电力系统稳态数据参数化压缩算法

针对电力系统运行中产生的大量稳态数据,提出一种基于自适应神经模糊推理系统(adaptive-network-based fuzzy inference system,ANFIS)建模的参数化压缩算法。通过实现等相位采集方式,有效改善电网稳态数据的周期滑步现象,并建立和分析等相位数据的数学模型,为参数化压缩算法提供理论依据。设计参数化压缩算法的结构,并给出实现流程。该算法利用ANFIS系统建立基准序列模型,用于重构数据,采用三次样条插值建立基准相位模型,用于计算各周波相位差,由此将需存储的数据变为模型参数及相位差。最后利用仿真和实测数据详细分析影响系统信噪比和压缩比的因素,为参数的选取提供了参考,验证了算法不仅能提高稳态数据的压缩比,而且能有效滤除系统噪声,为电力系统海量数据的压缩提供了一种新思路。