文献类型：期刊文章

作　　者：王鹤[1] 李石强[1] 于华楠[1] 张健[2]

Wang He;Li Shiqiang;Yu Huanan;Zhang Jian(Key Laboratory of Modern Power System Simulation and Control&Renewable Energy Technology Ministry of Education Northeast Electric Power University,Jilin 132012,China;Dispatching control center of State Grid Jilin Electric Power Co.Ltd,Changchun 130000,China)

机构地区：[1]现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林132012 [2]国网吉林省电力有限公司调度控制中心,长春130000

出　　处：《电工技术学报》

基　　金：国家重点研发专项资助项目(2019YFB1505400)。

年　　份：2020

卷　　号：35

期　　号：21

起止页码：4553-4564

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对配电网中电能质量数据日益庞大且谐波污染划分困难的问题,提出一种基于分布式压缩感知和边缘计算的电能质量数据压缩存储方法。创新之处在于:该方法是基于同步正交匹配追踪算法和K-SVD字典学习算法提出一种自适应联合重构算法,并将该重构方法应用到以分布式压缩感知为边缘算法的云边协同框架中,在云端通过对边缘上传的字典原子和测量值进行分析,实现电能质量数据的压缩存储,此外,还可以依据各节点稀疏系数间的互相关度实现配电网的谐波污染动态分区。仿真结果表明:该算法不仅能以很高的精度实现电能质量数据的压缩,节省数据存储空间,还对配电网的谐波污染分区具有借鉴意义。

关 键 词：配电网 分布式压缩感知  边缘计算  K-SVD算法  谐波污染划分  

分 类 号：TM74]