基于相位偏移的主动移频式孤岛检测方法

针对传统过压/欠压、过频/欠频、相位突变、主动频率偏移孤岛检测方法的不足,提出了一种改进方法.将相位偏移量作为辅助量加入主动移频孤岛检测方法中,使检测容性负载的孤岛现象具有与感性负载同样的快速性,并能有效降低主动频率偏移法对电网电能的影响.该方法实现简单,检测快速,仿真结果验证了其快速性和有效性.     

一种改进的主动移频式孤岛检测方法

针对传统主动移频式孤岛检测(Active Frequency Drift,AFD)方法总谐波失真度高和检测时间不够理想的问题,提出了一种改进的AFD孤岛检测方法。通过并网光伏系统向电网注入近似的余弦波,采用坐标平面分析对传统方法与该方法的总谐波失真与检测盲区进行分析描述。最后,通过MATLAB/Simulink进行仿真。仿真结果表明,该方法能显著减小总谐波失真、有效地缩短了孤岛检测时间。     

并网逆变器孤岛检测技术的研究

在电网发生故障时,及时、准确地检测孤岛效应,对并网发电的光伏系统具有重要意义,针对单一孤岛检测方法的缺点,本文采用了基于过/欠压检测与超前相位检测的复合检测方法。仿真结果表明,该方法能够在不同的负载情况下快速、准确地检测出孤岛现象。     

一种改良的主动频率偏移孤岛检测方法

分布式发电系统中的孤岛检测问题是目前研究的难点,特别是传统主动频率偏移法在逆变器输出功率与负载功率平衡或者不平衡程度较小时,较难检测出孤岛并且输出电流存在较大的谐波含量。针对这个问题,在光伏并网发电系统中提出了一种改良的主动频率偏移孤岛检测方法。该方法把主动频率偏移与卡尔曼滤波的谐波估计相结合组成判断是否发生孤岛的依据。在Matlab/Simulink下进行系统仿真,验证了该方法有效地减少了传统主动频率偏移法存在的检测盲区,也明显地降低了逆变器输出电流的谐波含量。     

单相光伏并网系统中主动频率扰动法的应用

分析了单相光伏并网发电系统的工作原理,对比了被动式和主动式孤岛检测方法的优缺点,同时为了有效地抑制电网波动对输出电流的影响,研究了带电压前馈的主动频率扰动法孤岛效应检测方法.在MATLAB/SIMULINK下进行了系统的建模与仿真,基于S函数编写控制算法.仿真结果表明输出并网电流波形良好,与电网电压同频同相,在三个周期内有效地检测出了系统的孤岛效应,满足孤岛检测标准要求.     

一种新的参数自适应主动移频孤岛检测方法

在分布式发电系统中,孤岛检测方案是必不可少的部分。但是当逆变器输出负载发生有功无功匹配时,准确及时地检测孤岛将变得十分困难。一些基于频率或相位偏移的孤岛检测方案在这种时候将失去效用。提出一种参数自适应的主动频移孤岛检测方法。在该方法中,受控制的逆变器输出电流频率将随着公共连接点(PCC)的电压频率变化而自适应的改变其频率,依据正反馈信号进行调节打破逆变器输出与负载之间的相位和功率匹配,从而实现快速的孤岛检测。干扰信号被周期性的注入逆变器输出电流中,通过两种频率范围内的不同算法来避免孤岛检测误动作,并尽量减少干扰信号对电网的影响。最后,通过Matlab/Simulink平台对该方法进行的仿真验证,仿真结果证明,该方法可以针对多种不同的负载情况实现快速准确的孤岛检测,达到了预计的目标。     

基于电力系统仿真技术的孤岛检测方案

目前孤岛检测手段繁多,但仍存在隐患.为减小孤岛检测盲区、降低隐患,设计了一种基于电力系统仿真技术的孤岛检测方案.该方案通过使用电力系统仿真技术、电压谐波检测法与谐波注入法,实现了仿真技术与主/被动孤岛检测手段的结合,达到了理想情况下无盲区的孤岛检测目的 .该方案吸取主动检测与被动检测的优点、规避两者的缺点,在系统硬件精度与算法精度足够的前提下,进行孤岛检测时无盲区,可有效减少孤岛检测手段中存在的隐患.     

