基于模糊邏輯的微電網孤島檢測算法

蘇海濱 劉江偉 常 瑞

(華北水利水電大學電力學院，鄭州 450011)

近年來隨著光伏發電等新能源接入配電網數量的增加，微電網在電力系統構架和電力市場中的作用受到廣泛重視，越來越多的微電網系統成為電網中不可分割的部分.微電網并網能帶來許多益處的同時也存在著對人身和設備損害的風險，這一風險主要發生在主電網失電而微電網內的電源仍繼續供電情況，也就是微電網成為獨立的孤島時候，因此微電源并網時必須首先解決好孤島檢測與保護的問題.

目前孤島檢測方法可劃分為被動方法和主動方法2種，被動方法主要在微電源側通過分析電壓、頻率、相位、諧波的異常來檢測孤島效應，以決定微電源是否被孤立，這一方法的優點是在實施過程中不影響微電源的運行，主要包括過/欠壓和過/欠頻法［1］、相位跳變法［2-4］、諧波檢測法［5］、組合算法［6-7］等方法;主動方法需要在逆變器輸出側引入一個外部擾動量，來監控系統中的電壓、頻率以及阻抗的相應變化，以確定電網的存在與否，主要包括輸出頻率變動法［8-10］、阻抗測量法等［11-12］，與被動方法相比有響應速度快、探測盲區小的優點，然而由于有擾動的存在，逆變器輸出的電能質量有所下降;智能方法［13-14］總體上屬于被動法，能有效減小探測盲區.本文提出了基于模糊邏輯的孤島檢測算法，以提高孤島檢測的可靠性和靈敏度.

1 系統特征樣本提取

圖1為微電網系統的結構，孤島發生時會對電網某些參數造成影響，從而引起電網運行參數發生改變.

圖1 微電網系統結構

本文定義了11個特征參數分別是Δf(微發電源輸出頻率增量)、ΔV(微發電源輸出電壓增量)、Δf/Δt(微發電輸出頻率變化率)、ΔV/Δt(微發電源輸出電壓變化率)、ΔP/Δt(微發電源輸出功率變化率)、Δf/ΔP(頻率對功率變化率)、CTHD(電流諧波失真)、VTHD(電壓諧波失真)、ΔPf(功率因數增量)、Ucos(phi)(相電壓乘功率因數絕對值)、Δ(Ucosphi)/Δt(相電壓乘功率因數絕對值變化率)，這些特征參數要在系統孤島和非孤島2種情況下分別測得，設定的條件如下:

1)條件1.跳開斷路器QF1，測量全負荷情況下孤島發生時特征參數;

2)條件2.跳開斷器QF5，測量主電網負荷的變化對DG系統干擾而引起的特征參數變化;

3)條件3.跳開斷器QF2，測量沒有PCC負荷時孤島條件下引起特征參數變化;

4)條件4.在GEN-BUS上發生三相故障，通過斷路器QF1依次瞬時切除，引起特征參數變化;

5)條件5.在微電源側突然減載40%負荷引起特征參數變化;

6)條件6.跳開最大的微電源QF6而引起特征參數變化.

在微電源和主電網不同的運行方式下，對上述每一條件進行仿真，系統運行方式設置如下:

1)正常負載(Zs=j0.02 pu)，正常PCC－bus負載為P=0.5 pu，Q=0.175 pu;

2)正常負載(Zs=j0.02 pu)，最小PCC－bus負載為P=0.3 pu，Q=0.105 pu;

3)正常負載(Zs=j0.02 pu)，最大PCC－bus負載為P=0.625 pu，Q=0.22 pu;

4)最小負載(Zs=j0.05 pu)，正常PCC－bus負載為P=0.5 pu，Q=0.175 pu;

5)最小負載(Zs=j0.05 pu)，最小PCC－bus負載為P=0.3 pu，Q=0.105 pu;

6)最小負載(Zs=j0.05 pu)，最大PCC－bus負載為P=0.625 pu，Q=0.22 pu;

7)最大負載(Zs=j0.01 pu)，正常PCC－bus負載為P=0.5 pu，Q=0.175 pu;

8)最大負載(Zs=j0.01 pu)，最小PCC－bus負載為P=0.3 pu，Q=0.105 pu;

9)最大負載(Zs=j0.01 pu)，最大PCC－bus負載為 P=0.625 pu，Q=0.22 pu.

