基于正弦状态估计模型的被动孤岛检测技术.docVIP

基于正弦状态估计模型的被动孤岛检测技术 聂晓华 张晓倩 (南昌大学信工学院,江西 南昌 330031） 摘要：以光伏发电系统多逆变器并网为研究对象，将现代状态估计理论引入至孤岛效应检测中，提出一种基于PCC电压正弦状态估计的被动孤岛检测方法，推导出电压正弦波状态估计模型并离散化，利用强跟踪滤波器对该电压状态进行实时监测，通过BP神经网络对实时状态参数变化进行识别，从而区分正常、孤岛和伪孤岛现象。仿真和实验结果表明：所提出的孤岛检测方法能有效、快速地检测出孤岛。 关键词：光伏并网发电；孤岛检测；正弦状态估计模型；强跟踪滤波；神经网络 中图分类号： Passive Islanding Detection Techniques based on Sine State Estimated Model Nie Xiao-hua, Zhang Xiao-qian (Nanchang University, Nanchang Jiangxi 330031, China) Abstract：In multi-inverter PV system and network for the study, the modern state estimation theory is introduced to the detection of islanding, A passive islanding detection method based on sinusoidal estimates model of the PCC voltage is proposed. The voltage sine wave discrete state estimation model was derived, the PCC voltage state was real-timely monitored by the strong tracking filter, the real-time status parameters island phenomenon was identified by BP neural network to distinguish normal, island and pseudo-island phenomenon. The simulation and experimental results show that: the proposed islanding detection methods can be effectively and quickly detected island. Keywords：Photovoltaic power generation; islanding detection; sine state estimation model; strong tracking filter; neural network Foundation Project：Supported by National Natural Science Foundation of China(No 1 引言 近些年，光伏并网发电系统孤岛检测问题得到了国内外技术人员的广泛关注[1-7]。光伏发电系统在实际工程应用中，往往是把多台逆变器通过并联的方式并网接入大电网运行的，这样每台逆变器之间存在的差异（例如输出功率的不同和接入方式等方面），使用主动式孤岛检测时由于添加扰动方向的不一致而导致扰动信号相互抵消，产生稀释作用最后造成检测失败，被动方法中电压/频率检测、电压相位跳变检测等方法盲区较大，盲区较大的原因主要是阈值的选择问题[8-9]。 文献[10]采用db4小波对单相电压、电流信号进行处理，将得到的小波系数值送入神经网络进行训练；文献[11]以公共点电压为研究对象，将多分辨率奇异谱熵和支持向量机结合用于区分孤岛和其他电能质量扰动，其中电压信号的采样频率需要达到10kHz，这对硬件提出了更高的要求。 本文把PCC点电压变化分为正常工作、孤岛和伪孤岛三种状态，伪孤岛状态包括了电网和负载电压波动，采用现代控制理论状态空间分析法将PCC点电压过程建模为非线性时变动态系统，利用强跟踪滤波（Strong Track Filter, STF）对该电压进行实时监测，通过BP神经网络识别STF的实时状态参数变化来区分伪孤岛现象，最终达到孤岛检测目的。 2 基于状态估计的光伏并网孤岛检测原理 基金项目：国家自然科学基金项目 定稿日期：2015-12-05 作者简介：聂晓华(1969-)，男，河北邢台人，博士，副教授，主要研究方向为电气信息、电力电子、最优状态估计。 2.1 PCC点电压正弦波状态估