一种基于小波神经网络与SMS相结合的混合孤岛检测方法技术

本发明专利技术公开了一种基于小波神经网络与SMS相结合的混合孤岛检测方法，该方法技术方案为：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，得到一个电压周期内的小波系数绝对值的平均值并将其作为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；第二阶段引入SMS算法中的相位扰动，使公共耦合点电压的频率是否超过阈值，并通过频率检测来确定是否真正发生了孤岛现象，从而在并网发电系统处于孤岛状态时采取相应的孤岛保护措施。本发明专利技术大大地提高了孤岛检测的可靠性，在保证孤岛识别率的前提下，大大降低了检测方法对系统电能质量的影响。

A hybrid islanding detection method based on wavelet neural network and SMS

The invention discloses a hybrid island detection method based on the combination of wavelet neural network and SMS. The method is as follows: in the first stage, the voltage signal on the common coupling point in a period is detected and the wavelet transform is carried out in the first stage, and the mean value of the absolute value of the wavelet coefficients in a voltage cycle is obtained and used as a BP. The input signal of neural network is used to recognize the pattern of the BP neural network. The second stage introduces the phase disturbance in the SMS algorithm to make the frequency of the common coupling point voltage exceed the threshold, and determine whether the isolated island phenomenon is really happening by frequency detection, so that the grid connected power generation system is in the island state. Corresponding island protection measures. The invention greatly improves the reliability of the islanding detection, and greatly reduces the influence of the detection method on the power quality of the system on the premise of guaranteeing the identification of the island.

【技术实现步骤摘要】
一种基于小波神经网络与SMS相结合的混合孤岛检测方法
一种孤岛检测方法，尤其是一种基于小波神经网络与SMS相结合的混合孤岛检测方法。
技术介绍
随着人类社会对电能需求的增大和电力工业技术的进步，分布式发电DG(distributedgeneration)技术在世界各国得到了广泛的关注和深入的研究。以光伏发电、风力发电等为代表的DG系统不仅清洁环保、能源可再生，而且与传统集中式发电相比，还具有投资小，发电方式灵活等特点。但大量分布式发电并网后.产生了一系列新的问题，孤岛效应就是严重的问题之一.因此孤岛检测是分布式发电并网的必要功能。孤岛现象发生后，孤岛效应发生后可能会引起电网频率和电压的变化，影响电能传输质量，严重时可能造成用电设备的损坏，同时也可能会危及电网线路维修人员的安全，因此，孤岛检测是分布式发电装置必须具备的一项功能。文献1专利技术专利《基于小波变换和神经网络并网逆变器孤岛检测方法》(公告号CN102611140B)，该专利技术选用2个电压、电流信号小波系数的绝对平均值，以及对应的差值作为特征向量但该方法由于仅考虑电流、电压信号2个尺度上的小波分解信息，并且2个差值本身不是独立变量，使得检测的成功率不高。文献2专利技术专利《基于引入粒子群算法及相位扰动的孤岛检测方法》(公告号CN104638671A)，该专利技术采用粒子群小波神经网络以及相位扰动两种方法相结合，但由于粒子群引入增加了计算的复杂以及检测的时间，尤其随着负载品质因数Qf的增大，传统的SMS相位扰动检测速度会减慢甚至会导致孤岛检测失败的缺陷。
技术实现思路
为了解决上述技术问题，本专利技术提供一种基于小波神经网络与SMS相结合的混合孤岛检测方法。为了实现本专利技术的目的，本专利技术采用了以下技术方案：一种基于小波神经网络与SMS相结合的混合孤岛检测方法，其特征在于包括如下步骤：步骤1，实时采集分布式并网发电系统公共耦合点的电压值uPCC(i)，其中的i为采样次数；步骤2，将采集的电压值uPCC(i)进行如下处理：将采集的公共耦合点电压值uPCC(i)进行4尺度的小波变换，提取第i次采样的第j尺度的细节信号dj(i)，按计算出一个电压周期内的小波系数绝对值的平均值，Ej作为BP神经网络的输入信号，对应的孤岛和非孤岛状态作为BP神经网络的输出信号，其中j＝1,2,3,4，n为一个电压周期内的采样次数，所述输入信号，输出信号作为BP神经网络的训练样本；步骤3，通过BP神经网络对所述训练样本进行计算，获得分布式并网发电系统孤岛状态以及非孤岛状态下的模式识别能力；当BP神经网络判断系统与主电网断开时，即BP神经网络输出的结果为高电平，则实时采集分布式并网发电系统公共耦合点的频率fPCC信号；当神经网络判断系统与主电网连接时，即BP神经网络输出的结果为低电平，将相位扰动Δθ置零并返回步骤1；步骤4，先比较公共耦合点的频率fPCC和分布式并网发电系统的额定频率fN，当fPCC≥fN时，则设相位扰动否则设相位扰动式中的r为滑膜频率偏移算法(SMS)中圆形相位偏移曲线的半径，再将相位扰动Δθ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Δθ后的分布式并网发电系统公共耦合点的新的频率fPCC’信号，再判断新的频率fPCC’是否满足fmin≤fPCC’≤fmax，式中的fmin为公共耦合点电压的最小频率，fmax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。进一步的，所述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。进一步的，所述的小波变换为离散小波变换，母小波为db4。进一步的，所述r＝0.253。进一步的，所述的神经网络为三层前馈BP神经网络。进一步的，所述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。本专利技术的有益效果在于：(1)本专利技术充分利用小波变换与BP神经网络对非平稳系统中信号的提取和辨识能力，提高了孤岛检测的可靠性。(2)本专利技术将传统SMS算法的正弦型相位偏移曲线修改为圆型相位偏移曲线，有效地解决了负载品质因数Qf的过大，传统的相位扰动检测速度会减慢甚至会导致孤岛检测失败的缺陷，而本专利技术大大地提高了孤岛检测的可靠性。(3)本专利技术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，以及应用于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。本专利技术在保证孤岛识别率的前提下，大大降低了检测方法对分布式并网发电系统电能质量的影响。附图说明图1为本专利技术基本流程示意图。图2为现有技术(文献2)中不同Qf对应的θload与θSMS随频率变化的曲线。图3为本专利技术中不同Qf对应的θload与θSMS随频率变化的曲线。图4为本专利技术在不同参数下改进的SMS算法的检测盲区图。图5为本专利技术在Qf＝1时的仿真波形。图6为本专利技术在Qf＝2.5时的仿真波形。具体实施方式下面结合实施例对本专利技术技术方案做出更为具体的说明：一种基于小波神经网络与SMS相结合的混合孤岛检测方法，包括如下步骤：步骤1，实时采集分布式并网发电系统在孤岛以及非孤岛状态下公共耦合点的电压值uPCC(i)，其中的i为采样次数。步骤2，将采集的电压值uPCC(i)进行如下处理：将采集的公共耦合点电压值uPCC(i)进行4尺度的离散小波变换，提取第i次采样的第j尺度的细节信号dj(i)，按计算出一个电压周期内的小波系数绝对值的平均值，Ej作为三层前馈BP神经网络的输入信号，对应的孤岛和非孤岛状态作为BP神经网络的输出信号，其中的j＝1,2,3,4，n取200，0表示非孤岛状态，1表示孤岛状态，输入信号，输出信号作为神经网络的训练样本；Daubechies小波系是由法国学者Daubechies提出的一系列二进制小波的总称，在Matlab中记为dbN，N为小波的序号，N值取2，3，…，10。步骤3，通过神经网络对学习样本进行训练，获得分布式并网发电系统孤岛状态以及非孤岛状态下的模式识别能力；当神经网络判断系统与主电网断开时，即BP神经网络输出的结果为高电平，则实时采集分布式并网发电系统公共耦合点的频率fPCC信号；当神经网络判断系统与主电网连接时，即BP神经网络输出的结果为低电平，将相位扰动Δθ置零并返回步骤1；步骤4，先比较公共耦合点的频率fPCC和电网额定频率fN，当fPCC≥fN时，则设相位扰动否则设式中的r为滑膜频率偏移算法(SMS)中圆形相位偏移曲线的半径、r＝0.253，再将相位扰动Δθ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Δθ后的分布式并网发电系统公共耦合点的新的频率fPCC’信号，再判断新的频率fPCC’是否满足fmin≤fPCC’≤fmax，式中的fmin为公共耦合点电压的最小频率，fmax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。本实施例中所述分布式并网发电系统为单相分布式并网发电系统，当然所述分布式并网发电系统也可以是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。通过比较传统SMS算法和改进后的本专利技术的SMS算法，在不同Qf条件下对应本文档来自技高网...

