一种基于稀疏编码和人工神经网络的光伏孤岛检测方法技术

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。本发明专利技术的技术效果：(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。

A photovoltaic island detection method based on sparse coding and artificial neural network

A kind of sparse encoding and BP neural network based on islanding detection method, which comprises the following steps: (1) acquisition of normal state and enough island state samples, a sample containing rate of the inverter output voltage changes in a period of change, the output current of inverter, the inverter output frequency change rate, sampling value of a 10 within weeks, the formation of the observation matrix consists of 3 rows and 10 columns; (2) the 3 rows of 10 observations collected by the sparse matrix encoding into sparse matrix of 1 rows and 10 columns; (3) the establishment of the single hidden layer BP neural network; (4) the sparse matrix as input into BP neural network. Get the BP training, the trained neural network model; (5) the BP neural network model is introduced into Simulink training in the establishment of islanding detection model of islanding detection. The technical effect of the invention is: (1) realizing almost no blind area. (2) the harmonic content of the system will not be increased. (3) the detection speed is fast.

【技术实现步骤摘要】
一种基于稀疏编码和人工神经网络的光伏孤岛检测方法
本专利技术属于光伏发电

技术介绍
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，但这本文档来自技高网...

【技术保护点】
一种基于稀疏编码和BP神经网络的孤岛检测法，其特征是包括如下步骤：(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。

【技术特征摘要】
1.一种基于稀疏编码和BP神经网络的孤岛检测法，其特征是包括如下步骤：(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。2.根据权利要求1所述的一种基于稀疏编码和BP神经网络的孤岛检测法，其特征是所述的步骤(2)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...

【专利技术属性】
技术研发人员：余运俊，衷国瑛，万晓凤，夏永洪，尹君怡，
申请(专利权)人：南昌大学，
类型：发明
国别省市：江西,36