CN112350664A - 一种基于事件触发策略的有限频故障检测方法 - Google Patents

Abstract

本发明提供一种基于事件触发策略的有限频故障检测方法，属于光伏发电技术领域。该检测方法在系统建模方面，为了研究分布式光伏发电系统采用马尔科夫神经网络系统动态模型来描述其非线性、突变性；在传输策略方面，为了节省网络资源，缓解带宽压力，采用了事件触发策略，在满足信息准确传递的同时，减少了传输过程中能量的损耗；在故障检测方法方面，设计了一种有限频故障检测方法，使得系统对随机扰动具有鲁棒性，对故障具有敏感性，同时，采用的有限频方法可以更好地处理信号频率对系统的影响。

Description

一种基于事件触发策略的有限频故障检测方法

技术领域

本发明属于光伏发电技术领域，涉及应用于分布式光伏发电系统的故障检测方法，具体涉及一种基于事件触发策略的分布式光伏发电系统的有限频故障检测方法。

背景技术

近年来随着人们对清洁能源关注度的不断提升，世界上许多国家大力推动光伏产业的发展，但作为我国的一种新兴产业，其市场规模仍无法与火电、水电等相提并论，值得庆幸的是，随着政策的不断落实，光伏产业正逐渐吸引大量的资金，具有巨大的潜力。分布式光伏发电系统作为光伏发电产业中不可或缺的部分，不仅承担着优化、调度、资源分配等本职，还被要求具有通过网络系统进行快速、精准的故障检测的功能，因此对其设计一种故障检测方法是必要的。另一方面，在实际工程中，大多数的系统动态很可能会产生突变，例如物理环境的干扰、电路故障、维护维修等，其结构参数会随机变化，如何描述存在非线性、结构不确定性和突变性的工业系统成为难题。并且，在传统的通信网络往往中采用的是基于时间触发的机制，由此产生了不必要的数据传输，导致网络带宽占用率高，大量的网络资源被浪费。除此之外，在传统的故障检测方法中我们往往忽视了故障信号中的频率信息，但在实际上，故障信号有时只在某些特定的频率范围内具有较大的影响，即故障具有有限频域特性，因此针对特定频域的信号进行分析检测是必要的。

因此，在特定频域的故障信号检测中，如何实现降低网络带宽占用率、减少能量损耗的同时保证信息准确度就成为了亟待解决的问题。

发明内容

针对背景技术所存在的问题，本发明的目的在于提供一种基于事件触发策略的有限频故障检测方法。该检测方法针对复杂的分布式光伏发电系统，建立马尔科夫神经网络系统模型，并采取了事件触发策略以减少网络带宽的占用，设计了一种有限频故障检测滤波器，以实现对故障的检测。

为实现上述目的，本发明的技术方案如下：

一种基于事件触发策略的有限频故障检测方法，包括以下步骤：

步骤1.建立分布式光伏发电系统的马尔科夫神经网络系统模型，得到状态方程和测量方程；

步骤2.设定事件触发的信息传输策略，并基于该信息传输策略修正步骤1中的马尔科夫神经网络系统模型中的测量方程；

步骤3.根据步骤2修正后的测量方程构建有限频故障检测滤波器；

步骤4.根据步骤1所述的马尔科夫神经网络系统的测量方程和步骤3中构造的有限频故障检测滤波器的状态向量值构造残差，并获得增广系统；

步骤5.设计一种求解计算方法，求解得出步骤3构建的有限频故障检测滤波器的增益矩阵，并使得步骤4得到的增广系统对扰动具有鲁棒性，并对故障具有敏感性；

步骤6.根据步骤5求解得到的有限频故障检测滤波器的增益矩阵与步骤4构造的残差设计残差评价函数；

步骤7.根据实际需求设定步骤6得到的残差评价函数的阈值，制定报警策略，即实时检测得到的残差评价函数值大于预先设定的残差评价函数阈值，则报警；否则不报警，从而完成故障检测。

进一步地，所述步骤1中建立分布式光伏发电系统的马尔科夫神经网络系统模型的具体过程为：

利用采集到的发电电流、回路电流和功率信息，考虑分布式光伏发电系统的非线性特性以及存在的突变问题，构建马尔科夫神经网络系统，包括状态方程和测量方程，具体为：

状态方程x(k+1)＝A_σ(k)x(k)+B_1σ(k)g(x(k))+B_2σ(k)g(x(k-τ_k))+B_ωσ(k)ω(k)+B′_σ(k)f(k)

