[发明专利]一种基于稀疏编码和人工神经网络的光伏孤岛检测方法

说明书

技术领域

本发明属于光伏发电技术领域。

背景技术

孤岛运行是指当电网由于电气故障、误操作或者自然因素等原因中断供电时，光 伏微网供电系统作为独立的电源继续向电网输出电能和向本地负载供电，从而形成一 个电网无法控制的自给供电孤岛。在分布式光伏发电系统处于孤岛运行状态时，可能 会影响电能质量甚至损坏电气设备，严重时可能会危及维护人员的人身安全。因此， 无论是从安全方面还是从可靠性方面考虑，都应该及时有效地检测出孤岛运行状态， 并将光伏逆变器从公共连接点(PCC)处断开，这就是孤岛检测。

孤岛检测方法分为三大类，被动法，主动法和远程检测法。被动法主要对电路中 的一些电气量直接测量，变化量超过阈值则判断孤岛发生。被动法实现简单，不会对 系统电能质量造成影响，但当逆变器输出功率和负载功率相匹配时，被动法存在很大 的检测盲区。主动法通过向系统内添加扰动，使得电网参数快速偏离阈值来对系统状 态进行检测。主动法缩小了检测盲区，加快了检测速度，但添加的扰动信号会对电能 质量产生影响。远程检测法远程通信和计算机处理技术来进行孤岛检测，这种检测法 检测成功率高，不会对系统产生影响，但这种方法成本高，尤其不适用于一些微小系 统。

发明内容

本发明的目的是为了解决被动法盲区大，主动法会造成系统电能质量的影响，远 程法成本太高，提出一种基于稀疏编码和Back Propagation(BP)神经网络的光伏孤 岛检测法。

本发明是通过以下技术方案实现的。

本发明是所述的一种基于稀疏编码和BP神经网络的孤岛检测法，包括如下步骤：

(1)采集足够的正常状态和孤岛状态的样本，一个样本包含一个周期内逆变输出 电压变化率，逆变输出电流变化率，逆变输出频率变化率，一个周内采样10个值，形 成共3行10列的观测矩阵。

(2)将采集到的3行10列的观测矩阵通过稀疏编码成1行10列的稀疏矩阵。

(3)建立单隐含层BP神经网络。

(4)将稀疏矩阵作为输入导入BP神经网络，进行训练，得到训练好的BP神经 网络模型。

(5)将训练好的BP神经网络模型导入simulink中，建立孤岛检测模型，进行孤 岛检测。

进一步，所述的步骤(2)将采集到的3行10列的观测矩阵通过稀疏编码成1行 10列的稀疏矩阵为：

(2-1)稀疏编码模型可以用一个结合基函数和噪声量的线性模型来表示：

X＝[x₁,x₂,...x_M]^T为输入特征量，D为M*K的稀疏字典矩阵，它的元素d_k为特征基 函数。s＝[s₁,s₁,...s_K]^T为输入量X的稀疏表示，ε为高斯白噪声。

(2-2)稀疏表示s的稀疏求解用s的最大后验估计：

(2-3)第一项P(s|x,D)为满足公式(1)条件下的概率分布，给定公式(1)的噪 声为高斯白噪声，这个概率分布可表示为

σ²为噪声方差。

(2-4)公式(2)的第二项为s的先验概率分布，s独立于D，所以P(s|D)＝P(s)， 为了强化系数的稀疏性，P(S_K)选择拉布拉斯分布，即P(s_k)∝exp(-θ|s_k|)，这些系数又 是独立分布的，即所以s的最大后验估计可以表示为：

(2-5)稀疏字典D用最大似然估计表示：

(2-6)<·>_x为X的平均值，因为样本之间是独立分布的，所以概率函数P(X|D)可 表示为：

(2-7)同时，每个样本的概率分布可表示为：

P(x_i|D)＝∫P(x_i,s|D)ds＝∫P(x_i|D,s)P(s)ds (7)

(2-8)引用公式(3)并且假设先验分布为拉布拉斯分布，公式(7)可表示为：

进一步，所述的步骤(3)建立双隐含层BP神经网络为：

(3-1)在matlab中建立单隐含层BP神经网络。