基于非线性测量的稀疏恢复及其在电力网络不良数据检测中的应用
信息论
2013-01-08 v2 机器学习
系统与控制
math.IT
摘要
本文考虑基于非线性测量的稀疏恢复问题，该问题在电力网络的状态估计和不良数据检测中有应用。通过局部线性化非线性测量，使用迭代混合 和 凸规划来估计真实状态。当测量为线性时，通过利用线性子空间的几乎欧几里得性质，我们推导了在稀疏不良数据和加性观测噪声下状态估计误差的一个新性能界。作为副产品，本文利用几何泛函分析中的“网格逃逸”定理，给出了线性子空间几乎欧几里得性质的尖锐界。当测量为非线性时，我们给出了即使局部线性化测量可能并非实际非线性测量时，迭代算法解收敛到真实状态的条件。我们数值评估了迭代凸规划方法在非线性电力网络问题中执行不良数据检测的效果。我们能够使用半定规划来验证所提出的基于非线性测量的迭代稀疏恢复算法收敛的条件。
引用
@article{arxiv.1112.6234,
title = {Sparse Recovery from Nonlinear Measurements with Applications in Bad Data Detection for Power Networks},
author = {Weiyu Xu and Meng Wang and Jianfeng Cai and Ao Tang},
journal= {arXiv preprint arXiv:1112.6234},
year = {2013}
}
备注
journal. arXiv admin note: substantial text overlap with arXiv:1105.0442