal, and then the signal reconstruction is conducted using an optimization process from these projections. Compressed sensing has been a research hotspot and a n

英文关键词: power quality;compressed sensing;sparse representation;measurement matrix;reconstruction algorithm

成为VIP会员查看完整内容
0

相关内容

专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
40+阅读 · 2021年7月5日
专知会员服务
14+阅读 · 2021年5月12日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
52+阅读 · 2021年3月22日
无参考图像质量评价研究进展
专知会员服务
29+阅读 · 2021年2月14日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
从带内到带外——智能系统的脆弱性体系演变
中国计算机学会
6+阅读 · 2022年3月23日
你用过最久的数码产品是什么?
ZEALER订阅号
0+阅读 · 2021年12月5日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Chinese Idiom Paraphrasing
Arxiv
0+阅读 · 2022年4月15日
Arxiv
17+阅读 · 2021年3月29日
Knowledge Representation Learning: A Quantitative Review
小贴士
相关VIP内容
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
40+阅读 · 2021年7月5日
专知会员服务
14+阅读 · 2021年5月12日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
52+阅读 · 2021年3月22日
无参考图像质量评价研究进展
专知会员服务
29+阅读 · 2021年2月14日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
相关资讯
从带内到带外——智能系统的脆弱性体系演变
中国计算机学会
6+阅读 · 2022年3月23日
你用过最久的数码产品是什么?
ZEALER订阅号
0+阅读 · 2021年12月5日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员