摘要
智能电网通过采集电力数据进行状态评估,而电网系统中大规模电力数据的传输导致开销过高。为此,提出一种基于压缩传感的低开销电力数据采集方法,其利用信号的稀疏性,将变换系数线性投影为低维观测向量,通过进一步求解稀疏最优化高概率精确地重建原始信号。将数据采集过程分为数据压缩、数据传输和数据重构三个阶段,并基于KSVD,设计一种基于成块电力数据的稀疏矩阵训练算法。该算法不是根据单个电力数据训练稀疏矩阵,而是根据多组电力数据来训练稀疏矩阵,具有较强的鲁棒性。仿真实验结果表明,使用压缩感知处理后的数据进行传输,其传输的数据量仅为原始数据的27.8%。
出处
《计算机应用研究》
CSCD
北大核心
2020年第S01期266-268,272,共4页
Application Research of Computers
基金
国家自然科学基金资助项目(61572184)
湖南省自然科学基金杰出青年基金资助项目(2017JJ1010)
作者简介
刘潇潇(1983-),男,湖南长沙人,硕士,主要研究方向为计算机网络;田家政(1992-),男,山东枣庄人,博士研究生,主要研究方向为计算机网络;通信作者:谢鲲(1978-),女,湖南长沙人,教授,博士,主要研究方向为计算机网络、网络安全、大数据、人工智能(cskxie@gmail.com);罗志坤(1985-),男,湖南长沙人,硕士,主要研究方向为大数据;陈跃辉(1988-),男,湖南长沙人,硕士,主要研究方向为大数据;陈宏(1990-),男,湖南长沙人,硕士,主要研究方向为人工智能;郭馨泽(1985-),男,湖南长沙人,硕士,主要研究方向为计算机网络;黄鑫(1990-),男,湖南长沙人,硕士,主要研究方向为计算机网络.
