基于引入粒子群算法及相位扰动的孤岛检测方法
【技术领域】
[0001] 本发明设及一种孤岛检测方法，尤其是一种基于引入粒子群算法及相位扰动的孤 岛检测方法。
【背景技术】
[0002] 当前，由于燃料能源的不断减少及其对环境危害的日益严重，人们已把目光投向 了太阳能、风能等清洁且储量巨大的可再生能源。基于可再生能源的分布式发电技术是电 力行业今后发展的一个重要方向，由其也引发出了一个新的问题一-孤岛现象。所谓孤岛， 是指主电网因故障或进行检修而处于失电状况时，分布式发电系统仍可能持续工作，并与 本地负载连接处于独立运行状态。孤岛现象发生后，会威胁到电网维修人员的安全，影响配 电系统的保护开关动作程序，在重合闽时可能对用电设备造成损害。因此，孤岛检测是分布 式发电装置必须具备的一项功能，如中国发明专利CN 102611140 B于2014年4月30日公 告的一种基于小波变换与神经网络的并网逆变器孤岛检测方法。该发明首先采集分布式并 网发电系统在孤岛状态与非孤岛状态下位于公共禪合点处的电压值及逆变器输出电流值， 然后对其进行小波变换并提取高频分量小波系数进行处理，最后将处理后的信号作为神经 网络的输入信号，并将所对应的孤岛状态与非孤岛状态作为输出信号，对神经网络进行训 练，使得系统获得孤岛状态与非孤岛状态的识别能力，从而在分布式并网发电系统处于孤 岛状态时采取相应的孤岛保护措施。该种检测方法虽在一定程度上提高了孤岛检测的性 能，然其检测的成功率不高，尤为当电网存在高次谐波时会导致孤岛检测的误判。
【发明内容】
[0003] 本发明要解决的技术问题为克服现有技术中的欠缺之处，提供一种具有较高准确 性和可靠性的基于引入粒子群算法及相位扰动的孤岛检测方法。
[0004] 为解决本发明的技术问题，所采用的技术方案为：基于引入粒子群算法及相位扰 动的孤岛检测方法包括对分布式并网发电系统公共禪合点信号的采集，特别是完成步骤如 下：
[0005] 步骤1，先实时采集分布式并网发电系统公共禪合点的电压信号，得到一个电压周 期内禪合点的电压信号UpeeQ)，其中的i为采样次数，再对电压信号Uwe(i)进行3个尺度 的小波变换，得到第i次采样的第j尺度的高频分量小波系数dj.(i)，其中的j = 1，2, 3 ;
[0006] 步骤2,先对高频分量小波系数dj. (i)按照下式
[0007]
【主权项】
1. 一种基于引入粒子群算法及相位扰动的孤岛检测方法，包括对分布式并网发电系统 公共耦合点信号的采集，其特征在于完成步骤如下： 步骤1，先实时采集分布式并网发电系统公共耦合点的电压信号，得到一个电压周期内 耦合点的电压信号ura(i)，其中的i为采样次数，再对电压信号uPrc(i)进行3个尺度的小 波变换，得到第i次采样的第j尺度的高频分量小波系数4(i)，其中的j = 1，2, 3 ; 步骤2,先对高频分量小波系数& (i)按照下式
十算出其在一个周期内的小波系数能量，得到Ep &和E 3，再将En E2 和E3的特征向量E = [E i，E2, E3]作为BP神经网络的输入信号、对应的孤岛状态作为BP神 经网络的输出信号，以作为BP神经网络的训练样本； 步骤3,先以小波系数能量的特征向量E作为BP神经网络的输入信号，通过粒子群算 法对BP神经网络进行优化，得到BP神经网络的最优权值和阈值，再将训练样本输入BP神 经网络进行计算，若BP神经网络输出的结果为低电平，则将相位扰动△ Θ置零并返回步骤 1，若结果为高电平，则实时采集分布式并网发电系统公共耦合点的频率fra信号； 步骤4,先比较公共耦合点的频率frc#P电网额定频率f N，当frcc》f #寸，则设相位扰 动 Λ Θ = 2 π X (fpcc+ Λ f) X Ts，否则设 Δ Θ = 2 π X (fpcc- Λ f) X Ts，式中的 Δ f 为给定的 频率因子、Ts为采样周期，再将相位扰动Λ Θ加入逆变器的控制信号中； 步骤5,先实时采集加入相位扰动△ Θ后的分布式并网发电系统公共耦合点的新的频 率fra'信号，再判断新的频率fra'是否满足fmin彡f ra'彡fmax，式中的fmin为公共耦合点 电压的最小频率，f max为公共耦合点电压的最大频率，若满足则返回步骤1，否则确认分布式 并网发电系统的状态为孤岛状态。
