CN114243755B - 一种分布式电源并离网状态检测方法 - Google Patents

一种分布式电源并离网状态检测方法 Download PDF

Info

Publication number
CN114243755B
CN114243755B CN202111355346.XA CN202111355346A CN114243755B CN 114243755 B CN114243755 B CN 114243755B CN 202111355346 A CN202111355346 A CN 202111355346A CN 114243755 B CN114243755 B CN 114243755B
Authority
CN
China
Prior art keywords
power supply
distributed power
grid
state
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111355346.XA
Other languages
English (en)
Other versions
CN114243755A (zh
Inventor
吴万军
张敏
杨金东
刘永礼
和正强
罗长兵
徐彬
伍绍鹏
王宁
李丽辉
杨延军
任宪利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Diqing Power Supply Bureau of Yunnan Power Grid Co Ltd
Original Assignee
Diqing Power Supply Bureau of Yunnan Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Diqing Power Supply Bureau of Yunnan Power Grid Co Ltd filed Critical Diqing Power Supply Bureau of Yunnan Power Grid Co Ltd
Priority to CN202111355346.XA priority Critical patent/CN114243755B/zh
Publication of CN114243755A publication Critical patent/CN114243755A/zh
Application granted granted Critical
Publication of CN114243755B publication Critical patent/CN114243755B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00007—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using the power network as support for the transmission
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/121—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using the power network as support for the transmission

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本申请提供一种分布式电源并离网状态检测方法。信息能量融合的电力系统中，高频载波信号借助电力电缆传播，以此在不同的电力设备间交换信息。本方法在分布式电源中执行，基于载波信号的解调和分析的结果，判定分布式电源的并离网状态。所述载波型号解调和分析方法涉及BP神经网络智能算法，所述并离网状态模式识别涉及多维隶属度函数的模式识别算法。本申请提供的并离网状态检算法快速灵敏准确可靠，理论上没有孤岛检测盲区，也没有误动作发生的可能性。

