基于字典学习的电能质量数据压缩重构与扰动识别研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 电能质量数据压缩重构 | 第11-12页 |
| 1.2.2 电能质量扰动识别 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-15页 |
| 2 压缩感知与字典学习理论基础 | 第15-28页 |
| 2.1 压缩感知 | 第15-18页 |
| 2.1.1 压缩感知发展历程 | 第15-17页 |
| 2.1.2 压缩感知在电力系统中的应用 | 第17-18页 |
| 2.2 压缩感知的理论框架 | 第18-25页 |
| 2.2.1 信号的稀疏表示 | 第18-19页 |
| 2.2.2 测量矩阵和感知矩阵 | 第19-21页 |
| 2.2.3 信号重构算法 | 第21-25页 |
| 2.3 基于压缩感知的字典学习 | 第25-27页 |
| 2.3.1 字典学习理论基础 | 第25-26页 |
| 2.3.2 电能质量数据字典稀疏表示 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于自适应字典的电能质量稀疏表示数据压缩重构 | 第28-42页 |
| 3.1 电能质量数据的压缩感知 | 第28-34页 |
| 3.1.1 电能质量数据的稀疏表示 | 第29-32页 |
| 3.1.2 信号的字典稀疏表示 | 第32-33页 |
| 3.1.3 测量矩阵的设计 | 第33-34页 |
| 3.2 仿真结果分析 | 第34-41页 |
| 3.2.1 自适应字典参数变化对重构误差的影响 | 第34-36页 |
| 3.2.2 不同压缩比下的重构误差比较 | 第36-38页 |
| 3.2.3 仿真结果 | 第38-41页 |
| 3.3 本章小结 | 第41-42页 |
| 4 基于判别字典学习的电能质量扰动识别方法 | 第42-54页 |
| 4.1 电能质量扰动的识别算法 | 第42-46页 |
| 4.1.1 扰动识别算法简介 | 第42-43页 |
| 4.1.2 判别字典的训练和稀疏求解 | 第43-46页 |
| 4.2 判别字典仿真研究 | 第46-53页 |
| 4.2.1 测量矩阵和降维维数的选取 | 第46-47页 |
| 4.2.2 抗噪声鲁棒性研究 | 第47-48页 |
| 4.2.3 判别字典大小的确定 | 第48-49页 |
| 4.2.4 仿真验证 | 第49-53页 |
| 4.3 本章小结 | 第53-54页 |
| 5 基于不相干约束项字典的电能质量扰动识别方法 | 第54-67页 |
| 5.1 不相干约束项的判别字典新算法 | 第54-59页 |
| 5.1.1 重构误差项 | 第55-56页 |
| 5.1.2 不相干约束相 | 第56-57页 |
| 5.1.3 DLSI模型的优化 | 第57-59页 |
| 5.2 仿真性能对比 | 第59-61页 |
| 5.2.1 不同识别分类法的性能比较 | 第59-60页 |
| 5.2.2 字典原子数的影响性能比较 | 第60-61页 |
| 5.3 仿真过程 | 第61-66页 |
| 5.3.1 公共字典的训练仿真 | 第61-64页 |
| 5.3.2 扰动识别对比仿真 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 总结展望 | 第67-69页 |
| 6.1 论文主要工作总结 | 第67-68页 |
| 6.2 后续工作与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73页 |
