一種基于稀疏編碼和人工神經網絡的光伏孤島檢測方法與流程

本發明屬于光伏發電
技術領域：
。
背景技術：
：孤島運行是指當電網由于電氣故障、誤操作或者自然因素等原因中斷供電時，光伏微網供電系統作為獨立的電源繼續向電網輸出電能和向本地負載供電，從而形成一個電網無法控制的自給供電孤島。在分布式光伏發電系統處于孤島運行狀態時，可能會影響電能質量甚至損壞電氣設備，嚴重時可能會危及維護人員的人身安全。因此，無論是從安全方面還是從可靠性方面考慮，都應該及時有效地檢測出孤島運行狀態，并將光伏逆變器從公共連接點(pcc)處斷開，這就是孤島檢測。孤島檢測方法分為三大類，被動法，主動法和遠程檢測法。被動法主要對電路中的一些電氣量直接測量，變化量超過閾值則判斷孤島發生。被動法實現簡單，不會對系統電能質量造成影響，但當逆變器輸出功率和負載功率相匹配時，被動法存在很大的檢測盲區。主動法通過向系統內添加擾動，使得電網參數快速偏離閾值來對系統狀態進行檢測。主動法縮小了檢測盲區，加快了檢測速度，但添加的擾動信號會對電能質量產生影響。遠程檢測法遠程通信和計算機處理技術來進行孤島檢測，這種檢測法檢測成功率高，不會對系統產生影響，但這種方法成本高，尤其不適用于一些微小系統。技術實現要素：本發明的目的是為了解決被動法盲區大，主動法會造成系統電能質量的影響，遠程法成本太高，提出一種基于稀疏編碼和backpropagation(bp)神經網絡的光伏孤島檢測法。本發明是通過以下技術方案實現的。本發明是所述的一種基于稀疏編碼和bp神經網絡的孤島檢測法，包括如下步驟：(1)采集足夠的正常狀態和孤島狀態的樣本，一個樣本包含一個周期內逆變輸出電壓變化率，逆變輸出電流變化率，逆變輸出頻率變化率，一個周內采樣10個值，形成共3行10列的觀測矩陣。(2)將采集到的3行10列的觀測矩陣通過稀疏編碼成1行10列的稀疏矩陣。(3)建立單隱含層bp神經網絡。(4)將稀疏矩陣作為輸入導入bp神經網絡，進行訓練，得到訓練好的bp神經網絡模型。(5)將訓練好的bp神經網絡模型導入simulink中，建立孤島檢測模型，進行孤島檢測。進一步，所述的步驟(2)將采集到的3行10列的觀測矩陣通過稀疏編碼成1行10列的稀疏矩陣為：(2-1)稀疏編碼模型可以用一個結合基函數和噪聲量的線性模型來表示：x＝[x1,x2,...xm]t為輸入特征量，d為m*k的稀疏字典矩陣，它的元素dk為特征基函數。s＝[s1,s1,...sk]t為輸入量x的稀疏表示，ε為高斯白噪聲。(2-2)稀疏表示s的稀疏求解用s的最大后驗估計：(2-3)第一項p(s|x,d)為滿足公式(1)條件下的概率分布，給定公式(1)的噪聲為高斯白噪聲，這個概率分布可表示為σ2為噪聲方差。(2-4)公式(2)的第二項為s的先驗概率分布，s獨立于d，所以p(s|d)＝p(s)，為了強化系數的稀疏性，p(sk)選擇拉布拉斯分布，即p(sk)∝exp(-θ|sk|)，這些系數又是獨立分布的，即所以s的最大后驗估計可以表示為：(2-5)稀疏字典d用最大似然估計表示：(2-6)<·>x為x的平均值，因為樣本之間是獨立分布的，所以概率函數p(x|d)可表示為：(2-7)同時，每個樣本的概率分布可表示為：p(xi|d)＝∫p(xi,s|d)ds＝∫p(xi|d,s)p(s)ds(7)(2-8)引用公式(3)并且假設先驗分布為拉布拉斯分布，公式(7)可表示為：進一步，所述的步驟(3)建立雙隱含層bp神經網絡為：(3-1)在matlab中建立單隱含層bp神經網絡。(3-2)輸入層為10個節點，輸出層為兩個節點，隱含神經元的個數為12。(3-3)第一層的傳遞函數設置為tansig，第二層的傳遞函數為logsig，訓練函數設置為traingdx。進一步，所述的步驟(5)將訓練好的bp神經網絡模型導入simulink中，建立孤島檢測模型，進行孤島檢測為：(5-1)在線采集一周期內逆變電壓變化率，逆變電流變化率，頻率變化率，形成3行10列的觀測矩陣。