论文部分内容阅读
孤岛检测是分布式发电系统在接入公共电网时所必须具备的重要功能。被动式孤岛检测方法不会给电能质量带来负面影响,且无须植入分布式发电系统的控制策略中,对各类具有不同拓扑结构及控制策略的分布式发电系统具有良好的适应性。按照孤岛判别机制的不同,目前已提出的被动式方法可分为非智能型和智能型两类。现有的非智能型被动式方法普遍存在盲区较大、阀值难以设定的问题；已提出的智能型被动式方法多侧重于研究智能算法与孤岛检测特征量的结合机制,而对相关特征量在孤岛发生前后的变化机理所做的分析研究较少。论文深入研究了孤岛发生前后分布式发电单元(Distributed Generator, DG)的网侧阻抗变化,分别从频域阻抗变化特征识别、参考阻抗预确定、信号能量谱分析和多元阻抗特征向量构建的角度提出了四种新的被动式方法,并对所提出的各相关检测特征量在孤岛发生前后的变化机理进行了深入解析,主要的研究内容和创新点如下：(1)对孤岛发生前后DG与电网间互联特性的改变进行深入分析,建立了可反映DG网侧阻抗变化的数学解析模型,提出了基于频域阻抗变化特征识别(Frequency Dependent Impedance Change, FDIC)的被动式方法,并进行了仿真及实验验证。相关盲区分析结果表明,将FDIC方法与欠频／过频方法相结合可有效缩小欠频／过频方法的盲区。(2)建立了可用于孤岛负载特征预判的参考阻抗模型,提出了基于参考阻抗预确定(Reference Impedance Pre-calculation, RIP)的被动式方法。在进行仿真及实验验证的同时,结合多组典型孤岛及非孤岛案例研究了RIP方法在多机并网条件下网侧存在电网扰动时的检测可靠性。并从盲区和误判区两个方面对RIP方法的检测效果进行了分析。研究及分析结果表明,RIP方法具有良好的抗扰动性能,可在欠压/过压及欠频／过频方法的盲区内有效识别孤岛。(3)提出了基于信号能量谱分析(Energy Specturm Analysis, ESA)的被动式方法,并对其孤岛检测有效性及抗扰动性进行了仿真及实验验证。分析了不同采样精度对所提出的基于DG网侧阻抗变化监测的被动式ESA方法、RIP方法及FDIC方法的检测效果的影响,并提出了相应对策。(4)构建了多元阻抗特征向量,并将其应用于概率神经网络分类器设计,提出了基于多元阻抗特征向量和概率神经网络(Multi-Impedance Feature Vector and Probabilistic Neural Network, MIFVPNN)的智能型被动式方法。通过将多元阻抗特征向量和其它特征向量分别应用于概率神经网络分类器设计,并对相关孤岛检测效果进行对比分析,揭示了MIFVPNN方法实现高可靠性孤岛检测的关键在于多元阻抗特征向量的构建及应用。