Description

一种分布式电源并离网状态检测方法
技术领域
本申请涉及电力系统保护与通信技术领域，尤其涉及一种分布式电源并离网状态检测方法。
背景技术
分布式电源在并网和离网状态下有着截然不同的运行控制策略或保护动作。所以，分布式电源需要具备自主准确判定并离网状态的能力。然而，现有的判定方法在特殊工况下，如功率匹配，无法准确判定分布式电源的离网状态，形成孤岛检测盲区；相反，但电网遇到大功率负荷投切而产生频率偏移时，传统方法可能误认为分布式电源处于离网状态，而产生错误的保护动作。
随着信息能量融合技术的发展，越来越多的配电网经过载波信息化改造，电力电缆兼具了信息传递的功能。可以将载波信号的一些特征提取出来，作为判定分布式电源并离网状态的依据。
发明内容
本申请提供一种分布式电源并离网状态检测方法。本申请提供的并离网状态检方法快速灵敏准确可靠，理论上没有孤岛检测盲区，也没有误动作发生的可能性。
一种分布式电源并离网状态检测方法，其特征在于包括以下步骤：
步骤一，信息能量融合系统自带电力电缆高频载波通信机制，各电力设备之间通过高频载波信号传递信息。普通电力系统可以加装相应的高频载波调制装备设备，从而改造成信息能量融合系统。
步骤二，设备调试阶段，保证分布式电源接入电网，分布式电源实时解调高频载波，作为训练样本，应用BP神经网络算法，分析分布式电源正常并网情况下的载波信号特征，经过训练，得到并网条件下的载波特征，作为分布式电源并网状态的既得特征。
所述载波信号特征包括高频载波的频率、幅值、解调后的数据格式、数据包字节长度、相邻数据包发报时间，共5个特征参考。
步骤三，设备运行阶段，分布式电源实时解调电力电缆上的高频载波，并将其特征与BP神经网络算法分析的既得特征进行比对。
若解调后，载波特征与步骤二所述5个既得特征中的任意4个吻合，则判定分布式电源为并网状态。
若无法接收到载波的时长超过BP神经算法训练所得相邻数据包发报时间的三倍，则判定分布式电源为离网状态。
若解调后，与既得特征吻合数少于4个而多余0个，则延长检测判定时间至0.2s，并记录和比对这一时间段内的载波特征。若在此0.2s内所得载波特征相同，则判定分布式电源处于并网状态；若在此0.2s内所得载波特征不同，则判定分布式电源处于离网状态，而接收到了杂波。0.2s得到判定结果之后，通过BP神经网络算法，将当下的状态作为样本训练，训练和修正并网既得特征，作为新的并网状态判定依据。
步骤四，设备正常并网运行阶段，实时应用BP神经网络算法，训练和修正分布式电源并网判定的5个既得特征。并将实时修正结果作为下一时刻分布式电源并离网状态的判定依据。
所述的一种分布式电源并离网状态检测方法，其特征在于步骤三所述判定过程中，将分布式电源实时解调得到的载波信息进行量化分析，并与既得特征进行比对。考虑到测量系统硬件误差，绝对吻合难以实现，故采用多维隶属度函数的模式识别方法。
多维隶属度函数的模式识别方法如下：首先如(1)所示，定义一个5维向量X*，代表既得特征集合。如(2)所示，定义实时解调得到的载波特征为一个5维向量x，代表实时特征集合。进而如(3)所示，计算实时特征对比既得特征偏差的标幺值，用5维向量EPU_5表示。若(3)中，若5个实时特征与既得特征完全吻合，则EPU_5＝0。考虑测量误差存在，应用多维隶属度函数的模式识别方法，定义EPU_5的模小于等于0.1，如(4)所示，则判定5个特征均吻合。考虑系统正常运行过程中，一些特征会主动性调整，故定义EPU_n为减项特征偏差标幺值向量，其中n的取值范围为1,2,3,4。当系统至少有一个EPU_n满足(5)所示条件，则判定n个实时特征吻合既得特征。
所述的高频载波信号在电力电缆上传播，将正弦信号调制，加入到交流电压中，信号过零点发报。
所述方法通过BP控制算法训练出并网5个特征，而判定并网状态只需要其中任意4个特征即可。留有一定的容错空间，也适合BP神经网络算法对既得特征的训练和修正。正常运行情况下，每次训练更新的既得特征数不超过一个。
所述方法步骤三所述判定过程中，如果特征吻合数少于4个而多于0个，则延长判定时长，重新训练和修正既得特征。此情况下，每次训练更新的既得特征数超过一个。
所述步骤三所述判定过程中，将分布式电源实时解调得到的载波信息进行量化分析，并与既得特征进行比对。考虑到测量系统硬件误差，绝对吻合难以实现，故采用多维隶属度函数的模式识别方法。
可选，所述神经网络为三层前馈BP神经网络。
可选，所述分布式电源包括三相逆变器、单相逆变器、直流变换器。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一种分布式电源并离网状态检测方法的流程图；
图2为本申请实施例中放大后的载波信号与并网点电压示意图；
图3为本申请实施例中BP神经网络原理示意图；
图4为特征吻合数为2的多维隶属度函数模式识别示意图。
具体实施方式
下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
参见图1，为本申请一种分布式电源并离网状态检测方法的流程图。由图1可知，本申请提供的一种分布式电源并离网状态检测方法主要是在分布式电源中执行，运用载波通信技术与BP神经网络相结合，来判定分布式电源的并离网状态。
本申请提供的一种分布式电源并离网状态检测方法，包括以下步骤：
步骤一，信息能量融合系统自带电力电缆高频载波通信机制，各电力设备之间通过高频载波信号传递信息。普通电力系统可以加装相应的高频载波调制装备设备，从而改造成信息能量融合系统。
在具体实施例中，选用的载波信号为120kHz的正弦信号，将所述载波信号为120kHz的正弦信号加入到220V交流电压中，且对电能质量的影响忽略不计。参见图2，为本申请实施例中放大后的载波信号与并网点电压示意图。由图2可知，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。
步骤二，设备调试阶段，保证分布式电源接入电网，分布式电源实时解调高频载波，作为训练样本，应用BP神经网络算法，分析分布式电源正常并网情况下的载波信号特征，经过训练，得到并网条件下的载波特征，作为分布式电源并网状态的既得特征。
所述载波信号特征包括高频载波的频率、幅值、解调后的数据格式、数据包字节长度、相邻数据包发报时间，共5个特征参考。
在具体实施例中，多贝西波(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，其并离网响应检测效果最好，因此，在本申请中，选用db4小波作为并离网响应检测用的小波母函数。
参见图3，为本申请实施例中小波变换原理示意图。由图3可知，在具体实施例中，将采集到的所述系统公共耦合点的电压值进行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，计算出一个电压周期内的小波系数绝对值的平均值，并将所述平均值作为输入信号，将所述并离网的响应状态作为输出信号，所述输入信号和所述输出信号即为所述训练样本。其中j＝1,2,3,4,n取200，所述并离网的响应状态包括并离网响应状态和非并离网响应状态，0表示非并离网响应状态，1表示并离网响应状态。
步骤三，设备运行阶段，分布式电源实时解调电力电缆上的高频载波，并将其特征与BP神经网络算法分析的既得特征进行比对。
若解调后，载波特征与步骤二所述5个既得特征中的任意4个吻合，则判定分布式电源为并网状态。
若无法接收到载波的时长超过BP神经算法训练所得相邻数据包发报时间的三倍，则判定分布式电源为离网状态。
若解调后，与既得特征吻合数少于4个而多余0个，则延长检测判定时间至0.2s，并记录和比对这一时间段内的载波特征。若在此0.2s内所得载波特征相同，则判定分布式电源处于并网状态；若在此0.2s内所得载波特征不同，则判定分布式电源处于离网状态，而接收到了杂波。0.2s得到判定结果之后，通过BP神经网络算法，将当下的状态作为样本训练，训练和修正并网既得特征，作为新的并网状态判定依据。
在具体实施例中，本申请所述的BP神经网络为三层前馈BP神经网络，且本申请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。输出只对并离网响应控制器当前工作状态进行分类，即并离网响应状态与非并离网响应状态，所以输出层节点数设定为1个。且在BP神经网络中，隐层节点数设定是关键，由计算得出，当隐层节点数取12时，具有较好的训练速度和识别效果，故本申请隐层节点数设定为12个。若解调后，载波特征与步骤二所述5个既得特征中的任意4个吻合，则判定分布式电源为并网状态。若无法接收到载波的时长超过BP神经算法训练所得相邻数据包发报时间的三倍，则判定分布式电源为离网状态。若解调后，与既得特征吻合数少于4个而多余0个，则延长检测判定时间至0.2s，并记录和比对这一时间段内的载波特征。重复步骤二，进行训练和修正。
本申请提供了一种分布式电源并离网状态检测方法，所述方法包括信息能量融合电力系统中自带的电力载波通信机制，和分布式电源解调载波，并应用BP神经网络算法，分析载波特征，以及比对判断的过程。本申请提供一种分布式电源并离网状态检测方法。所述载波型号解调和分析方法涉及BP神经网络智能算法。本申请提供的并离网状态检方法快速灵敏准确可靠，理论上没有孤岛检测盲区，也没有误动作发生的可能性。
以上显示和描述了本申请的基本原理和主要特征以及本申请的优点，对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims (5)

