一种分布式并网孤岛检测的混合方法

摘要

本发明属于电力系统保护与控制技术领域，尤其涉及一种分布式并网孤岛检测的混合方法。该方法包括以下步骤：采集分布式并网发电系统公共耦合点的电压值；对采集到的电压值进行小波变换，并计算得出一个电压周期内小波系数绝对值的平均值，并将平均值作为BP神经网络的输入信号，运用BP神经网络进行模式识别；当根据BP神经网络输出的结果判定分布式并网发电系统进入疑似孤岛状态时，检测并网点的电压上是否叠加有设定的载波信号，当为检测到设定的载波信号，判定分布式并网发电系统进入孤岛状态。本方法运用小波神经网络与载波通信技术相结合，检测分布式并网发电系统是否进入孤岛状态，提高了孤岛识别率和孤岛检测的可靠性，且无检测盲区。

权利要求

1.一种分布式并网孤岛检测的混合方法，其特征在于：包括以下步骤：

采集分布式并网发电系统公共耦合点的电压值；

对采集到的电压值进行小波变换，并计算得出一个电压周期内小波系数绝对值的平均值，并将平均值作为BP神经网络的输入信号，运用BP神经网络进行模式识别；

当根据BP神经网络输出的结果为高电平，判定分布式并网发电系统进入疑似孤岛状态时，检测并网点的电压上是否叠加有设定的载波信号，当为检测到设定的载波信号，判定分布式并网发电系统进入孤岛状态；

在分布式逆变器的线路首端安装载波信号发生装置，通过载波信号发生装置对电力线进行载波，选用的载波信号为120kHz的正弦信号，峰值电压为6mV。

2.根据权利要求1所述的分布式并网孤岛检测的混合方法，其特征在于：对将采集的公共耦合点电压值uPCC(i)进行如下处理：将采集的PCC电压值uPCC(i)进行6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。

3.根据权利要求2所述的分布式并网孤岛检测的混合方法，其特征在于：通过BP神经网络对训练样本进行计算，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神经网络输出的结果为低电平时，即神经网络判断系统与主电网连接；

当BP神经网络输出的结果为高电平，即BP神经网络判断系统与主电网断开，分布式并网发电系统的疑似孤岛状态。

4.根据权利要求3所述的分布式并网孤岛检测的混合方法，其特征在于，当持续多次过零点接收不到载波信号，确定逆变器处于孤岛运行状态。

5.根据权利要求1所述的分布式并网孤岛检测的混合方法，其特征在于，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。

6.根据权利要求1所述的分布式并网孤岛检测的混合方法，其特征在于，所述的小波变换为离散小波变换，母小波为db4。

7.根据权利要求1所述的分布式并网孤岛检测的混合方法，其特征在于，所述的神经网络为三层前馈BP神经网络。

8.根据权利要求1所述的分布式并网孤岛检测的混合方法，其特征在于，所述的载波信号发生装置将正弦信号加入到交流电压中，并实时发送信号。

9.根据权利要求1所述的分布式并网孤岛检测的混合方法，其特征在于，由载波信号发生装置发出的载波信号，经过变压器耦合到变电站母线，信号经过电网传输，通过安装在分布式发电并网处的载波信号检测装置实时监测载波信号。

说明书

一种分布式并网孤岛检测的混合方法

技术领域

[0001] 本发明属于电力系统保护与控制技术领域，尤其涉及一种分布式并网孤岛检测的混合方法。

背景技术

[0002] 分布式电源接入公共电网的规模和容量的不断增加，给电网的运行保护及控制带来一系列问题，而孤岛效应作为最严重的问题之一。作为一种特殊的故障状态，孤岛效应定义为公共电网因故障、检修或其他原因停止供电后，分布式发电系统未能及时获知系统的断电状态，仍向区域负载输出电能，最终形成一个不受电网控制的带本地负载运行的孤岛。公共电网因偶然因素如停电检修、误操作而动作跳闸，分布式电源与外部负载构成孤岛独立运行，此时，孤岛发生时刻未知，区域无法确定，因此称之为非计划孤岛。非计划孤岛的形成，可能导致孤岛系统内电压、频率偏离标准，对电力维修人员的生命安全造成威胁，严重损害用电设施。

