一种基于系统辨识的孤岛检测方法
【技术领域】
[0001] 本发明涉及分布式发电系统领域，尤其涉及一种基于系统辨识的孤岛检测方法。
【背景技术】
[0002] 近年来，随着工业的不断发展，并且过分地依赖化石能源，导致环境污染，资源消 耗严重等问题日益凸显。相比化石能源，太阳能、风能，氢能等可再生能源消耗后可得到恢 复补充，不产生或极少产生污染物，故被视为一类清洁能源。在对清洁能源的利用中，分布 式发电系统DG(DistributedGeneration)发挥着重要的作用。DG是指通过规模不大、分布 在负荷附近的发电设施实现经济、高效、可靠地发电。当前大部分DG采用风能、太阳能和水 力等绿色能源。
[0003] 虽然分布式发电系统及微电网有着巨大的优势，但也面临着诸多问题，对于分布 式发电系统实施控制的关键环节就是对孤岛效应的检测。孤岛效应指的是DG系统发生故 障或者维修等因素，大电网断开或者停止工作，并网设备没有有效地检测出停电状态、将分 布式发电设备脱离大电网，而是依然向本地负载提供能量的情形。此时，分布式发电系统 与周围的负载形成了自给自足、孤立的供电系统。如果突然发生孤岛，且没有采取任何措 施，将会造成以下危害：孤岛运行时，由于当本地负载的所能承受的功率与系统的输出功率 不相匹配，可能会对用电设备造成损害；系统的电压、频率等控制失效，孤岛运行内系统的 参数值可能偏离标准范围，造成过压，过流等故障，严重影响发电系统和用电设备的正常工 作；另外，对于不知具体情况的施工人员以及用户的人身安全都构成了一定的威胁；重新 合闸时，可能造成DG大电网的公共点两边电压不同步，使得合闸失败，引起再次停电。
[0004] 大体上来说，目前的孤岛检测技术可以分为被动检测法，主动检测法以及远程检 测法。被动检测法主要是在DG输出端，检测孤岛发生前后，发电系统与电网的公共耦合点 处的电压、频率、相位等参数的变化来判断是否发生孤岛。但是当本地负载负荷与DG输出 功率相匹配时，耦合点处的电压、频率、相位等在孤岛发生不会出现较大的变化，此时被动 法将会出现一定的盲区。主动检测法则是在控制信号周期性加入很小的电压、电流、频率或 者相位等干扰量。该种方法的有点在于相对被动检测法的检测盲区较小，检测精度较高，但 是由于引入了一定的扰动量，可能将引起输出量的谐波增大，电网电能质量下降等不利因 素。该法主要在大电网侧实现孤岛检测，主要是基于大电网与分布式发电系统之间的通信。 该方法实时有效，没有盲区，且对电网不会产生干扰。但是需要较高配置的设备，实现的操 作较为复杂，投入成本高。
【发明内容】
[0005] 本发明所要解决的技述问题在于克服已有技术存在的不足，提供一种基于系统辨 识的孤岛检测方法。该方法可以快速、准确、可靠地检测孤岛事件，有效地避免被动法存在 盲区的缺陷；同时不需要在电网中注入一定的扰动信号，从而不会对发电系统的输出电能 的质量产生影响，不产生谐波污染。
[0006] 为解决上述技述问题，基于系统辨识的孤岛检测方法完成步骤如下：
[0007] S1.获取分布式发电系统的发电系统与电网的公共親合点PCC处的电压信号和输 出电流信号；
[0008] S2.通过带阻滤波器，将获取的电压信号与电流信号的基波去除，得到电压信号和 电流信号的谐波分量U和I;
[0009] S3.把PCC端处的部分看成黑箱，该部分包括本地负载和电网系统，把步骤S2中的 电压谐波分量U和电流谐波分量I作为黑箱的输入和输出，利用最小二乘算法估计黑箱内 部的参数，也即PCC端阻抗的参数；
[0010] S4.获取系统在孤岛运行状态和并网运行状态的PCC端阻抗参数，生成训练数据 集T;
[0011] S5.训练数据集T，产生逻辑回归分类器，并通过训练，提高分类器的准确率；
[0012] S6.将训练好的分类器，进行在线孤岛检测。输入实时获取的PCC端阻抗参数，采 用逻辑回归分类器判断孤岛。对于所选目标的发电系统，若输出y= 1，则判断系统进入了 孤岛运行状态；若y= 0,则判断系统进入了并网运行状态。
[0013] 步骤S2中所述的带阻滤波器为二阶带阻滤波器，传递函数为：
[0015] 其中为、过滤的角频率。
[0016] 步骤S3中黑箱包括本地负载和电网系统，由于电网阻抗较小，并网的运行状态 PCC处的阻抗较小，孤岛状态下PCC处的阻抗大小等于本地负载阻抗。因而当系统从并网运 行状态到孤岛状态时，PCC处的阻抗将会发生变化，通过阻抗的变化检测出孤岛事件。利用 并联电阻，电感，电容模型，即并联RLC模型来模拟黑箱的组成形式。
