小波熵和BP神经网络在孤岛检测与扰动辨识中的应用

传统的孤岛检测在受到电网扰动时可能导致误判,从而将光伏系统切除,所以孤岛检测技术必须具备区分扰动与孤岛的能力。将小波变换的多分辨率分析与信息熵技术结合,提出基于小波熵和BP神经网络的孤岛检测技术,该检测技术在符合国际标准中对孤岛检测的标准要求的同时．能够有效区分电网扰动与孤岛现象的内在不同。仿真实验表明该方法具有较高的准确性。     

基于小波包能量熵和BP神经网络的孤岛检测法

非计划性孤岛会对电网造成严重的冲击以及人身伤害,实现孤岛检测必须准确快速。针对目前的基于信号处理的孤岛检测技术,提出了小波包能量熵和BP神经网络的孤岛检测法。通过小波包变换分解重构公共点电压与逆变器输出电流,得到重构序列,对其进行熵运算,得到更稳定,且更具有代表性的特征向量,可以更有效地区分孤岛发生前后的能量分布。通过BP神经网络对孤岛进行判断,实现了孤岛检测。通过MATLAB/Simulink仿真,表明了此方法的有效性,并且响应速度非常快,未引入扰动,故不会产生电能质量的问题,其稳定性高,检测盲区小。     

基于小波变换与BP神经网络的光伏电站孤岛检测研究

随着光伏电站规模不断增大,并网光伏系统对原有供电网络的影响越来越大,孤岛检测成为光伏电站必须深入研究的问题。针对现有孤岛检测方法的不足,提出了一种基于小波变换与BP神经网络的新型被动式孤岛检测法。该法通过小波变换获得有关信号孤岛发生前后的特征信息,再由BP神经网络根据这些特征信息实施孤岛检测和孤岛保护行为。仿真研究的结果表明,所述新型被动式孤岛检测方法检测速度快,检测盲区小,在多个负载品质因数、谐波等扰动情况下,不会出现孤岛检测的误判行为。     

基于小波分析与SVM的孤岛与扰动辨识研究

孤岛检测时极易因电网扰动的干扰而不能准确将孤岛效应检测出来,因此文章提出了一种无有功功率扰动的孤岛与扰动辨识方法。该方法是在检测到公共耦合点电压波动后,通过注入周期性无功电流扰动,利用小波分析提取流过本地负载的无功功率的特征分量后,用SVM进行孤岛与扰动的辨识。通过仿真实验证明该方法能准确辨识孤岛与电网扰动。     

基于小波神经网络的电能质量扰动辨识

为了对电能质量进行有效的治理,以提高用电效率,有必要对电能质量扰动进行准确的分类。基于小波的时频分析特点和一种新型的小波神经网络,提出了一种电能质量实用分类方法。利用正交小波对信号进行多分辨率分析,提取各类电能质量变化的能量特征;利用小波神经网络对输入特征矢量进行识别,完成对电能质量的自动分类。研究表明,该方法能有效地区分电压骤降、电压骤升、电压中断、脉冲暂态4种电能质量问题。     

一种无功功率扰动的孤岛检测新方法

在分布式电源接入配电网规模逐渐增大的环境下,为减少正常并网时无功功率扰动向电网带来的电能质量影响,提高扰动情况下孤岛检测的精度。提出一种小波包模糊熵和无功功率扰动相结合的孤岛检测算法。该方法利用小波包变换和模糊熵对公共耦合点（point of common coupling,PCC）电压信号中孤岛状态的高频分量特征信息进行提取和放大,实现对疑似孤岛状态的标定;注入无功功率扰动使孤岛发生后的频率快速偏移直至越限。利用PSCAD和Matlab进行仿真和数据分析,对所提算法的准确性和抗干扰性进行仿真验证。结果表明：所提方法不仅能在多光伏接入配电网系统中准确检测出孤岛现象,还能有效地防止非孤岛扰动情况下发生误判。     

