一种基于稀疏编码和人工神经网络的光伏孤岛检测方法与流程

本发明属于光伏发电
技术领域：
。
背景技术：
：孤岛运行是指当电网由于电气故障、误操作或者自然因素等原因中断供电时，光伏微网供电系统作为独立的电源继续向电网输出电能和向本地负载供电，从而形成一个电网无法控制的自给供电孤岛。在分布式光伏发电系统处于孤岛运行状态时，可能会影响电能质量甚至损坏电气设备，严重时可能会危及维护人员的人身安全。因此，无论是从安全方面还是从可靠性方面考虑，都应该及时有效地检测出孤岛运行状态，并将光伏逆变器从公共连接点(pcc)处断开，这就是孤岛检测。孤岛检测方法分为三大类，被动法，主动法和远程检测法。被动法主要对电路中的一些电气量直接测量，变化量超过阈值则判断孤岛发生。被动法实现简单，不会对系统电能质量造成影响，但当逆变器输出功率和负载功率相匹配时，被动法存在很大的检测盲区。主动法通过向系统内添加扰动，使得电网参数快速偏离阈值来对系统状态进行检测。主动法缩小了检测盲区，加快了检测速度，但添加的扰动信号会对电能质量产生影响。远程检测法远程通信和计算机处理技术来进行孤岛检测，这种检测法检测成功率高，不会对系统产生影响，但这种方法成本高，尤其不适用于一些微小系统。技术实现要素：本发明的目的是为了解决被动法盲区大，主动法会造成系统电能质量的影响，远程法成本太高，提出一种基于稀疏编码和backpropagation(bp)神经网络的光伏孤岛检测法。本发明是通过以下技术方案实现的。本发明是所述的一种基于稀疏编码和bp神经网络的孤岛检测法，包括如下步骤：(1)采集足够的正常状态和孤岛状态的样本，一个样本包含一个周期内逆变输出电压变化率，逆变输出电流变化率，逆变输出频率变化率，一个周内采样10个值，形成共3行10列的观测矩阵。(2)将采集到的3行10列的观测矩阵通过稀疏编码成1行10列的稀疏矩阵。(3)建立单隐含层bp神经网络。(4)将稀疏矩阵作为输入导入bp神经网络，进行训练，得到训练好的bp神经网络模型。(5)将训练好的bp神经网络模型导入simulink中，建立孤岛检测模型，进行孤岛检测。进一步，所述的步骤(2)将采集到的3行10列的观测矩阵通过稀疏编码成1行10列的稀疏矩阵为：(2-1)稀疏编码模型可以用一个结合基函数和噪声量的线性模型来表示：x＝[x1,x2,...xm]t为输入特征量，d为m*k的稀疏字典矩阵，它的元素dk为特征基函数。s＝[s1,s1,...sk]t为输入量x的稀疏表示，ε为高斯白噪声。(2-2)稀疏表示s的稀疏求解用s的最大后验估计：(2-3)第一项p(s|x,d)为满足公式(1)条件下的概率分布，给定公式(1)的噪声为高斯白噪声，这个概率分布可表示为σ2为噪声方差。(2-4)公式(2)的第二项为s的先验概率分布，s独立于d，所以p(s|d)＝p(s)，为了强化系数的稀疏性，p(sk)选择拉布拉斯分布，即p(sk)∝exp(-θ|sk|)，这些系数又是独立分布的，即所以s的最大后验估计可以表示为：(2-5)稀疏字典d用最大似然估计表示：(2-6)<·>x为x的平均值，因为样本之间是独立分布的，所以概率函数p(x|d)可表示为：(2-7)同时，每个样本的概率分布可表示为：p(xi|d)＝∫p(xi,s|d)ds＝∫p(xi|d,s)p(s)ds(7)(2-8)引用公式(3)并且假设先验分布为拉布拉斯分布，公式(7)可表示为：进一步，所述的步骤(3)建立双隐含层bp神经网络为：(3-1)在matlab中建立单隐含层bp神经网络。(3-2)输入层为10个节点，输出层为两个节点，隐含神经元的个数为12。(3-3)第一层的传递函数设置为tansig，第二层的传递函数为logsig，训练函数设置为traingdx。进一步，所述的步骤(5)将训练好的bp神经网络模型导入simulink中，建立孤岛检测模型，进行孤岛检测为：(5-1)在线采集一周期内逆变电压变化率，逆变电流变化率，频率变化率，形成3行10列的观测矩阵。