1.一种分布式电源并离网状态检测方法，其特征在于包括以下步骤：
步骤一，信息能量融合系统自带电力电缆高频载波通信机制，各电力设备之间通过高频载波信号传递信息；普通电力系统加装相应的高频载波调制装备设备，从而改造成信息能量融合系统；
步骤二，设备调试阶段，保证分布式电源接入电网，分布式电源实时解调高频载波，作为训练样本，应用BP神经网络算法，分析分布式电源正常并网情况下的载波信号特征，经过训练，得到并网条件下的载波特征，作为分布式电源并网状态的既得特征；
所述载波信号特征包括高频载波的频率、幅值、解调后的数据格式、数据包字节长度、相邻数据包发报时间，共5个特征参考；
步骤三，设备运行阶段，分布式电源实时解调电力电缆上的高频载波，并将其特征与BP神经网络算法分析的既得特征进行比对；
若解调后，载波特征与步骤二所述5个既得特征中的任意4个吻合，则判定分布式电源为并网状态；
若无法接收到载波的时长超过BP神经算法训练所得相邻数据包发报时间的三倍，则判定分布式电源为离网状态；
若解调后，与既得特征吻合数少于4个而多余0个，则延长检测判定时间至0.2s，并记录和比对这一时间段内的载波特征；若在此0.2s内所得载波特征相同，则判定分布式电源处于并网状态；若在此0.2s内所得载波特征不同，则判定分布式电源处于离网状态，而接收到了杂波；0.2s得到判定结果之后，通过BP神经网络算法，将当下的状态作为样本训练，训练和修正并网既得特征，作为新的并网状态判定依据；
步骤四，设备正常并网运行阶段，实时应用BP神经网络算法，训练和修正分布式电源并网判定的5个既得特征，并将实时修正结果作为下一时刻分布式电源并离网状态的判定依据。
2.根据权利要求1所述的一种分布式电源并离网状态检测方法，其特征在于所述方法通过BP控制算法训练出并网5个特征，而判定并网状态只需要其中任意4个特征即可；留有一定的容错空间，也适合BP神经网络算法对既得特征的训练和修正；正常运行情况下，每次训练更新的既得特征数不超过一个。
3.根据权利要求1所述的一种分布式电源并离网状态检测方法，其特征在于步骤三中，如果特征吻合数少于4个而多余0个，则延长判定时长，重新训练和修正既得特征，此情况下，每次训练更新的既得特征数超过一个。
4.根据权利要求1所述的一种分布式电源并离网状态检测方法，其特征在于步骤三中，将分布式电源实时解调得到的载波信息进行量化分析，并与既得特征进行比对；考虑到测量系统硬件误差，绝对吻合难以实现，故采用多维隶属度函数的模式识别方法。
5.根据权利要求4所述的一种分布式电源并离网状态检测方法，其特征在于，所述多维隶属度函数的模式识别方法如下：首先如(1)所示，定义一个5维向量X*，代表既得特征集合；
如(2)所示，定义实时解调得到的载波特征为一个5维向量x，代表实时特征集合；
x＝[x1 x2 x3 x4 x5]T (2)；
进而如(3)所示，计算实时特征对比既得特征偏差的标幺值，用5维向量EPU_5表示：
若(3)中，若5个实时特征与既得特征完全吻合，则EPU_5＝0，考虑测量误差存在，应用多维隶属度函数的模式识别方法，定义EPU_5的模小于等于0.1，如(4)所示，则判定5个特征均吻合；
|EPU_5|≤0.1 (4)；
考虑系统正常运行过程中，一些特征会主动性调整，故定义EPU_n为减项特征偏差标幺值向量，其中n的取值范围为1,2,3,4；当系统至少有一个EPU_n满足(5)所示条件，则判定n个实时特征吻合既得特征；
|EPU_n|≤0.1且|EPU_n+1|＞0.1 (5)。
CN202111355346.XA 2021-11-16 2021-11-16 一种分布式电源并离网状态检测方法 Active CN114243755B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111355346.XA CN114243755B (zh) 2021-11-16 2021-11-16 一种分布式电源并离网状态检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111355346.XA CN114243755B (zh) 2021-11-16 2021-11-16 一种分布式电源并离网状态检测方法

