基于小波分析和神經(jīng)網(wǎng)絡(luò)的分布式并網(wǎng)發(fā)電系統(tǒng)孤島檢測(cè).pdf

1、非計(jì)劃孤島是分布式發(fā)電系統(tǒng)接入電網(wǎng)后，當(dāng)有故障發(fā)生，同電網(wǎng)斷開(kāi)連接，有可能形成分布零發(fā)電系統(tǒng)單獨(dú)帶負(fù)載運(yùn)行的狀態(tài)。這種狀態(tài)是偶然不可預(yù)知的，因島內(nèi)功率不匹配引起電壓、頻率變化，故而會(huì)損害電網(wǎng)的設(shè)備，危害人員的安全。目前，本地孤島檢測(cè)法主要分為被動(dòng)式法和主動(dòng)式法兩大類。
　　本文主要針對(duì)被動(dòng)式檢測(cè)法閾值難以設(shè)定、自身存在的檢測(cè)盲區(qū)引起檢測(cè)可靠性低的缺點(diǎn)，利用小波分析和神經(jīng)網(wǎng)絡(luò)對(duì)被動(dòng)式的孤島檢測(cè)法進(jìn)行研究和改進(jìn)。通過(guò)小波變換對(duì)分布式電

2、源端PCC點(diǎn)電壓的采樣信號(hào)進(jìn)行分解，對(duì)多種小波基函數(shù)進(jìn)行比較，確定db4母小波作為小波基函數(shù)可以有效地提取正弦電壓變化的信息作為孤島的判斷依據(jù)。所得的小波分解系數(shù)進(jìn)行算法上的處理，將處理后的分解系數(shù)作為特征值輸入神經(jīng)網(wǎng)絡(luò)。利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、自適應(yīng)的能力對(duì)系統(tǒng)的狀態(tài)進(jìn)行識(shí)別。針對(duì)BP神經(jīng)網(wǎng)絡(luò)存在收斂速度慢、容易陷入局部最優(yōu)解的問(wèn)題，利用PSO算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)，并確定了改進(jìn)后用于孤島檢測(cè)的神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。通過(guò)仿真證實(shí)了PS

3、O算法能有效地提高BP神經(jīng)網(wǎng)絡(luò)的收斂速度，避免了網(wǎng)絡(luò)陷入局部最優(yōu)的狀況。最后，利用神經(jīng)網(wǎng)絡(luò)對(duì)特征值進(jìn)行訓(xùn)練和學(xué)習(xí)，識(shí)別系統(tǒng)的狀態(tài)。該孤島檢測(cè)法利用小波分析提取特征值，神經(jīng)網(wǎng)絡(luò)對(duì)特征量進(jìn)行學(xué)習(xí)分類，因而無(wú)需設(shè)定檢測(cè)閾值。
　　利用MATLAB搭建孤島檢測(cè)的仿真電路，分析了包括并網(wǎng)和孤島在內(nèi)的5種不同工況下的分布式電源端PCC點(diǎn)電壓的變化情況，將小波分解系數(shù)進(jìn)行處理，獲得20組不同負(fù)載工況下的特征值輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并得到一組仿真