[0003] 孤岛检测方法主要包括基于远程通讯的孤岛检测法和本地孤岛检测法。基于远程通讯的孤岛检测法主要是联锁跳闹法及电力传输线载波通讯法。该方法不存在检测盲区，但是在通信网络发生故障或受到干扰时，载波信号容易产生数据丢包，该方法也随之失效。本地孤岛检测法又分为主动式检测法以及被动式检测法，主动式检测方案通过在系统中有意地引入扰动信号，来监控系统中的电压、频率或阻抗数值上的变化，以确定主电网的存在与否，该方法能够减小甚至消除检测盲区，但同时也对电能质量造成了一定影响，并且现有方法在应用于多个分布式电源时，因无法保证扰动信号的同步性，可能使得扰动相互抵消而稀释，大大降低了孤岛检测的可靠性。被动式检测法是通过监控分布式发电装置与主电网接口处的电压或者频率的异常来进行孤岛检测，包括过欠压及过欠频保护、电压谐波检测、相位跳变等方案，该方法不会对系统电能质量造成影响，但是存在较大检测盲区，通常与主动法配合使用。

发明内容

[0004] (一)要解决的技术问题

[0005] 针对现有技术存在的存在检测盲区、检测可靠性差的技术问题，本发明提供一种分布式并网孤岛检测的混合方法。

[0006] (二)技术方案

[0007] 为了达到上述目的，本发明采用的主要技术方案包括：

[0008] 一种分布式并网孤岛检测的混合方法，其包括以下步骤：

[0009] 采集分布式并网发电系统公共耦合点的电压值；

[0010] 对采集到的电压值进行小波变换，并计算得出一个电压周期内小波系数绝对值的平均值，并将平均值作为BP神经网络的输入信号，运用BP神经网络进行模式识别；

[0011] 当根据BP神经网络输出的结果判定分布式并网发电系统进入疑似孤岛状态时，检测并网点的电压上是否叠加有设定的载波信号，当为检测到设定的载波信号，判定分布式并网发电系统进入孤岛状态。

[0012] 优选的，对将采集的公共耦合点电压值uPCC(i)进行如下处理：

[0013] 将采集的PCC电压值uPCC(i)进行6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。

[0014] 优选的，通过BP神经网络对训练样本进行计算，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；

[0015] 当BP神经网络输出的结果为低电平时，即神经网络判断系统与主电网连接；

[0016] 当BP神经网络输出的结果为高电平，即BP神经网络判断系统与主电网断开，分布式并网发电系统的疑似孤岛状态。

[0017] 优选的，当持续多次过零点接收不到载波信号，确定逆变器处于孤岛运行状态。

[0018] 优选的，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。

[0019] 优选的，所述的小波变换为离散小波变换，母小波为db4。

[0020] 优选的，所述的神经网络为三层前馈BP神经网络。

[0021] 优选的，在分布式逆变器的线路首端安装载波信号发生装置，通过载波信号发生装置对电力线进行载波。

[0022] 优选的，所述的载波信号发生装置将正弦信号加入到交流电压中，并实时发送信号。

[0023] 优选的，由载波信号发生装置发出的载波信号，经过变压器耦合到变电站母线，信号经过电网传输，通过安装在分布式发电并网处的载波信号检测装置实时监测载波信号。

[0024] (三)有益效果

[0025] 本发明的有益效果是：本发明提供的分布式并网孤岛检测的混合方法，运用小波神经网络与载波通信技术相结合，来检测分布式并网发电系统是否进入孤岛状态，该方法在保证电能质量的情况下，大大地提高了孤岛识别率和孤岛检测的可靠性，且无检测盲区。

