[发明专利]基于VMD与OMP的电力负荷数据降维重构处理方法

权利要求书

1.基于VMD与OMP的电力负荷数据降维重构处理方法，其特征在于：该方法包括：

步骤1，采集电力负荷数据；

步骤2，将采集到的电力负荷数据通过变分模态分解方法进行数据分解滤波和降维处理；得到频率从低到高的固有模态分量；

步骤3，在得到频率从低到高的固有模态分量后，再运用正交匹配跟踪算法对分解滤波后的数据进行重构优化处理。

2.根据权利要求1所述的基于VMD与OMP的电力负荷数据降维重构处理方法，其特征在于：利用UK-DALE数据集收集电力负荷数据；UK-DALE数据集包含了家庭内各种独立设备的负荷数据，按每个采样需要6秒时间的频率进行采样，采样的对象包括某个设备的有功功率和每个家庭总的有功功率，以及采样频率为15kHz的每户入口处的总电压和电流数据。

3.根据权利要求1所述的基于VMD与OMP的电力负荷数据降维重构处理方法，其特征在于：变分模态分解方法具体包括，

首先应用下式获得分析信号，

其中，t表示数据的时间常数；

每个模态的中心频率由指数混合估计，每个模态函数的频谱调制到相应的基带；

再通过解定信号的高斯平滑度和梯度平方标准，获得模态函数的带宽；

根据上述步骤获得的约束变异问题如下：

其中，u_k＝{u₁,u₂,…，u_k}是K模态组件；ω_k＝{ω₁,ω₂,…，ω_k}是K中心频率；*表示卷积；δ(t)是单位脉冲函数；表示t的部分导数；f是原始信号，j表示原始信号；

通过引入拉格朗日乘数λ和第二个惩罚因子α，约束变异问题转化为无约束的变异问题，即：

其中λ(t)为拉格朗日乘法算子；f(t)为信号函数；增强拉格朗格表达式(5)的马鞍点作为原始最小化问(4)的解；公式(5)的优化问题分为两个不同的子问题：解决K模态组件u_k和中心频率ω_k的最小化问题。

4.根据权利要求3所述的基于VMD与OMP电力负荷数据降维算法的运行方法，其特征在于：K模态组件u_k和中心频率ω_k的优化问题如下：

ω表示信号从时域t变化到频域的符号，ω_k等同于等同于f(t)为信号函数；

二次优化问题通过下式得到了解决：

通过交替方向乘数法发现增强拉格朗日公式的马鞍点；因此，原始信号f被分解为KIMF组件。

5.根据权利要求4所述的基于VMD与OMP的电力负荷数据降维重构处理方法，其特征在于：原始信号f被分解为K模态组件u_k的实施步骤包括：

S1，初始化n←0；其中n表示迭代的数量

S2，n＝n+1，执行整个循环；

S3，执行k＝k+1，直到k＝K；其中k表示模式的数量，K表示模式的总数；

S4，对于所有的ω≥0进行双重提高

其中，Y表示噪声容差；当信号包含强噪声时，设置X以达到更好的脱噪效果；

S5，重复S2-S4，直到满足以下迭代约束：

其中，ε是给定的区分精度；当满足约束条件时，停止迭代，最终获得K模态组件。