数值压缩方法概述及其在电力系统中的应用

《数值压缩方法概述及其在电力系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数值压缩方法概述及其在电力系统中的应用第1章绪论1.1课题研究背景和意义作为人类目前最不可缺少的能源之一，电能不但为人们的生产生活提供了便利，而且对科技的发展以及社会的进步有着难以取代的重要作用。较高的电能质量是各行各业持续、高效、安全的进行生产的前提。但随着科技的进步，越来越多的大功率用电器以及非线性电力器件接入电网，造成大量的电能质量问题，导致电力电子设备事故频发，不但经济受损，还对电网构成了严重地安全隐患[1]。由电能质量引发的问题和事故逐年上升，因此为保障电力系统和用户的用电安全以及经济效益，下大力气对电能质量进行监测、分析和管

2、理就显得尤为重要。于是发展电能质量监测技术开始成为电力用户和电网管理者的共同需求[2]。一般来说，电能质量可用电压或电流幅值、频率以及波形等参数与标准值的偏差来描述[3]。电能质量的监测就是要及时而准确地监测并保存电力系统运行时各种参数的变化，这样就可以对其进行实时分析并控制，使其尽快回到正常状态，降低电力系统异常造成的损失。同时可以深入分析异常产生的原因，采取相应的技术减少异常发生的次数[4]。这其中涉及到的电力系统数据采集、压缩以及存储等技术，对广大研究人员和技术人员提出了新的要求。要想对监测设备采集得到的电力数据进行分析，首先要对

3、这些数据进行存储。Nyquist采样定理告诉我们，要想无失真地恢复原始信号，采样频率必须是原始信号的最高频率的两倍以上[5]。在工程实际中，传统的电网数据采集设备都是以Nyquist采样定理为基础，而电力系统信号的频谱覆盖了较为宽广的范围，既有诸如电弧炉的失误操作造成典型的低频谱分量，也包含由于雷击造成的高达数兆赫兹高频谱分量的脉冲高电压，一微秒内发生的暂态扰动造成的短时录波数据就可能达到数兆级别。如果进行这么高精度的采样，产生的数据量是相当庞大的，要求巨大的存储空间，并且很难完成高效的传输。随着智能化电网监测模式的建设，电网数据的采集

4、会源源不断地进行，电力系统如何对海量数据进行存储是一个亟待解决的问题，尽管科研人员可以通过高性能压缩方法将采样后的大部分数据量丢弃，但原始数据的采集仍然会占用大量的存储空间[6]。所以研究一种新型的电能质量数据压缩技术就显得至关重要。..1.2电力数据压缩研究现状上世纪40年代，数据压缩理论开始了系统研究和大量实践。Bell实验室的ClandeShannon创建了信息论，包括了信息的存储和通信[8]。数据压缩涉及到信息冗余问题的处理，因此在这个领域得到了系统研究[9]。随着科学技术的进步，社会上各个领域的数据量成指数级增长，信息技术飞跃

5、发展，这就要求获取信息以及数据存储、传输更加安全、高效，因此大力发展数据压缩技术是很有意义的。对于本文研究的电力系统电能质量数据来说，较好的数据压缩技术能够在相同硬件设施的基础上实时高效的进行通信，同时降低电网运营的成本。站在存储的角度来看，数据压缩就是将大量复杂的原始数据压缩到满足一定存储空间要求的数据集合，并且能够从该数据集合中无失真或者较少失真的恢复，满足后续环节的研究和使用[10]。从通信的角度出发，在不增大带宽的前提下，数据经过压缩处理之后，能够在数据总量减少的同时加大通信容量，从而提高实时处理数据的效率，并降低数据传输通信网

6、络成本。信息论是数据压缩理论的基础。信息或者说原始数据本身有很大的冗余部分，这些冗余部分来自于信息之间的相似性以及可推知性，这是信息能够被压缩的基本前提。信息论认为，信息可以称为用来消除不确定性的东西，压缩是把部分冗余的信息去掉，也就是可以被确定的以及可以推定的部分，用一种更简洁精确的描述来代替包含冗余部分的本来描述[11]。再者通常人们对信息之间的某些相似部分并不敏感，而更关注信息之中的变化部分，把这部分冗余信息去掉更方便人们对信息中有用部分的获取[12]。第2章电能质量的基本概念及扰动信号的建模2.1引言电能质量(Podash;压缩

7、感知理论，并且把传统的电力系统无损数据压缩方法LZW算法作为对照，验证了压缩感知理论在电能质量数据压缩与重构中的有效性。本文主要完成了以下工作：(1)总结了电能质量扰动信号几种常见类型并构建各扰动信号的数学模型，给出其时域和频域表示，以验证这些信号都满足稀疏信号或可压缩信号的条件，能够应用压缩感知理论进行压缩。(2)研究了传统的电力数据无损压缩方法LZW算法，并对常见的电能质量扰动信号进行了压缩及重构仿真实验验证，结果表明LZW无损压缩算法能够对电能质量数据进行有效压缩和高精度重构。(3)深入研究了压缩感知中稀疏基、测量矩阵等理论，利用

8、正交匹配追踪重构算法对各扰动信号进行了压缩及重构仿真实验验证。结果表明：相比传统的LZW压缩算法，压缩感知理论将数据采样与压缩过程合并，不仅提高了压缩效率，而且能够达到更高的压缩比以及满足要求的重构精度。