[0017] 步骤S3中利用递推最小二乘算法辨识PCC处阻抗等效模型，估计并联RLC模型的 参数。谐波分量I和U分别为模型的输入和输出，其传递函数为：
[0019] 将上式离散化后可表示为
[0020] u(k)=-ap(k_l) _a2u(k_2)+b0i(k)(k_l)+b2i(k_2)
[0021] 其中x=h，a2,b。，h，b2]为系统的参数。
[0022] 步骤S4中的训练样本集T中孤岛状态和并网运行状态的样本量均等。
[0023] 步骤S5中通过数据集Τ，训练逻辑回归分类器，即寻求最佳分类界面能将所有数 据分成两类，分别对应孤岛状态和并网状态；其中的预测函数，即逻辑函数表示为：
[0027] 其中w=[Wuw2,w3,w4,w5];辨识系统计算出来的参数作为预测函数的输入，表示 为x= [a^a2,b。，bi,b2]，分类界面的数学描述为W(J+WTX= 0。我们令Z=W(J+WTX，根据分类 器输出可知，当Z多0时，计算得到y= 1，代表孤岛事件的状态；当Z< 0时，计算可得y= 〇,代表非孤岛事件的状态。
[0028] 进一步，获取逻辑回归分类器的参数w。和w，然后对PCC端阻抗在线地进行系统 辨识，获取系统参数的辨识结果。将该参数作为特征量指标，并为逻辑回归分类器的输入， 进行孤岛检测的求解与决策。
[0029] 进一步，当分类器输出为y= 1时，为防止误判，需要持续一定的时间，当y= 1 且持续时间T超过时间阈值1^时，便认为分布式发电系统出现孤岛事件，发出孤岛信号，采 取一定的保护措施。
[0030] 本发明与现有技术相比具有以下有益效果：快速、准确、可靠地检测孤岛事件，有 效地避免被动法存在盲区的缺陷，同时不必在电网中注入一定的扰动信号，提高发电系统 的输出电能的质量，避免造成谐波污染。
【附图说明】
[0031]图1是依据本发明一实施例的分布式发电系统逆变控制系统及孤岛检测装置。图 2是依据本发明一实施例的系统辨识及逻辑回归分类器的建立过程。
[0032] 图3是依据本发明一实施例的孤岛检测求解过程。
[0033] 图4是依据本发明一实施例的检测结果显示。
【具体实施方式】
[0034] 下面对本发明所提供的一种基于系统辨识的孤岛检测方法，结合附图和实施例详 细说明。
[0035] 本发明主要运用于分布式发电系统，其中直流源通过逆变系统并入电网，并向本 地负载提供电能。采用数字控制器进行逆变系统的电流，电压控制。
[0036] 本发明一种基于系统辨识的孤岛检测方法，包括以下步骤：
[0037] S1.获取分布式发电系统的发电系统与电网的公共親合点PCC处的电压信号和输 出电流信号；
[0038]S2.通过带阻滤波器，将获取的电压信号与电流信号的基波去除，得到电压信号和 电流信号的谐波分量U和I;
[0039]S3.把PCC端处的部分看成黑箱，该部分包括本地负载和电网系统，把步骤S2中的 电压谐波分量U和电流谐波分量I作为黑箱的输入和输出，利用最小二乘算法估计黑箱内 部的参数，也即PCC端阻抗的参数；
[0040]S4.获取系统在孤岛运行状态和并网运行状态的PCC端阻抗参数，生成训练数据 集T;
[0041]S5.训练数据集T，产生逻辑回归分类器，并通过训练，提高分类器的准确率；
[0042]S6.将训练好的分类器，进行在线孤岛检测。输入实时获取的PCC端阻抗参数，采 用逻辑回归分类器判断孤岛。对于所选目标的发电系统，若输出y= 1，则判断系统进入了 孤岛运行状态；若y= 0,则判断系统进入了并网运行状态。
[0043] 步骤S2中所述的带阻滤波器为二阶带阻滤波器，传递函数为：
[0045] 其中为、过滤的角频率。
[0046] 步骤S3中黑箱包括本地负载和电网系统，由于电网阻抗较小，并网的运行状态 PCC处的阻抗较小，孤岛状态下PCC处的阻抗大小等于本地负载阻抗。因而当系统从并网运 行状态到孤岛状态时，PCC处的阻抗将会发生变化，通过阻抗的变化检测出孤岛事件。利用 并联电阻，电感，电容模型，即并联RLC模型来模拟黑箱的组成形式。
[0047] 步骤S3中利用递推最小二乘算法辨识PCC处阻抗等效模型，估计并联RLC模型的 参数。谐波分量I和U分别为模型的输入和输出，其传递函数为：
[0049] 将上式离散化后可表示为
[0050] u(k)=-ap(k_l) _a2u(k_2)+b0i(k)(k_l)+b2i(k_2)
[0051] 其中x=h，a2,b。，b2]为系统的参数。
[0052] 步骤S4中的训练样本集T中孤岛状态和并网运行状态