测量方程y(k)＝C_σ(k)x(k)+D_ωσ(k)ω(k)+D'_σ(k)f(k)

其中，分布式光伏系统的状态向量即x(k)∈R²，包含发电电流x₁(k)、电路流经回路电流x₂(k)、可测输出功率y(k)∈R¹、神经网络的非线性激励函数g(x(k))＝[g₁(x₁(k)),g₂(x₂(k))]^T(T为转置)、有界时延τ_k∈[τ_m,τ_M]，其上下界τ_m、τ_M均为已知常数、随机扰动ω(k)∈R¹及系统故障f(k)∈R¹；矩阵A_σ(k)、B_1σ(k)、B_2σ(k)、B_ωσ(k)、B′_σ(k)、C_σ(k)、D_ωσ(k)、D′_σ(k)均为系统矩阵，均依赖于有限马尔科夫过程{σ(k)}，其转移概率为Ρ_σ(k)＝{σ(k+1)＝j|σ(k)＝i}＝γ_ij≥0，其中

并有

成立,

为分布式光伏发电系统的子系统编号集合，N为正整数，为了方便说明，下文中我们将以角标i来代替σ(k)。

进一步的，所述步骤2中，设定事件触发的信息传输策略，具体过程为：

其中，

代表实时输出功率

与事件触发策略下最新测得的输出功率测量值y(t_ρh)的差值，其中

l∈Ν，h为采样时间，t_ρ代表第ρ次传输时刻，Θ为加权矩阵，s为事件触发参数；

在此基础上，系统的测量方程有着如下改变：

其中，τ_ρ为事件触发判断机制到传感器之间的传输时延。

进一步的，所述步骤3中，根据经事件触发策略修正后的测量方程构建有限频故障检测滤波器，其具体形式为：

y_f(k)＝C_fix_f(k)

其中，x_f(k)∈R²，y_f(k)∈R¹分别代表状态向量估计值及测量估计值(原系统的状态向量估计值等于滤波器的状态向量)，A_fi，B_fi，C_fi代表所述滤波器的待确定增益矩阵，角标i为马尔科夫过程σ(k)的简写，

代表所述的事件触发策略下的测量输出，作为滤波器输入。

进一步的，所述步骤4中，根据步骤3中所述的测量估计值和所述的马尔科夫神经网络系统的测量方程构造残差r(k)＝y(k)-y_f(k)，并获得增广系统，其具体形式为：

其中，d_k代表经事件触发机制后的传输时延，设其上界为d_M；

H＝[I 0]

进一步的，所述步骤5中，设计一种求解计算方法，从而在可解情况下得到有限频故障检测滤波器的增益矩阵，使得步骤4构建的增广系统对扰动具有鲁棒性并对故障具有敏感性，其具体过程为：

(1)基于具有随机稳定性同时对扰动的鲁棒性及对故障的敏感性的设计原则，需保证存在K矩阵使得

成立，则系统的随机稳定性可以得到保证，其中，

表示期望；

同时引入随机H_∞指标ν和随机H_指标μ，使得对于所述的有限频扰动信号和故障信号，下式成立：

(2)求取基于事件驱动策略的有限频故障检测滤波器，若存在满足随机H_∞指标和随机H_指标的故障检测滤波器，则可直接求得含其增益信息的矩阵

和相关矩阵N,M等，通过如下运算，最终得到滤波器的增益矩阵A_fi，B_fi，C_fi：

进一步的，所述步骤6中，根据所述的残差设计残差评价函数，其具体形式如下：

其中，a为需进行故障检测的时长，k_a为0至a时刻内时间序列的最大值。

进一步的，所述步骤7中，设定步骤6得到的残差评价函数的阈值，制定报警策略，从而完成故障检测，其具体过程为：设定残差评价函数阈值形式为：

其中，sup表示最大值；

因此，分布式光伏发电系统的有限频故障检测的策略为：实时检测得到的残差评价函数值大于残差评价函数的阈值，则报警；否则不报警；

其表达式为：

J_r(k)＞J_threhold→Alarm

J_r(k)≤J_threhold→No-alarm。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明技术方案在系统建模方面，为了研究分布式光伏发电系统采用马尔科夫神经网络系统动态模型来描述其非线性、突变性；在传输策略方面，为了节省网络资源，缓解带宽压力，采用了事件触发策略，在满足信息准确传递的同时，减少了传输过程中能量的损耗；在故障检测方法方面，设计了一种有限频故障检测方法，使得系统对随机扰动具有鲁棒性，对故障具有敏感性，同时，对于多数故障检测方法未对故障的频率信息加以利用的现状，本发明采用的有限频方法将含不同频域特性的故障信号以不同方法进行检测，这种针对信号频率的检测方法可以更好地反映特定频率信号对系统的影响，同时减少其他不同频率信号对故障检测效果的干扰。