基于改进电压/频率正反馈的孤岛检测方法研究

孤岛检测是分布式发电系统并网运行时的一个重要问题。在电压相位突变检测方法、电压-有功正反馈检测方法和基于无功-频率下垂特性的正反馈无功扰动检测方法的基础上,结合三者的优势,提出了一种基于改进电压/频率正反馈的孤岛检测方法。该方法克服了采用单一电压相位突变检测方法在负载近似呈阻性和功率相匹配时失效的问题,不存在检测盲区,对系统电能质量影响较小,并通过Matlab软件仿真验证了该方法的正确性。     

并网光伏阵列发电最大功率点孤岛检测方法

由于传统方法不能准确检测到孤岛发生的位置,存在孤岛检测精度较低的问题,为了最大程度地降低孤岛效应对光伏发电工作产生的影响,提出了并网光伏阵列发电最大功率点孤岛检测方法.建立并网光伏阵列发电模型,分析光伏阵列发电的基本原理,并从电网电压频率和电压幅值两个方面,设置孤岛检测标准.运用光伏阵列发电模型跟踪并网光伏阵列发电最大功率点,结合孤岛效应的发生机理,将收集的电压频率和电压幅值数据与设置的检测标准作比对,从而得出并网光伏阵列发电最大功率点孤岛检测结果.实验结果表明,与传统的孤岛检测方法相比,设计方法得出的检测结果更加符合发电网络的实际情况,即设计方法在检测精度方面更具优势.     

一种改进的孤岛检测策略在光伏系统中的应用

在现代电力系统中,可能产生的孤岛效应一定程度上限制了光伏并网发电系统(photovoltaic grid connected power system,PV)的应用和发展,孤岛检测是光伏系统必须具备的功能。传统的滑模频率偏移法有检测效率较低、对系统发电质量影响较大等缺点,提出了一种将传统滑模频率偏移法和电压正反馈机制相结合的孤岛检测策略。分析了改进方法的工作原理,基于d q变换实现了有功电压、无功电压以及有功电流、无功电流的分离,通过与参考量做差作为反馈量,达到破坏功率平衡从而检测出孤岛的目的。仿真实验结果验证了该方法的可行性和有效性,对工程应用有一定的参考价值。     

Islanding detection of distributed generation by using multi-gene genetic programming based classifier

This paper proposed a new method for detecting islanding of distributed generation (DG), using Multi-gene Genetic Programming (MGP). Islanding has been a serious concern among power distribution utilities and distributed generation owners, because it poses risks to the safety of utilities’ workers and consumers, and can cause damage to power distribution systems’ equipment. Therefore, a DG must be disconnected as soon as an islanding is detected. In addition, an islanding detection method must have high degree of dependability to correctly discriminate islanding from other events, such as load switching, in order to avoid unnecessary disconnection of the distributed generator. In this context, the novelty of the proposed method is that the MGP is capable of obtaining a set of mathematical and logic functions employed to detect and classify islanding correctly. This is a new approach among the computational intelligent methods proposed for DG islanding detection. The main idea was to use local voltage measurements as input of the method, eliminating the need of complex and expensive communication infrastructure. The method has been trained with several islanding and non-islanding cases, by using a power distribution system comprising five concentrated loads, a synchronous distributed generator and a wind power plant. The results showed that the proposed method was successful in differentiating the islanding events from other disturbances, revealing its great potential to be applied in anti-islanding protection schemes for distributed generation.     