基于无功电流扰动的孤岛与扰动辨识的研究

为了防止孤岛检测时电网扰动的干扰并提高孤岛与电网扰动辨识的准确率,提出了一种能够减小检测盲区且不带入有功功率扰动的孤岛与电网扰动辨识新方法。该方法是在检测到公共耦合点电压波动后,通过注入周期性无功电流扰动,迫使公共耦合点电压频率出现相应波动。利用小波分析分解公共耦合点电压频率信号得到的高频分量作为特征分量,用神经网络进行孤岛与扰动的辨识。通过理论分析与仿真实验证明该方法能准确辨识孤岛与电网扰动。     

多分辨率奇异谱熵和支持向量机在孤岛与扰动识别中的应用

孤岛检测易受到电网扰动干扰,而错误地将电网扰动情况误判为孤岛情况,导致光伏发电(photovoltaic,PV)系统退出运行,因此孤岛检测需要具备区分孤岛和电网干扰的能力。提出多分辨率奇异谱熵和支持向量机结合进行孤岛与扰动识别的新方法。多分辨率奇异谱熵是小波变换后的一种信号处理方法,将多分辨分析与熵融合,其信息量以熵的形式体现出来,更能够展现孤岛和电网扰动内在的不同特征。仿真结果表明,所提方法具有分类准确率高、对同类样本具有稳定性的优点,是孤岛与扰动识别的有效方法。     

基于小波变换与神经网络的孤岛检测技术

为保障安全与电力用户供电质量,基于并网逆变器的分布式发电(distributed generation DG)系统要求具备孤岛检测功能。针对被动式孤岛检测法检测盲区(non-detection zone,NDZ)大、检测时间长以及主动式孤岛检测法影响分布式发电系统供电质量的缺点,提出了一种新的被动式孤岛检测方法。该方法利用小波变换从公共耦合点(point of common coupling,PCC)处的电压信号及逆变器输出电流信号中提取特征量,再通过BP神经网络进行模式识别来判断是否出现孤岛现象。仿真与实验结果表明,该方法比传统的被动式孤岛检测方法检测速度快,检测盲区小。同时,由于所提供的孤岛检测法没有向控制信号中加入扰动量,因而不会对电能质量产生不良影响,克服了主动式孤岛检测方法的不足,并具有很高的准确性与可靠性。     

基于小波熵和概率神经网络的配电网电压暂降源识别方法

分析了短路故障、感应电动机启动和变压器投运引起电压暂降的原理及各类电压暂降的特征,提出一种基于小波熵(wavelet entropy,WE)和概率神经网络(probability neural network,PNN)的电压暂降源识别方法。提取信号的小波能谱熵和小波系数熵特征向量,并将其输入概率神经网络,实现电压暂降源的自动识别。利用Matlab/Simulink建立简单配电网的仿真模型进行验证,结果表明,基于小波熵和概率神经网络的方法能很好地识别电压暂降源。     

基于间歇性无功扰动的孤岛检测方法研究

分析了孤岛检测对于电网安全的重要性,提出一种间歇性无功扰动孤岛检测方法,应用在三相并网逆变器中。消除了传统的持续无功扰动孤岛检测方法存在孤岛检测盲区的缺点,通过间歇性无功扰动使公共耦合点(PCC)电压频率超出预设阀值,通过高/低频率检测判断孤岛发生。采用Matlab软件进行仿真研究并在基于TMS320x2812 DSP数字控制的并网系统平台上进行验证。实验结果表明:该方法算法简单,易于实现,不影响并网电流波形质量,具有检测速度快,无检测盲区(NDZ)等优点。     

基于小波熵和小波熵权的电能质量扰动识别

电力系统中电能质量扰动信号的分类和识别一直是国内外众多学者研究的热点问题。小波分析是具有时频局部化特性的时频分析方法,在此基础上定义的小波熵具有较好的定量特征提取能力。基于此,在给出小波熵、小波相对熵和小波熵权的基本原理和定义的基础上,文章提出利用小波熵和熵权两种测度来分类和识别电能质量扰动信号,建立了各种扰动的仿真模型,对电压突降、突升、中断,振荡暂态、脉冲暂态、电压尖峰、缺口、谐波等扰动类型进行了系统的仿真分析。结果表明,不同类型扰动信号的小波熵及熵权具有不同的定性规律,小波熵及小波熵权对电能质量扰动具有一定的分类识别能力。     