(5-2)對觀測矩陣進行在線稀疏形成稀疏矩陣。(5-3)將稀疏矩陣導入訓練好的bp神經網絡模型得到兩個輸出。(5-4)如果兩個輸出為10，判斷為正常狀態。如果兩個輸出為01，判斷為孤島狀態，啟動孤島狀態，斷開逆變輸出。本發明的特點及有益效果：(1)實現幾乎沒有盲區。(2)不會增加系統的諧波含量。(3)檢測速度快。附圖說明附圖1為本發明的系統結構圖。附圖2為bp神經網絡架構圖。附圖3為訓練測試結果圖。附圖4為在線孤島檢測圖。附圖5為在線稀疏結果圖。附圖6孤島檢測輸出波形圖。具體實施方式下面結合附圖和工作原理對本發明的具體實施方式進行詳細說明。如附圖1所示，本發明是基于稀疏編碼和bp神經網絡的光伏孤島檢測法。主要是在光伏并網系統中，實時采樣逆變輸出電壓變化率，逆變輸出電流變化率，逆變輸出頻率變化率組成三行十列的觀測矩陣，將觀測矩陣進行稀疏編碼后作為bp神經網絡的輸入，訓練得到訓練好的bp神經網絡。將訓練好的bp神經網絡模型導入simulink中的光伏并網系統中，進行在線孤島檢測。本發明實施的控制方法包括如下步驟：(1)采集480組正常狀態樣本和350組孤島狀態樣本，每一組樣本包含一周期內逆變電壓變化率，逆變電流變化率，逆變輸出頻率變化率，采樣頻率為2*10-3，組成三行十列的觀測矩陣。(2)將830組三行十列觀測矩陣稀疏成一行十列的稀疏矩陣。表格1選取了4組正常狀態和4組孤島狀態的稀疏矩陣。(3)將稀疏矩陣導入到bp神經網絡中，bp神經網絡的輸入節點數為10，輸出節點數為2，隱含神經元數為12。第一層的傳遞函數設置為tansig，第二層的傳遞函數為logsig，訓練函數設置為traingdx。隨機選取580組樣本為訓練樣本，250組樣本為測試樣本。附圖3為訓練測試結果圖。藍線為實際運行狀態，紅線為預測運行狀態，如果預測狀態和實際狀態相同，紅線和藍線重合，顯示出藍色，否則，顯示出紅色。(4)將訓練好的神經網絡導入光伏并網系統中，附圖4為在線孤島檢測圖，在線采集和訓練樣本相同的觀測矩陣，然后進行在線稀疏編碼，附圖5為在線稀疏結果圖。各種不同顏色的線表示10個不同的稀疏系數。(5)將10個稀疏系數導入bp神經網絡模型中，得到一個預測結果，如果預測結果為10，則不改變系統狀態。如果預測結果為01，則啟動孤島保護，斷開逆變輸出。(6)設置0.5s斷開大電網，附圖6為逆變輸出電壓和電流波形圖。附表1為觀測量稀疏結果。表1觀測量稀疏結果-0.2390-0.23860.23851-0.2356-2.81012-3.181913.260615-1.112690.0738-0.07340.07345-0.0726-0.17581-0.127530.133896-0.48098-0.0262-0.02600.02608-0.0258-0.11564-0.16480.014013-0.416190.043920.04373-0.04370.043220.066830.04887-0.030430.2480743.176763.17739-3.17703.179380.288240.26902-0.095530.2858830.173340.17265-0.17260.170791.382690.52349-0.389242.8292190.063940.06368-0.06380.062980.352000.22500-0.145160.6575680.02620.02609-0.02600.025790.007640.15904-0.018190.27697-0.0424-0.04220.04226-0.0418-0.08185-0.096790.0562970.059287-0.6418-0.63990.64127-0.6350-0.37867-0.159440.13729-0.3252611112222當前第1頁12