一種混合孤島檢測方法
【專利摘要】本發(fā)明公開了一種混合孤島檢測方法，本方法基于決策樹的人工智能與電壓，頻率正反饋的混合，基于決策樹的人工智能的方法測量并存儲選定的目標位置的預設(shè)事件的特征量指標，并提取和分析數(shù)據(jù)集的信息來訓練DT分類器，通過與預先規(guī)定發(fā)生事件時的數(shù)據(jù)集進行比較，從而判斷出DG的運行狀態(tài)是聯(lián)網(wǎng)運行還是孤島運行。本發(fā)明在DT法的基礎(chǔ)上進一步結(jié)合基于逆變器控制的正反饋方法，具有較強的互補性與兼容性，本發(fā)明通過引入正反饋擾動，特征量指標在系統(tǒng)孤島運行和并網(wǎng)運行時將會有明顯的區(qū)分，有助于DT法判斷孤島，通過增加特征變量參數(shù)在孤島和非孤島運行條件時的差異性，從而降低孤島檢測錯誤率，提高孤島檢測可靠性。
【專利說明】-種混合孤島檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及孤島檢測【技術(shù)領(lǐng)域】，特別是涉及一種混合孤島檢測方法。

【背景技術(shù)】
[0002]分布式發(fā)電（DistributedGeneration,DG)，通常是指發(fā)電功率在幾千瓦至數(shù) 百兆的小型模塊化、分散式、布置在用戶附近的高效、可靠的發(fā)電單元。主要包括：以液體或 氣體為燃料的內(nèi)燃機、微型燃氣輪機、太陽能發(fā)電（光伏電池、光熱發(fā)電）、風力發(fā)電、生物 質(zhì)能發(fā)電等。
[0003] 分布式電源通常接入中壓或低壓配電系統(tǒng)，其運行狀態(tài)包括孤島運行和并網(wǎng)運行 [文獻1]。DG孤島運行指的是分布式電源與主網(wǎng)斷開，單獨帶本地負荷運行。由于設(shè)備故 障，系統(tǒng)擾動或誤操作等因素，引起DG進入非計劃孤島運行時，會對DG系統(tǒng)產(chǎn)生一些不利 影響，包括：電壓、頻率的異常擾動，降低電能質(zhì)量；容易導致用電設(shè)備發(fā)生故障和損壞；可 能造成人身安全問題等[文獻2]。并且，DG和含DG的配電網(wǎng)與微網(wǎng)，在孤島情況下的運行 策略不同于并網(wǎng)情況的運行策略[文獻3]。因此，快速與準確的孤島檢測對DG和含DG的 配電網(wǎng)與微網(wǎng)的運行控制具有十分重要的意義?；跊Q策樹（DecisionTree,DT)的智能化 孤島檢測方法是指在目標位置（一般設(shè)定為公共連接點，PointofCommonCoupling,PCC) 監(jiān)測若干參數(shù)的變化，通過提取和分析數(shù)據(jù)集的特征，并模擬預先設(shè)定發(fā)生事件時的數(shù)據(jù) 集訓練決策樹分類器，從而確定出當前DG的運行狀態(tài)[文獻4, 5]。
[0004] 1.決策樹數(shù)學模型
[0005] 1)特征量（獨立變量）：由目標位置所監(jiān)測的若干參數(shù)值組成，Xi = {xn,xi2,. . .，XiJ表示第i個事件下的一組特征量，{xn,xi2,. . .，XiJ為輸入的m個檢測變 量的取值，X= (X1,X2, ...，XJt表示η個事件的特征量集合。
[0006] 2)類變量（因變量）：yi為類型輸出值，表示第i個事件時系統(tǒng)狀態(tài)所屬類型，取 值與Xi相關(guān)，= 1表示當前為孤島運行狀態(tài)，= 〇表示為非孤島運行狀態(tài)，組成Y= {yi，y2,. ·.，yJ表示η個事件時的類向量。
[0007]3)數(shù)據(jù)集的訓練：表示為{X，Υ}，記錄預先規(guī)定事件時所有因變量和與之對應(yīng)特 征變量的取值，并采用分類與回歸樹法（ClassificationandRegressionTree,CART)形成 決策樹。
[0008] 4)數(shù)據(jù)集的測試：即輸入某個狀態(tài)下的特征量，采用分類器進行孤島的判斷。
[0009] 5)分類錯誤的成本：待測數(shù)據(jù)進行錯誤分類有關(guān)的固有成本。
[0010] 2.DT法流程
[0011] 1)選擇合適的目標位置，并選擇合適的特征量指標。