實際上系統所能測到的參數只有三相電壓(VU，VV，VW)和三相電流(IU，IV，IW)，通過不同的信號處理方法可計算出11個特征參數，實驗采樣頻率設定為每周期20個采樣點，以電網頻率50 Hz為例相當于每1 ms進行一次采樣.

2 模糊隸屬函數的確定

盡管理論上有11個特征參數，但實驗發現影響顯著的特征參數有 3 個，分別是 Δf/Δt，ΔP/Δt，Δf，其中Δf/Δt影響最為顯著，該參數數值越大孤島的可能就越大，可作為判斷孤島先決條件，當數值變化超過2.5時，可直接判斷為孤島發生;當Δf/Δt變化較小時，還需要綜合考慮 ΔP/Δt，Δf兩個參數值.仿真實驗發現不同運行條件下3個變量變化范圍是 Δf/Δt在(－11.3，36.8)之間變化;ΔP/Δt在(－1.5，21.4)之間變化;Δf在(－0.15，0.94)之間變化.

假設輸入變量 X1= Δf/Δt，X2= ΔP/Δt，X3=Δf，輸出變量為 U，模糊語言集設為“大”(BIG)，“中等”(MID)“小”(SMA).用三角型隸屬函數表示輸入/輸出模糊語言變量.三角型隸屬函數中心值cj和底寬σj采用“k-均值聚類算法”確定，這是一種性能良好的無監督學習算法.算法原理步驟如下:

① 選擇k個初始化聚類中心點cj，j=1，2，…，k(本算法中k=3).

③重新計算聚類中心

式中，Mj表示在Nj中的元素個數.

④重復步驟② 和③ ，直到聚類中心cj不再變化為止.

聚類算法完成后，可以直接確定參數σj.σj表示和每個中心相聯系的數據分布的一種測度，可以用很多方法確定，本文中取聚類中心和訓練數據之間的距離之和的平均值，即

通過k-均值集類分析確定了輸入變量隸屬函數如圖2～圖4所示，其中f比例因子設為10.

圖2 輸入變量f/t隸屬函數及模糊化

圖3 輸入變量f隸屬函數及模糊化

圖4 輸入變量P/t隸屬函數及模糊化

模糊判決規則庫建立，根據前述各輸入變量模糊語言集合的分類，理論上將產生27條不同規則組合，根據仿真實驗得到的樣本數據，實際確定了19條規則庫，如表1所示.

表1 模糊規則庫表

為了提高孤島探測的魯棒性，把模糊判決輸出的隸屬函數限制在較窄響應范圍內，如圖5所示，輸出解模糊采用重心法，解模糊后輸出變量值與可信度值比較以判決孤島是否發生.

圖5 輸出變量U隸屬函數及模糊化

模糊判決可信度值的確定，在所測試的36個樣本中有18個孤島樣本和18個非孤島樣本，孤島時解模糊的輸出大于5.3，非孤島時解模糊輸出小于3，由此可認為模糊判決的可信度值為5.3，當解模糊輸出大于或等此值時，可判斷為孤島發生.

3 仿真實驗分析

表2給出了模糊推理系統在可信判斷值為5.3時，其他條件下(X1，X2，X3)孤島探測的結果.表3～表5給出了有噪聲和無噪聲時的孤島探測精度，在不同條件下36個測試樣本中，無噪聲或噪聲信噪比為30 dB時，孤島測出率為100%.與文獻［13］(如表6括弧所示)有無噪聲和有噪聲孤島探測情況比較如表6所示，從表中可看出在信噪比為20dB情況下沒有發生孤島誤探測，因此所提出的孤島探測算法具有較好的精度和魯棒性.

表2 不同測試條件下模糊推理系統輸出

表3 測試數據集無噪聲判斷結果

表4 含30dB噪聲判斷結果

表5 含20dB噪聲判斷結果

表6 誤探測及錯誤告警

在微電網運行參數大范圍變化時，所提出基于模糊規則庫的孤島探測方法仍有較好的精確度和魯棒性，雖然與有關文獻方法相比得到結果一樣，而模糊規則庫有助于改進基于知識的可判斷性能.此外本文所提算法可通過離線推理完成，建立模糊隸屬函數和相應的規則庫，最終只選取三個特征變量直接送到模糊推理系統用于探測孤島.所提出的孤島探測方法很容易在線實現，對噪聲環境適應性更強，因此該模糊算法比其他算法有更優秀的逼近能力，有助于開發繼電保護系統以滿足大范圍不確定性系統的實時應用.