Publications (2)

Publication Number Publication Date
CN114243755A CN114243755A (zh) 2022-03-25
CN114243755B true CN114243755B (zh) 2023-08-04

Family

ID=80749577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111355346.XA Active CN114243755B (zh) 2021-11-16 2021-11-16 一种分布式电源并离网状态检测方法

Country Status (1)

Country Link
CN (1) CN114243755B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103293415A (zh) * 2013-05-23 2013-09-11 江西中能电气科技有限公司 一种基于神经网络专家系统的微逆变器故障检测方法
CN104730423A (zh) * 2015-04-07 2015-06-24 嘉兴金尚节能科技有限公司 光伏并网发电系统的孤岛效应检测方法
KR20160131411A (ko) * 2015-05-07 2016-11-16 연세대학교 산학협력단 시각 동기화를 이용한 인버터 기반 독립형 마이크로그리드 시스템 및 이의 운영 제어 방법
CN106532948A (zh) * 2016-11-30 2017-03-22 广东电网有限责任公司茂名供电局 分布式电源远程监控系统和方法
CN107039998A (zh) * 2017-06-08 2017-08-11 南京工程学院 一种基于双源谐波电压突变量的分布并网发电孤岛检测方法
CN107707022A (zh) * 2017-08-30 2018-02-16 珠海格力电器股份有限公司 一种直流微电网系统及其通信方法
CN109387713A (zh) * 2018-10-17 2019-02-26 东北大学 一种分布式并网孤岛检测的混合方法
CN109490638A (zh) * 2018-11-27 2019-03-19 华北电力大学 多光伏电源并网的直流电力系统的阻抗测量式孤岛检测法
CN113131479A (zh) * 2021-04-09 2021-07-16 国家电网有限公司 一种脉冲宽度调制产生的超高次谐波预测方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10326279B2 (en) * 2015-07-16 2019-06-18 Northern Plains Power Technologies Subharmonic power line carrier based island detection systems and methods