附图说明

[0026] 图1是本发明基本流程示意图；

[0027] 图2是本发明混合新方法拓扑结构示意图；

[0028] 图3是本发明混合孤岛检测法中小波神经网络部分原理示意图；

[0029] 图4是本发明中放大后的载波信号与并网点电压示意图。

具体实施方式

[0030] 为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

[0031] 本发明是一种分布式并网孤岛检测的混合方法。基本流程如图1所示，主要是在分布式电源并网系统中，运用小波神经网络与载波通信技术相结合，来检测分布式并网发电系统是否进入孤岛状态。

[0032] 一种分布式并网孤岛检测的混合方法，具体实施包括如下步骤：

[0033] 步骤一，根据图2所示在装有分布式逆变器的线路首端安装载波信号发生装置，逆变器都集成了载波信号接收装置和小波神经网络孤岛检测功能。

[0034] 步骤二，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。

[0035] 步骤三，将采集的PCC点电压值uPCC(i)进行如下处理：

[0036] 将采集的公共耦合点电压值uPCC(i)进行6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。

[0037] dbN小波系(N为小波序号)在提取信号时具有精确性和完整性上，使其非常适合瞬态信号的分析，且db4小波信号特征量差异最明显，其孤岛检测效果最好，故选用db4小波作为孤岛检测用的小波母函数。

[0038] 步骤四，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。如图3所示，通过BP神经网络对所述训练样本进行计算，本发明选取的神经网络特征向量空间有6个信号，所以输入层节点数设定为6个。输出只对DG系统当前工作状态进行分类，即孤岛状态与非孤岛状态，所以输出层节点数设定为1个。

[0039] 隐层节点数设定是关键，通常按 式计算，其中l为隐层节点数；n为输入节点数；m为输出节点数；a为1～10之间常数。当隐层节点数取12时，具有较好的训练速度和识别效果，故本发明隐层节点数设定为12个。

[0040] 当BP神经网络输出的结果为低电平时，即神经网络判断系统与主电网连接，返回步骤二；当BP神经网络输出的结果为高电平；即BP神经网络判断系统与主电网断开，分布式并网发电系统的疑似孤岛状态。

[0041] 步骤五，载波信号发生装置对电力线进行载波。

[0042] 选用的载波信号为120kHz的正弦信号，实际峰值约6mV，6mV的高频载波，加入到220V交流电压中，对电能质量的影响可以忽略。

[0043] 如图4所示，每个半波内有“一大两小”共三簇载波，其中“一大”恰好在电压信号过零点前后，是该相的有效载波，“两小”为其他两相过零点加载的载波信号高频耦合到本相上的信号。

[0044] 步骤六，载波信号检测装置检测并网点的电压上是否叠加有特定载波信号。如果载波信号检测装置能够正常检测到载波信号，则认为逆变器正常联网工作，并返回步骤二；如果检测不到特定载波信号，则确定逆变器处于孤岛运行状态。

[0045] 本实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，同时本发明也适用于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。

[0046] 综上所述，该方法技术方案为：首先，持续采集PCC点(公共耦合点)电压信号并引入小波神经网络孤岛检测方法，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，运用BP神经网络进行模式识别，若BP神经网络输出的结果为低电平，即神经网络判断系统与主电网连接，若BP神经网络输出的结果为高电平，即判断神经网络判断系统与主电网断开，进入疑似孤岛状态。然后，在装有DG(逆变器)的线路首端配电所的低压侧安装一个载波信号发生装置，该装置产生的特定载波沿电力线传输，且在下游的每一个DG的并网口安装一个载波信号检测装置，在经过小波神经网络判断进入疑似孤岛状态后，检测并网点的电压上是否叠加有特定载波信号。如果载波信号检测装置能够正常检测到载波信号，则认为逆变器正常联网工作；如果检测不到特定载波信号，则判定为孤岛状态。进一步确定是否真正发生孤岛现象，从而启动相应的孤岛保护措施。本发明在保证电能质量的情况下，大大地提高了孤岛识别率和孤岛检测的可靠性，且无检测盲区。

[0047] 以上结合具体实施例描述了本发明的技术原理，这些描述只是为了解释本发明的原理，不能以任何方式解释为对本发明保护范围的限制。基于此处解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。