2. 根据权利要求1所述的基于引入粒子群算法及相位扰动的孤岛检测方法，其特征是 分布式并网发电系统为单相分布式并网发电系统，或三相分布式并网发电系统，或多台逆 变器并联的分布式并网发电系统。
3. 根据权利要求1所述的基于引入粒子群算法及相位扰动的孤岛检测方法，其特征是 对一个电压周期内親合点的电压信号Ura⑴的米样次数i多100。
4. 根据权利要求1所述的基于引入粒子群算法及相位扰动的孤岛检测方法，其特征是 粒子群算法对BP神经网络进行优化的过程为， 步骤a，先设置BP神经网络的输入层、输出层，以及隐层的节点数，并将小波系数能量 的特征向量E= [EpE2lE3]作为BP神经网络的输入信号，再设置种群规模N、惯性权重w、 最大迭代次数t max、学习因子cdP c 2，以及每个粒子的初始化速度和位置，并将各粒子初始 化位置设为个体极值Pbest，P best中的最优值设为全局最优值G best; 步骤b，先按照公式Z 计算每个粒子的适应度值，式中的N为种群规 上 \ i=\ j=\ 模、Yu为第i个样本的第j个理想输出值、y u为第i个样本的第j个实际输出值、m为网 络输出节点数，再对每个粒子将其当前的适应度值和上一次的个体极值Pbest进行比较，若 其当前适应度值优于P best，则令Pbest取当前的适应度值，否则，个体极值仍为原来的P best; 步骤c，先比较当前每个粒子的个体极值Pbest，找出当前迭代中的全局最优值后与历史 全局最优值Gbest比较，若其优于Gbest，则令Gbest取当前迭代中的全局最优值，否则，全局最优 值Gbest取原来值，再按照下式更新每个粒子的位置和速度
式中的t为当前迭代次数、w为惯性权重、cdP c 2为学习系数、r JP r 2为[0, 1]区间 的随机数、X为粒子的位置、V为粒子的速度、Pbest为个体极值、Gbest为全局的最优值，i = 1，2,. . .，N，N为种群规模； 步骤d，先按照公式
?出算法的误差，式中的t为当前迭代次数、 fun (Gbestw)为第i次迭代的全局最优值的适应度值，再当算法的误差ε _达到预先设定的 误差要求或者当前迭代次数t达到最大迭代次数tmax时，则得出BP神经网络的最优权值和 阈值，否则返回步骤a。
5. 根据权利要求1所述的基于引入粒子群算法及相位扰动的孤岛检测方法，其特征是 步骤4中的给定的频率因子Af的调节范围为整数[1，10]。
6. 根据权利要求1所述的基于引入粒子群算法及相位扰动的孤岛检测方法，其特征是 步骤5中的公共耦合点电压的最小频率fmin设定为49. 5Hz、最大频率fmax设定为50. 5Hz。
【专利摘要】本发明公开了一种基于引入粒子群算法及相位扰动的孤岛检测方法，它于第一阶段通过检测一个周期内公共耦合点上的电压信号并进行小波变换，重构后得到尺度上信号的幅值，然后以此计算得到各尺度能量作为粒子群与BP神经网络的输入信号，最后运用BP神经网络进行模式识别；于第二阶段加入相位扰动，使公共耦合点电压的频率发生变化，并通过频率检测来确定是否真正发生了孤岛现象。它通过在第一阶段加入粒子群算法和第二阶段加入相位扰动措施大大地提高了孤岛检测的准确性和可靠性；使其可广泛地用于包括太阳能发电、风力发电等分布式能源单元的并网逆变器，以及单相分布式并网发电系统、三相分布式并网发电系统和多台逆变器并联的分布式并网发电系统。
【IPC分类】G06N3-02, H02J3-38
【公开号】CN104638671
【申请号】CN201510023769
【发明人】张兴, 杜成孝, 王涛
【申请人】合肥工业大学
【公开日】2015年5月20日
【申请日】2015年1月16日