基于压缩感知和卷积神经网络的谐波检测方法研究

汤伟 栾一多 刘嫣

摘要：本文提出一种基于压缩感知（ CS ）和卷积神经网络（ CNN ）的谐波检测新方法。在 CS 理论下建立了具有压缩采样和重构功能的谐波检测框架，并利用 CNN 理论设计了具有免变换字典的重构网络。研究结果表明，本文所提出的方法具有可行性，可为造纸工业中的谐波检测提供了一种新手段。

关键词：造纸工业;谐波检测;压缩感知;卷积神经网络

中图分类号：TS7   文献标识码：A    DOI：10.11980/j. issn.0254-508X.2021.12.009

Study on Harmonic Detection Method Based on Compressed Sensing and Convolutional Neural Network

TANG Wei*   LUAN Yiduo  LIU Yan

（School of Electrical and Control Engineering，Shaanxi University of Science & Technology，Xian，Shaanxi Province，710021）

（*E-mail ：wtang906@163. com）

Abstract： A new harmonic detection method based on compressed sensing （ CS ） and convolutional neural network （ CNN ） was proposed in this paper. A harmonic detection framework with compressed sampling and reconstruction function was established based on CS theory，and a reconstruction network with transform free dictionary was designed via CNN theory . The results showed that the method proposed in this pa? per was feasible and provided a new method for harmonic detection in papermaking industry .

Key words ：papermaking industry;harmonic detection;compression sensing;convolutional neural network

造纸工业是我国国民经济的重要组成部分，同时也是高耗能工业的典型代表[1]。随着我国制浆造纸企业的发展，越来越多的新型电气设备和工艺装置应用于生产过程中，产生了大量的谐波[2]。造纸企业中主要谐波源为电力电子设备（开关电源、整流器、变频器等）和磁芯设备（发电机、变压器和电动机等）。谐波会污染造纸企业配电网的电能质量，进而影响配电系统，会损害生产质量甚至导致生产事故的发生，所以对谐波的治理需引起高度重视[3]。

谐波治理的前提是对谐波快速准确的检测，电能质量检测要求采集数据精度高、范围广[4]，因此产生的海量数据会出现前端采集存储成本高和通讯传输效率低的问题[5]，数据压缩传输是目前较为普遍的解决方法。胡志坤等人[6]提出一种分块二维 DCT 算法的电能质量监测数据的压缩方法，将一维数据转换为二维电能质量数据进行数据压缩。孙佩霞等人[7]提出了二维离散小波变换电能质量数据的压缩算法，在保证数据压缩重构效果的同时提高数据压缩比;包光清等人[8]提出了一种基于二维提升小波、游程编码及哈夫曼编码的数据压缩与重构算法，利用电能数据的周期性和对称性的特点提高了数据压缩比。……