基于压缩感知的盲源信号分离检测方法

摘要：

接入电网的各种分布式电源、非线性负荷使得电能质量污染问题日益严重，对各种电能质量信号进行特征提取与正确分离是改善电能质量的切入点．针对电能质量信号的结构特点，构建了压缩感知电能质量信号分离模型，并针对该模型提出一种基于压缩感知的盲源信号分离检测算法CS-SCA(compressed sensing-sparse component analysis)．根据已有的电能质量信号理论知识，确定电能质量信号在频域的稀疏性，进而对信号预处理降噪．通过两步法解决预处理后电能质量观测信号的分离检测问题．第1步通过观测信号向量方向特性估计出电能质量源信号个数，并利用线性聚类估计混合矩阵；第2步采用压缩感知恢复算法分离得出电能质量源信号．通过实验验证，提出算法所分离出基波、各次谐波信号分离信干比均大于10,dB．

关键词：电能质量信号、压缩感知、稀疏成分分析、盲分离

所属期刊栏目：49

分类号：TM73;TP393(输配电工程、电力网及电力系统)

资助基金：国际科技合作专项资助项目2013DFA11040；国家自然科学基金资助项目61571324；国家高技术研究发展计划863计划资助项目2015AA050202；天津市自然科学基金重点资助项目16JCZDJC30900

在线出版日期：2016-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1138-1143