Slow coherency and Angle Modulated Particle Swarm Optimization based islanding of large-scale power systems

Power system islanding is an effective way to avoid catastrophic wide area blackouts, such as the 2003 North American Blackout. Islanding of large-scale power systems is a combinatorial explosion problem. Thus, it is very difficult to find an optimal solution within reasonable time using analytical methods. This paper presents a new method to solve this problem. In the proposed method, Angle Modulated Particle Swarm Optimization (AMPSO) is utilized to find islanding solutions for large-scale power systems due to its high computational efficiency. First, desired generator groups are obtained using the slow coherency algorithm. AMPSO is then used to optimize a fitness function defined according to both generation/load balance and similarity to the desired generator grouping. In doing so, the resulting islanding solutions provide good static and dynamic stability. Simulations of power systems of different scales demonstrate the effectiveness of the proposed algorithm.     

一种基于形态学多结构元的自适应边缘检测算法*

基于形态学的图像边缘检测是图像处理的新技术之一,针对形态学单结构元在边缘检测中遗漏边缘信息的问题,提出了基于多结构元的自适应边缘检测算法。实验证明,该算法在检测边缘时能够获得比单结构元检测更多的边缘信息,具有较高的效率和很好的抗噪声能力,是一种有效的边缘检测方法。     

A novel neural network with simple learning algorithm for islanding phenomenon detection of photovoltaic systems

This study aimed to propose an intelligent islanding phenomenon detection method for a photovoltaic power generation system. First, a PSIM software package was employed to establish a simulation environment of a grid-connected photovoltaic (PV) power generation system. A 516W PV array system formed by Kyocera KC40T photovoltaic modules was used to complete the simulation of the islanding phenomenon detection method. The proposed islanding phenomenon detection technology was based on an extension neural network (ENN), which combined the extension distance of extension theory, as well as the learning, recalling, generalization and parallel computing characteristics of a neural network (NN). The proposed extension neural network was used to distinguish whether the trouble signals at the grid power end were power quality interference or actual islanding operations, in order that the islanding phenomenon detection system could cut off the load correctly and promptly when a real islanding operation occurs. Finally, the feasibility of the proposed intelligent islanding detection technology was verified through simulation results.     

一种改善的基于支持向量机的图像边缘检测算法

本文给出一种基于支持向量机方法的边缘检测算法,用以改善传统边缘检测方法中存在的比如粗糙边缘、不准确边缘等缺点。支持向量机是建立在统计学理论基础上的一种新的机器学习方法。首先提出了边缘检测算法流程,然后使用支持向量机分类方法对图像进行边缘检测。用所得到的边缘检测算法与Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与Prewitt算法相比,边缘检测性能得到提高。     

鲁棒的形态学彩色图像边缘检测算法

针对传统边缘检测算子对噪声敏感的缺点,提出一种新的基于数学形态学的彩色图像边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,设计出一种多尺度、多结构元素的抗噪型边缘检测算子,利用新算子对R、G、B三个分量分别检测出图像的边缘分量,对三个边缘分量进行融合得到最终的彩色边缘信息。仿真实验表明,该方法得到的边缘轮廓清晰,边缘定位精度较高,比传统的边缘检测方法具有更好的噪声鲁棒性和边缘细节保护能力。     

逆变型分布式发电系统孤岛检测方法的研究

通过研究相位跳变法与电压正反馈法,并以这两种基本检测方法为基础,提出组合式的孤岛检测方法。该方法可以有效发挥相位跳变检测法检测时间短和电压正反馈检测法检测无死区的优点,针对不同负荷类型和功率匹配程度,构建相关的模拟实验,进一步验证新方法的正确性。     

基于自适应双阈值的SUSAN算法?

传统SUSAN算法在提取图像边缘时,会出现漏检现象,且所提取的边缘较粗。为此,运用计算最大类间方差的方法自适应地选取双阈值,取代传统算法中人工设定的单阈值,采用多方向局部非极大值抑制方法进行改进,提出一种新的SUSAN边缘检测算法,并将其应用于遥感图像的边缘提取。实验结果表明,该算法能够有效提高边缘定位精度,降低漏检率,使边缘更细致光滑。