附图说明

图1为本发明的故障检测方法的流程图。

图2为本发明低频故障的故障检测示意图(故障频率取200Hz)；

其中，a为故障检测残差示意图，b为故障检测残差评价函数示意图。

图3为本发明中频故障的故障检测示意图(故障频率取2000Hz)；

其中，a为故障检测残差示意图，b为故障检测残差评价函数示意图。

图4为本发明高频故障的故障检测示意图(故障频率取10000Hz)；

其中，a为故障检测残差示意图，b为故障检测残差评价函数示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。

图1为本发明的故障检测方法的流程图，如图1所示，本发明公开了一种基于事件触发策略的有限频故障检测方法，具体包括的步骤如下：

步骤1：利用采集到的发电电流、回路电流、功率等信息，考虑分布式光伏发电系统的非线性特性以及存在的突变问题，构建马尔科夫神经网络系统，包括系统的状态方程和测量方程，具体表示为：

x(k+1)＝A_σ(k)x(k)+B_1σ(k)g(x(k))+B_2σ(k)g(x(k-τ_k))+B_ωσ(k)ω(k)+B′_σ(k)f(k)

y(k)＝C_σ(k)x(k)+D_ωσ(k)ω(k)+D'_σ(k)f(k)

其中x(k)∈R²(包含发电电流x₁(k)、电路流经回路电流x₂(k))、y(k)∈R¹、g(x(k))＝[g₁(x₁(k)),g₂(x₂(k))]^T、τ_k∈[τ_m,τ_M]、ω(k)∈R¹及f(k)∈R¹分别代表分布式光伏系统的状态向量、可测输出功率、神经网络的非线性激励函数(其上下界表示为g⁺、g^-)、有界时延、随机扰动、系统故障；矩阵A_σ(k)、B_1σ(k)、B_2σ(k)、B_ωσ(k)、B′_σ(k)、C_σ(k)、D_ωσ(k)、D′_σ(k)均为已知系统矩阵，均依赖于有限马尔科夫过程{σ(k)}，其中{σ(k)}的转移概率为Ρ_σ(k)＝{σ(k+1)＝j|σ(k)＝i}＝γ_ij≥0，其中

并有

成立；

步骤2：根据所述的马尔科夫神经网络系统模型，设定事件触发的信息传输策略，具体过程为，设定事件触发策略如：

其中

代表实时输出功率

与事件触发策略下最新测得的输出功率测量值y(t_ρh)的差值，其中

h为采样时间，t_ρ代表第ρ次传输时刻，Θ为加权矩阵，s为事件触发参数；

在此基础上，所述系统的测量方程有着如下改变：

以此实现了事件触发策略的实施，通过设置事件触发参数，控制信息的传输效率，即只有超过了设定的阈值，信息才能被传递，这大大减少了对带宽的占用；

步骤3：根据事件触发策略修正的测量方程构建有限频故障检测滤波器，其具体形式为：

y_f(k)＝C_fix_f(k)

其中x_f(k)∈R²，y_f(k)∈R¹分别代表原系统状态向量的估计值及测量估计值，A_fi，B_fi，C_fi代表所述滤波器的待确定增益矩阵，其中角标i为马尔科夫过程σ(k)的简写，

代表所述的事件触发策略下的测量输出，作为滤波器输入；

步骤4：根据步骤1所述的马尔科夫神经网络系统的测量方程和步骤3中构造的有限频故障检测滤波器的状态向量值构造残差r(k)＝y(k)-y_f(k)，并获得增广系统，其中增广系统的具体形式为：

其中

H＝[I 0]