基于自适应有功电流扰动的孤岛检测

以三相光伏并网逆变器的孤岛检测技术为研究对象,针对已有有功电流扰动法存在的不足,提出了自适应有功电流扰动的孤岛检测算法。根据孤岛发生后可通过检测公共耦合点(PCC)电压幅值得到负载电阻值的特点,推导了能触发孤岛保护的最小有功扰动电流和PCC电压幅值的关系,能根据PCC电压幅值自适应地加入所需有功扰动电流,从而在断网后检测到孤岛,且此法不存在检测盲区。根据IEEE Std.1547.1和IEEE Std.929—2000规定的标准对所提算法进行了仿真研究,验证了提出算法的正确性。对比实验研究也表明,相对于已有有功电流扰动法,该算法对逆变器输出电流的扰动明显减小。     

基于广义尺度小波熵的电网传输电能 质量扰动信号分析

提出了一种基于广义小波熵算法进行电网传输电能质量扰动信号分析和识别的算法。计算多个尺度下不同电能质量扰动信号的小波熵数值分布特点,给出了广义小波熵应用于电能质量分析的尺度选择特点以及分布规律,并结合支持向量机进行了不同电能质量扰动信号的识别与分类,达到了96%以上的分类正确率。     

自适应小波神经网络的BLDCM转子位置检测

在分析反电动势过零检测原理的基础上,推导出线反电动势过零点与电机换相点及线电压与线反电动势间的关系,从而在线电压与转子位置间建立了联系。但由于无刷直流电机(BLDCM)是一个复杂的非线性系统,并且电机的一些参数在运行过程中也是变化的,因此直接通过线电压获得准确的转子位置比较困难。为此提出利用自适应小波神经网络将3个线电压作为输入信号来辨识电机转子位置的方法,并采用差分进化(DE)算法优化小波神经网络结构,从而提高了转子位置辨识的精度和收敛速度。最后通过仿真和实验证明所提出的方法辨识转子位置精度很高,且具有很强的自适应能力,可准确获得BLDCM换相信号。     

光伏并网逆变器的间歇性频率扰动正反馈孤岛检测方法

传统无源孤岛检测方法存在检测盲区,有源孤岛检测方法虽然可以减小或消除检测盲区,但在一定程度上会影响电能质量。为了消除检测盲区并最大程度地减小其对电能质量的影响,文章提出了一种间歇性频率扰动正反馈孤岛检测方法。该方法每隔1s引入持续1个工频周期的微小频率扰动用于打破孤岛后可能发生的功率平衡状态。由于该扰动间隔时间长,持续时间短,因此对电能质量影响极小。根据IEEE Std.929-2000规定的最差情况进行孤岛测试仿真研究,仿真结果表明,文中的方法具有响应快速、无检测盲区、对电能质量影响极小等优点。     

改进的负序电流扰动孤岛检测方法

工程中采用三相光伏并网系统负序电流扰动法进行孤岛检测,会由于负载变化和浪涌电流等因素造成公共连接(PCC)电压出现负序高频分量而导致孤岛误判。在研究负序电流扰动下负序分量提取和孤岛判断原理基础上,利用离散小波变换对时域信号高频分量变化有良好解析能力的特点,实时检测分析PCC电压高频分量并判断孤岛效应。基于Matlab/Simulink建立并网系统模型,在逆变器输出功率与负载输入功率相匹配的情况下进行孤岛模拟试验,应用Daubechies小波对PCC电压信号进行量化分析,选择出有效的小波高频信号域值作为孤岛检测量进行孤岛检测。试验结果表明该方法能快速、有效地检测到孤岛,并能有效防止对伪孤岛现象的误判。