(5-2)对观测矩阵进行在线稀疏形成稀疏矩阵。(5-3)将稀疏矩阵导入训练好的bp神经网络模型得到两个输出。(5-4)如果两个输出为10，判断为正常状态。如果两个输出为01，判断为孤岛状态，启动孤岛状态，断开逆变输出。本发明的特点及有益效果：(1)实现几乎没有盲区。(2)不会增加系统的谐波含量。(3)检测速度快。附图说明附图1为本发明的系统结构图。附图2为bp神经网络架构图。附图3为训练测试结果图。附图4为在线孤岛检测图。附图5为在线稀疏结果图。附图6孤岛检测输出波形图。具体实施方式下面结合附图和工作原理对本发明的具体实施方式进行详细说明。如附图1所示，本发明是基于稀疏编码和bp神经网络的光伏孤岛检测法。主要是在光伏并网系统中，实时采样逆变输出电压变化率，逆变输出电流变化率，逆变输出频率变化率组成三行十列的观测矩阵，将观测矩阵进行稀疏编码后作为bp神经网络的输入，训练得到训练好的bp神经网络。将训练好的bp神经网络模型导入simulink中的光伏并网系统中，进行在线孤岛检测。本发明实施的控制方法包括如下步骤：(1)采集480组正常状态样本和350组孤岛状态样本，每一组样本包含一周期内逆变电压变化率，逆变电流变化率，逆变输出频率变化率，采样频率为2*10-3，组成三行十列的观测矩阵。(2)将830组三行十列观测矩阵稀疏成一行十列的稀疏矩阵。表格1选取了4组正常状态和4组孤岛状态的稀疏矩阵。(3)将稀疏矩阵导入到bp神经网络中，bp神经网络的输入节点数为10，输出节点数为2，隐含神经元数为12。第一层的传递函数设置为tansig，第二层的传递函数为logsig，训练函数设置为traingdx。随机选取580组样本为训练样本，250组样本为测试样本。附图3为训练测试结果图。蓝线为实际运行状态，红线为预测运行状态，如果预测状态和实际状态相同，红线和蓝线重合，显示出蓝色，否则，显示出红色。(4)将训练好的神经网络导入光伏并网系统中，附图4为在线孤岛检测图，在线采集和训练样本相同的观测矩阵，然后进行在线稀疏编码，附图5为在线稀疏结果图。各种不同颜色的线表示10个不同的稀疏系数。(5)将10个稀疏系数导入bp神经网络模型中，得到一个预测结果，如果预测结果为10，则不改变系统状态。如果预测结果为01，则启动孤岛保护，断开逆变输出。(6)设置0.5s断开大电网，附图6为逆变输出电压和电流波形图。附表1为观测量稀疏结果。表1观测量稀疏结果-0.2390-0.23860.23851-0.2356-2.81012-3.181913.260615-1.112690.0738-0.07340.07345-0.0726-0.17581-0.127530.133896-0.48098-0.0262-0.02600.02608-0.0258-0.11564-0.16480.014013-0.416190.043920.04373-0.04370.043220.066830.04887-0.030430.2480743.176763.17739-3.17703.179380.288240.26902-0.095530.2858830.173340.17265-0.17260.170791.382690.52349-0.389242.8292190.063940.06368-0.06380.062980.352000.22500-0.145160.6575680.02620.02609-0.02600.025790.007640.15904-0.018190.27697-0.0424-0.04220.04226-0.0418-0.08185-0.096790.0562970.059287-0.6418-0.63990.64127-0.6350-0.37867-0.159440.13729-0.3252611112222当前第1页12