步骤5：给出了一种求解计算方法，从而在可解情况下得到有限频故障检测滤波器的增益矩阵，使得所述的增广系统对扰动具有鲁棒性并对故障具有敏感性，其具体过程为：

(1)基于具有随机稳定性同时对扰动的鲁棒性及对故障的敏感性的设计原则，需保证存在K矩阵使得

成立，则系统的随机稳定性可以得到保证，同时引入随机H_∞指标和随机H_指标，使得对于扰动频信号和有限频故障信号，下式成立：

(2)求取基于事件驱动策略的有限频故障检测滤波器，从而使得该滤波器满足以上设计原则，给出定理如下：对根据实际需求设定的随机H_∞性能指标ν及随机H_性能指标μ，当标量τ_m，τ_M，d_M，s给定时，如果存在适当维数的正定对称矩阵

正定矩阵Θ，矩阵X₁，X₂，X₃，U₁，U₂，U₃，M，N，

l₁，l₂及正参数α、β使得如下线性矩阵不等式组成立：

低频项：

中频项：

2θ_c＝θ_l+θ_h,2θ_d＝θ_l-θ_h

高频项：

值得注意的是，为利用故障在特定频域的信息，本发明对故障的频域特性进行划分，其形式来源于广义KYP引理：

其中θ反映了前述的故障的频率范围，根据需要选择特定频率项，

He{}表示矩阵与其转置的和，I为单位对角阵，γ是状态转移概率；若存在满足随机H_∞指标和随机H_指标的故障检测滤波器，其增益矩阵可以表示为：

步骤6：根据所述的估计残差设计残差评价函数，其具体形式如下：

其中a为需进行故障检测的时长，k_a为0至a时刻内时间序列的最大值；

步骤7：设定所述残差评价函数的阈值，制定报警策略，从而完成故障检测，其具体过程为：设定残差评价函数阈值形式为：

根据其完成对分布式光伏发电系统的有限频故障检测，其表达式为：

J_r(k)≥J_threhold→Alarm

J_r(k)≤J_threhold→No-alarm。

在采用本方法进行故障检测的仿真过程中，假定干扰信号的频率为5kHz，最终仿真效果如图2-4所示，其中：

图2(a)，(b)分别绘制了时间序列k在25＜k＜40时存在低频故障信号(200Hz)的情况下残差信号与残差评价函数的曲线，无故障残差评价函数在k＝43时达到峰值2.47，在此处设定故障检测的阈值。在k＝28时，故障被检测。

图3(a)，(b)分别绘制了中频故障信号(2000Hz)存在于30＜k＜40时的残差信号与残差评价函数曲线，虽然残差信号与残差评价函数的数值明显低于低频情况，但通过在无故障情况下设定检测阈值，本方法还是在k＝32时成功检测到故障信号。

图4(a)，(b)中反映了针对高频故障信号的检测，为区别低频、中频的情况，存在于35＜k＜45的故障信号的频率取10kHz，采取相同的阈值设定方法，在k＝38时检测到故障。

需要注意的是，虽然故障信号和干扰信号的频率都比较高，但是故障的出现仍被快速检测到，这表明我们的故障检测方法对于高频情况也具有很高的实时性。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (8)

1.一种基于事件触发策略的有限频故障检测方法，其特征在于，包括以下步骤：

步骤1.建立分布式光伏发电系统的马尔科夫神经网络系统模型，得到状态方程和测量方程；

步骤2.设定事件触发的信息传输策略，并基于该信息传输策略修正步骤1中的马尔科夫神经网络系统模型中的测量方程；

步骤3.根据步骤2修正后的测量方程构建有限频故障检测滤波器；

步骤4.根据步骤1所述的马尔科夫神经网络系统的测量方程和步骤3中构造的有限频故障检测滤波器的状态向量值构造残差，并获得增广系统；

步骤5.设计一种求解计算方法，求解得出步骤3构建的有限频故障检测滤波器的增益矩阵，并使得步骤4得到的增广系统对扰动具有鲁棒性，并对故障具有敏感性；

步骤6.根据步骤5求解得到的有限频故障检测滤波器的增益矩阵与步骤4构造的残差设计残差评价函数；

步骤7.根据实际需求设定步骤6得到的残差评价函数的阈值，制定报警策略，完成故障检测。

2.如权利要求1所述的有限频故障检测方法，其特征在于，所述步骤1中，建立分布式光伏发电系统的马尔科夫神经网络系统模型的具体过程为：

利用采集到的发电电流、回路电流和功率信息，考虑分布式光伏发电系统的非线性特性以及存在的突变问题，构建马尔科夫神经网络系统，包括状态方程和测量方程，

状态方程x(k+1)＝A_σ(k)x(k)+B_1σ(k)g(x(k))+B_2σ(k)g(x(k-τ_k))+B_ωσ(k)ω(k)+B′_σ(k)f(k)