[0012] 2)模擬預設(shè)事件，測量與存儲各個預設(shè)事件，例如第i個事件下的特征量向量為 兄，與對應(yīng)的DG運行狀態(tài)1，利用得到的數(shù)據(jù)集{X，Y}訓練決策樹分類器，提高分類器判斷 孤島的準確率。
[0013] 3)測量實際目標位置實時特征向量萬作為決策樹分類器的輸入，其輸出Yt為DT 法判斷的DG運行狀態(tài)，Yt = 1表示檢測結(jié)果為孤島運行，Yt = 0表示檢測結(jié)果為并網(wǎng)運行。
[0014] 3.決策樹的結(jié)構(gòu)設(shè)計
[0015] 根據(jù)不同決策樹構(gòu)成方法，都會形成對應(yīng)的決策樹，例如：圖1為二維空間的特征 量指標樣本分布示意圖，根據(jù)圖1特征量指標的分布與邊界設(shè)計的決策樹結(jié)構(gòu)如圖2所示， 其實線邊界構(gòu)成（a)和虛線邊界構(gòu)成（b)，圖1中=X1,X2表示特征量指標，樣本可分為X，〇， +三類，實線和虛線分別表示兩種決策樹的邊界。在選擇最優(yōu)決策樹時可根據(jù)具體目標，t匕 如節(jié)點數(shù)最少，節(jié)點雜質(zhì)率最低等目標進行選擇[6]。
[0016] 該方法在一些特殊條件下，所選擇的特征量指標靈敏度較低。例如DG輸出功率與 負載消耗功率平衡時，電壓偏移、頻率偏移等指標在DG孤島運行和并網(wǎng)運行時區(qū)別不夠明 顯，因而導致孤島檢測判斷錯誤。為了確保孤島檢測的準確性，單獨采用DT法需要選取的 特征量指標繁多，而且某些指標可能與最后的結(jié)果相關(guān)性不大。該方法對特征量指標的檢 測需要一定的響應(yīng)時間，特別當DG輸出功率與負載消耗功率平衡時，響應(yīng)時間可能較長， 因此孤島檢測的速度將受到較大影響。
[0017] 基于電壓、頻率正反饋的孤島檢測方法是一種主動式的孤島檢測方法[7, 8]，其 基本原理是根據(jù)DG運行時電壓，頻率與額定電壓，額定頻率的偏差大小改變引入擾動的有 功，無功功率大小。當DG并網(wǎng)運行時，由于電網(wǎng)的鉗制作用，電壓和頻率的偏移不會隨擾動 的引入而擴大，DG依舊能夠在額定范圍內(nèi)運行。一旦DG孤島運行，正反饋的作用將不斷增 加電壓與頻率的偏差，直到檢測出孤島。系統(tǒng)電壓，頻率與DG與負荷之間有功功率與無功 功率差額的關(guān)系為：

【權(quán)利要求】
1. 一種混合孤島檢測方法，其特征在于：該方法基于決策樹的人工智能與電壓，頻率 正反饋的混合，該檢測方法的具體檢測步驟如下： a. 選擇檢測特征量指標的目標位置，選擇PCC處或者待檢測DG處； b. 對DG系統(tǒng)內(nèi)的分布式電源的逆變器引入電壓和頻率的正反饋，即將逆變器的三相 輸出電壓和電流分別變換為橫軸的Id和縱軸的I,，然后，檢測DG的電壓與頻率標準值的偏 移，并根據(jù)偏移量的大小給逆變器輸出電流引入擾動△i，電壓偏移將引起Id變化，頻率偏 移將引起Iq變化，相對應(yīng)引起逆變器有功功率和無功功率輸出變化，導致電壓和頻率產(chǎn)生 進一步偏移，形成正反饋，隨著正反饋的引入，若DG并網(wǎng)運行，由于電網(wǎng)的支撐作用擾動對 DG系統(tǒng)影響不大；若DG孤島運行，正反饋引入擾動將引起特征量指標產(chǎn)生顯著變化； c. 模擬各個系統(tǒng)條件下的預設(shè)事件，檢測特征量指標在各個預設(shè)事件下的測量值； d. 存儲特征量指標數(shù)據(jù)f和與之對應(yīng)的DG運行狀態(tài)Y，若預設(shè)事件未全部模擬完成則 返回步驟c，若全部模擬完成則進入下一步驟； e. 訓練數(shù)據(jù)集，產(chǎn)生DT分類器，并通過訓練提高分類器的準確率； f. 輸入實時特征量指標，并采用DT分類器判斷孤島，對于所選目標位置的DG，輸出Y =1判斷DG為孤島運行，輸出Y=O判斷DG為非孤島運行。
2. 根據(jù)權(quán)利要求1所述的混合孤島檢測方法，其特征在于：所述特征量指標，主要包括 電壓偏移，頻率偏移，電壓幅值變化率，頻率變化率，有功功率變化率，無功功率變化率。
【文檔編號】G01R31/00GK104316786SQ201410528002
【公開日】2015年1月28日 申請日期:2014年10月10日 優(yōu)先權(quán)日:2014年10月10日
【發(fā)明者】曹一家, 黎燦兵, 曾龍, 曹馳, 周斌, 吳蘭 申請人:湖南大學