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103293415A (zh) * 2013-05-23 2013-09-11 江西中能电气科技有限公司 一种基于神经网络专家系统的微逆变器故障检测方法
CN104730423A (zh) * 2015-04-07 2015-06-24 嘉兴金尚节能科技有限公司 光伏并网发电系统的孤岛效应检测方法
KR20160131411A (ko) * 2015-05-07 2016-11-16 연세대학교 산학협력단 시각 동기화를 이용한 인버터 기반 독립형 마이크로그리드 시스템 및 이의 운영 제어 방법
CN106532948A (zh) * 2016-11-30 2017-03-22 广东电网有限责任公司茂名供电局 分布式电源远程监控系统和方法
CN107039998A (zh) * 2017-06-08 2017-08-11 南京工程学院 一种基于双源谐波电压突变量的分布并网发电孤岛检测方法
CN107707022A (zh) * 2017-08-30 2018-02-16 珠海格力电器股份有限公司 一种直流微电网系统及其通信方法
CN109387713A (zh) * 2018-10-17 2019-02-26 东北大学 一种分布式并网孤岛检测的混合方法
CN109490638A (zh) * 2018-11-27 2019-03-19 华北电力大学 多光伏电源并网的直流电力系统的阻抗测量式孤岛检测法
CN113131479A (zh) * 2021-04-09 2021-07-16 国家电网有限公司 一种脉冲宽度调制产生的超高次谐波预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
农村电网智能化建设的思考;唐巍，赵云军;《电力科学与技术学报》;第25卷(第4期);31-35 *

Also Published As

Publication number Publication date
CN114243755A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
Khamis et al. Islanding detection in a distributed generation integrated power system using phase space technique and probabilistic neural network
CN104809722A (zh) 一种基于红外热像的电气设备故障诊断方法
CN112051481A (zh) 一种基于lstm的交直流混联电网故障区域诊断方法和系统
Chaitanya et al. A comprehensive review of islanding detection methods
CN113904786B (zh) 一种基于线路拓扑分析和潮流特性的虚假数据注入攻击辨识方法
CN113159077A (zh) 一种基于混合卷积神经网络的三相逆变器故障识别方法
CN109193635B (zh) 一种基于自适应稀疏回归方法的配电网拓扑结构重建方法
Silva et al. An accurate method for fault location in HVDC systems based on pattern recognition of DC voltage signals
Fan et al. Transmission line fault location using deep learning techniques
Sarita et al. OC fault diagnosis of multilevel inverter using SVM technique and detection algorithm
CN114243755B (zh) 一种分布式电源并离网状态检测方法
Nagar et al. A review on different ann based fault detection techniques for HVDC systems
Muzzammel et al. Wavelet multiscale principal components and traveling waves enabled machine learning technique for protection of MT-HVDC systems
CN105425172A (zh) 基于多频段歪度分析的微网逆变器自适应故障诊断方法
Grcić et al. Fault detection in DC microgrids using recurrent neural networks
CN115630296A (zh) 基于lstm的特高压多端混合直流输电线路故障检测方法
CN113203916A (zh) 基于sym8小波包变换的特高压直流输电线路区内外故障识别方法及系统
CN111368933A (zh) 一种基于Softmax回归的配电网暂态过程故障分类方法及系统
Yildiz et al. serap Karagol
Shiqi et al. Detection of Bad Data and False Data Injection Based on Back-Propagation Neural Network
CN118551259B (zh) 一种无监督失稳检测与故障模块定位一体化方法及装置
Apsari et al. Open-Circuit Fault Diagnosis Based on Deep Learning for Four-Level Active Neutral-Point Clamped Inverters
Patton et al. Multiple-model fault-tolerant control of an induction motor in the presence of uncertainty
CN115207956B (zh) 一种海底双端直流供电系统稳定性分析方法
Yao et al. A Hybrid Data-Driven and Model-Based Anomaly Detection Scheme for DER Operation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant