SVD和神经网络在孤岛检测中的应用

针对传统被动式检测方法存在较大检测盲区(Non-detection Zone, NDZ)、阈值难以确定以及易受电能质量扰动影响的缺陷,研究了一种基于奇异值分解(Singular Value Decomposition,SVD)和神经网络的被动式孤岛检测方法。该方法首先对公共连接点(Point of Common Coupling, PCC)处电压和逆变器输出电流进行S变换,提取相应的谐波幅值后,对其进行SVD并构成特征向量,最后运用BP神经网络对孤岛以及非孤岛情况进行分类识别。仿真结果表明,该方法可以有效检测出功率平衡情况下发生的孤岛,而且能防止电能质量扰动对检测准确性的影响,具有很高的准确性、可靠性和实用性。