测量方程y(k)＝C_σ(k)x(k)+D_ωσ(k)ω(k)+D'_σ(k)f(k)

其中，分布式光伏系统的状态向量即x(k)∈R²，包含发电电流x₁(k)、电路流经回路电流x₂(k)；可测输出功率y(k)∈R¹；神经网络的非线性激励函数g(x(k))＝[g₁(x₁(k)),g₂(x₂(k))]^T，T为转置；有界时延τ_k∈[τ_m,τ_M]，其上下界τ_m、τ_M均为已知常数；随机扰动ω(k)∈R¹及系统故障f(k)∈R¹；矩阵A_σ(k)、B_1σ(k)、B_2σ(k)、B_ωσ(k)、B′_σ(k)、C_σ(k)、D_ωσ(k)、D′_σ(k)均为系统矩阵，均依赖于有限马尔科夫过程{σ(k)}，其转移概率为Ρ_σ(k)＝{σ(k+1)＝j|σ(k)＝i}＝γ_ij≥0，其中

并有

成立,

为分布式光伏发电系统的子系统编号集合，N为正整数。

3.如权利要求1所述的有限频故障检测方法，其特征在于，所述步骤2中，设定事件触发的信息传输策略，具体过程为：

其中，

代表实时输出功率

与事件触发策略下最新测得的输出功率测量值y(t_ρh)的差值，其中

h为采样时间，t_ρ代表第ρ次传输时刻，Θ为加权矩阵，s为事件触发参数；

在此基础上，系统的测量方程修正为：

其中，τ_ρ为传感器到事件触发判断机制之间的传输时延。

4.如权利要求1所述的有限频故障检测方法，其特征在于，所述步骤3中，根据经事件触发策略修正后的测量方程构建有限频故障检测滤波器，其具体形式为：

y_f(k)＝C_fix_f(k)

其中，x_f(k)∈R²，y_f(k)∈R¹分别代表状态向量估计值及测量估计值，A_fi，B_fi，C_fi代表所述滤波器的待确定增益矩阵，角标i为马尔科夫过程σ(k)的简写。

5.如权利要求1所述的有限频故障检测方法，其特征在于，所述步骤4中，根据步骤3中所述的测量估计值和所述的马尔科夫神经网络系统的测量方程构造残差r(k)＝y(k)-y_f(k)，并获得增广系统，其具体形式为：

其中，d_k代表经事件触发机制后的传输时延，设其上界为d_M；

6.如权利要求1所述的有限频故障检测方法，其特征在于，所述步骤5中，设计一种求解计算方法，从而在可解情况下得到有限频故障检测滤波器的增益矩阵，使得步骤4构建的增广系统对扰动具有鲁棒性并对故障具有敏感性，其具体过程为：

(1)基于具有随机稳定性同时对扰动的鲁棒性及对故障的敏感性的设计原则，需保证存在K矩阵使得

成立，则系统的随机稳定性可以得到保证，其中，

表示期望；

同时引入随机H_∞指标ν和随机H_指标μ，使得对于所述的有限频扰动信号和故障信号，下式成立：

(2)求取基于事件驱动策略的有限频故障检测滤波器，若存在满足随机H_∞指标和随机H_指标的故障检测滤波器，则可直接求得含其增益信息的矩阵

和相关矩阵N,M等，通过如下运算，最终得到滤波器的增益矩阵A_fi，B_fi，C_fi：

7.如权利要求1所述的有限频故障检测方法，其特征在于，所述步骤6中，根据所述的残差设计残差评价函数，其具体形式如下：

其中，a为需进行故障检测的时长，k_a为0至a时刻内时间序列的最大值。

8.如权利要求1所述的有限频故障检测方法，其特征在于，所述步骤7中，设定步骤6得到的残差评价函数的阈值，制定报警策略，从而完成故障检测，其具体过程为：

设定残差评价函数阈值形式为：

其中，sup表示最大值；

因此，分布式光伏发电系统的有限频故障检测的策略为：实时检测得到的残差评价函数值大于残差评价函数的阈值，则报警；否则不报警；

其表达式为：

J_r(k)＞J_threhold→Alarm

J_r(k)≤J_threhold→No-alarm。

Images