4 結語

本文提出了用于微電網系統基于模糊邏輯的孤島探測算法，建立微電網系統電網模型，在不同的電網工作狀態下，對模型進行了孤島和非孤島參數測量，從獲得的數據中建立了三角形模糊隸屬函數以及相應的模糊判決規則庫，優化了孤島判決的可信度值.使用有噪聲和無噪聲2種信號對算法進行測試，結果表明能夠實現100%的孤島探測.該算法能夠容易的在線實現，非常適用于微電網孤島發生時系統的保護.

References)

［1］趙清林，郭小強，鄔偉揚.光伏發電系統孤島保護建模與仿真研究［J］.太陽能學報，2007，28(7):721-726.Zhao Qinglin，Guo Xiaoqing，Wu Weiyang.Modeling and simulation for islanding protecting of photovoltaic systems［J］.Acta Energiae Solaris Sinica，2007，28(7):721-726.(in Chinese)

［2］Hung G K，Chang C C，Chen C L.Automatic phaseshift method for islanding detection of grid-connected photovoltaic inverter［J］.IEEE Trans Energy Convers，2003，18(1):169-173.

［3］侯梅毅，高厚磊，劉炳旭，等.基于相位偏移的孤島檢測新方法［J］.電力自動化設備，2009，29(11):22-26.Hou Meiyi，Gao Houlei，Liu Bingxu，et al.Islanding detection method based on phase shift［J］.Electric Power Automation Equipment，2009，29(11):22-26.(in Chinese)

［4］Vieira J C，Freitas W，Xu W，et al.Performance of frequency relays for distributed generation protection［J］.IEEE Trans Power Del，2006，21(3):1120-1127.

［5］Yin J，Diduch C P，Chang L.Islanding detection using proportional power spectral density［J］.IEEE Trans Power Del，2008，23(2):776-784.

［6］甘忠，李正天.一種新的分布式發電孤島檢測方法［J］.電力系統保護與控制，2011，39(1):123-127.Gan Zhong，Li Zhengtian.A novel islanding detection method of distributed generations［J］.Power System Protection and Control，2011，39(1):123-127.(in Chinese)

［7］高金輝，李迎迎，蘇軍英.一種新穎的孤島檢測方法研究［J］.電力系統保護與控制，2010，38(19):123-129.Gao Jinhui，Li Yingying，Su Junying.The research on a novel islanding detection method［J］.Power System Protection and Control，2010，38(19):123-129.(in Chinese)

［8］Freitas W，Xu W，Affonso C M，et al.Comparative analysis between ROCOF and vector surge relays for distributed generation applications［J］.IEEE Trans Power Del，2005，20(2):1315-1324.

［9］袁玲，鄭建勇，張先飛.光伏發電并網系統孤島檢測方法的分析與改進［J］.電力系統自動化，2007，31(21):72-75.Yuan Ling，Zheng Jianyong，Zhang Xianfei.Analysis and improvement of islanding detection method for gridconnected photovoltaic inverters［J］.Automation of Power Systems，2007，31(21):72-75.(in Chinese)

［10］劉芙蓉，康勇，段善旭，等.主動移頻式孤島檢測方法的參數優化［J］.中國電機工程學報，2008，28(1):95-99.Liu Furong，Kang Yong，Duan Shanxu，et al.Parameter optimization of active frequency drift island detection methed［J］.Proceedings of the CSEE，2008，28(1):95-99.(in Chinese)

［11］張純江，郭忠南，孟慧英，等.主動電流擾動法在并網發電系統孤島檢測中的應用［J］.電工技術學報，2007，22(7):177-180.Zhang Chunjiang，Guo Zhongnan，Meng Huiying，et al.Active current disturbing method for islanding detection of grid-connected inverters［J］.Transactions of China Electrotechnical Society，2007，22(7):177-180.(in Chinese)

［12］Sumner M，Patethorpe B，Thomas D W P，et al.A technique for power supply harmonic impedance estimation using a controlled voltage disturbance［J］.IEEE Trans Power Electron，2002，17(2):207-215.

［13］El-Arroudi K，Joos G，Kamwa I，et al.Intelligent based approach to islanding detection in distributed generation［J］.IEEE Trans Power Del，2007，22(2):828-835.

［14］Samantaray S R，El-Arroudi Khalil，Joós Geza，et al.A fuzzy rule-based approach for islanding detection in distributed generation［J］.IEEE Transactions on Power Delivery，2010，25(3):1427-1433.