【技术保护点】
1.一种基于小波神经网络与SMS相结合的混合孤岛检测方法，其特征在于包括如下步骤：步骤1，实时采集分布式并网发电系统公共耦合点的电压值uPCC(i)，其中的i为采样次数；步骤2，将采集的电压值uPCC(i)进行如下处理：将采集的公共耦合点电压值uPCC(i)进行4尺度的小波变换，提取第i次采样的第j尺度的细节信号dj(i)，按

【技术特征摘要】
1.一种基于小波神经网络与SMS相结合的混合孤岛检测方法，其特征在于包括如下步骤：步骤1，实时采集分布式并网发电系统公共耦合点的电压值uPCC(i)，其中的i为采样次数；步骤2，将采集的电压值uPCC(i)进行如下处理：将采集的公共耦合点电压值uPCC(i)进行4尺度的小波变换，提取第i次采样的第j尺度的细节信号dj(i)，按计算出一个电压周期内的小波系数绝对值的平均值，Ej作为BP神经网络的输入信号，对应的孤岛和非孤岛状态作为BP神经网络的输出信号，其中j＝1,2,3,4，n为一个电压周期内的采样次数，所述输入信号，输出信号作为BP神经网络的训练样本；步骤3，通过BP神经网络对所述训练样本进行计算，获得分布式并网发电系统孤岛状态以及非孤岛状态下的模式识别能力；当BP神经网络判断系统与主电网断开时，即BP神经网络输出的结果为高电平，则实时采集分布式并网发电系统公共耦合点的频率fPCC信号；当神经网络判断系统与主电网连接时，即BP神经网络输出的结果为低电平，将相位扰动Δθ置零并返回步骤1；步骤4，先比较公共耦合点的频率fPCC和分布式并网发电系统的额定频率fN，当fPCC≥fN时，则设相位扰动否则设相位扰动式中的r为滑膜频率偏移算法(SMS)中圆形相位偏移曲线的...

【专利技术属性】
技术研发人员：李磊，王涛，罗玉平，刘芹，
申请(专利权)人：国家电网公司，国网安徽省电力有限公司铜陵供电公司，
类型：发明
国别省市：北京,11