基于模糊逻辑的微电网孤岛检测算法

苏海滨 刘江伟 常 瑞

(华北水利水电大学电力学院，郑州 450011)

近年来随着光伏发电等新能源接入配电网数量的增加，微电网在电力系统构架和电力市场中的作用受到广泛重视，越来越多的微电网系统成为电网中不可分割的部分.微电网并网能带来许多益处的同时也存在着对人身和设备损害的风险，这一风险主要发生在主电网失电而微电网内的电源仍继续供电情况，也就是微电网成为独立的孤岛时候，因此微电源并网时必须首先解决好孤岛检测与保护的问题.

目前孤岛检测方法可划分为被动方法和主动方法2种，被动方法主要在微电源侧通过分析电压、频率、相位、谐波的异常来检测孤岛效应，以决定微电源是否被孤立，这一方法的优点是在实施过程中不影响微电源的运行，主要包括过/欠压和过/欠频法［1］、相位跳变法［2-4］、谐波检测法［5］、组合算法［6-7］等方法;主动方法需要在逆变器输出侧引入一个外部扰动量，来监控系统中的电压、频率以及阻抗的相应变化，以确定电网的存在与否，主要包括输出频率变动法［8-10］、阻抗测量法等［11-12］，与被动方法相比有响应速度快、探测盲区小的优点，然而由于有扰动的存在，逆变器输出的电能质量有所下降;智能方法［13-14］总体上属于被动法，能有效减小探测盲区.本文提出了基于模糊逻辑的孤岛检测算法，以提高孤岛检测的可靠性和灵敏度.

1 系统特征样本提取

图1为微电网系统的结构，孤岛发生时会对电网某些参数造成影响，从而引起电网运行参数发生改变.

图1 微电网系统结构

本文定义了11个特征参数分别是Δf(微发电源输出频率增量)、ΔV(微发电源输出电压增量)、Δf/Δt(微发电输出频率变化率)、ΔV/Δt(微发电源输出电压变化率)、ΔP/Δt(微发电源输出功率变化率)、Δf/ΔP(频率对功率变化率)、CTHD(电流谐波失真)、VTHD(电压谐波失真)、ΔPf(功率因数增量)、Ucos(phi)(相电压乘功率因数绝对值)、Δ(Ucosphi)/Δt(相电压乘功率因数绝对值变化率)，这些特征参数要在系统孤岛和非孤岛2种情况下分别测得，设定的条件如下:

1)条件1.跳开断路器QF1，测量全负荷情况下孤岛发生时特征参数;

2)条件2.跳开断器QF5，测量主电网负荷的变化对DG系统干扰而引起的特征参数变化;

3)条件3.跳开断器QF2，测量没有PCC负荷时孤岛条件下引起特征参数变化;

4)条件4.在GEN-BUS上发生三相故障，通过断路器QF1依次瞬时切除，引起特征参数变化;

5)条件5.在微电源侧突然减载40%负荷引起特征参数变化;

6)条件6.跳开最大的微电源QF6而引起特征参数变化.

在微电源和主电网不同的运行方式下，对上述每一条件进行仿真，系统运行方式设置如下:

1)正常负载(Zs=j0.02 pu)，正常PCC－bus负载为P=0.5 pu，Q=0.175 pu;

2)正常负载(Zs=j0.02 pu)，最小PCC－bus负载为P=0.3 pu，Q=0.105 pu;

3)正常负载(Zs=j0.02 pu)，最大PCC－bus负载为P=0.625 pu，Q=0.22 pu;

4)最小负载(Zs=j0.05 pu)，正常PCC－bus负载为P=0.5 pu，Q=0.175 pu;

5)最小负载(Zs=j0.05 pu)，最小PCC－bus负载为P=0.3 pu，Q=0.105 pu;

6)最小负载(Zs=j0.05 pu)，最大PCC－bus负载为P=0.625 pu，Q=0.22 pu;

7)最大负载(Zs=j0.01 pu)，正常PCC－bus负载为P=0.5 pu，Q=0.175 pu;

8)最大负载(Zs=j0.01 pu)，最小PCC－bus负载为P=0.3 pu，Q=0.105 pu;

9)最大负载(Zs=j0.01 pu)，最大PCC－bus负载为 P=0.625 pu，Q=0.22 pu.

实际上系统所能测到的参数只有三相电压(VU，VV，VW)和三相电流(IU，IV，IW)，通过不同的信号处理方法可计算出11个特征参数，实验采样频率设定为每周期20个采样点，以电网频率50 Hz为例相当于每1 ms进行一次采样.

2 模糊隶属函数的确定

尽管理论上有11个特征参数，但实验发现影响显著的特征参数有 3 个，分别是 Δf/Δt，ΔP/Δt，Δf，其中Δf/Δt影响最为显著，该参数数值越大孤岛的可能就越大，可作为判断孤岛先决条件，当数值变化超过2.5时，可直接判断为孤岛发生;当Δf/Δt变化较小时，还需要综合考虑 ΔP/Δt，Δf两个参数值.仿真实验发现不同运行条件下3个变量变化范围是 Δf/Δt在(－11.3，36.8)之间变化;ΔP/Δt在(－1.5，21.4)之间变化;Δf在(－0.15，0.94)之间变化.

假设输入变量 X1= Δf/Δt，X2= ΔP/Δt，X3=Δf，输出变量为 U，模糊语言集设为“大”(BIG)，“中等”(MID)“小”(SMA).用三角型隶属函数表示输入/输出模糊语言变量.三角型隶属函数中心值cj和底宽σj采用“k-均值聚类算法”确定，这是一种性能良好的无监督学习算法.算法原理步骤如下:

① 选择k个初始化聚类中心点cj，j=1，2，…，k(本算法中k=3).

③重新计算聚类中心

式中，Mj表示在Nj中的元素个数.

④重复步骤② 和③ ，直到聚类中心cj不再变化为止.

聚类算法完成后，可以直接确定参数σj.σj表示和每个中心相联系的数据分布的一种测度，可以用很多方法确定，本文中取聚类中心和训练数据之间的距离之和的平均值，即

通过k-均值集类分析确定了输入变量隶属函数如图2～图4所示，其中f比例因子设为10.

图2 输入变量f/t隶属函数及模糊化

图3 输入变量f隶属函数及模糊化

图4 输入变量P/t隶属函数及模糊化

模糊判决规则库建立，根据前述各输入变量模糊语言集合的分类，理论上将产生27条不同规则组合，根据仿真实验得到的样本数据，实际确定了19条规则库，如表1所示.

表1 模糊规则库表

为了提高孤岛探测的鲁棒性，把模糊判决输出的隶属函数限制在较窄响应范围内，如图5所示，输出解模糊采用重心法，解模糊后输出变量值与可信度值比较以判决孤岛是否发生.

图5 输出变量U隶属函数及模糊化

模糊判决可信度值的确定，在所测试的36个样本中有18个孤岛样本和18个非孤岛样本，孤岛时解模糊的输出大于5.3，非孤岛时解模糊输出小于3，由此可认为模糊判决的可信度值为5.3，当解模糊输出大于或等此值时，可判断为孤岛发生.

3 仿真实验分析

表2给出了模糊推理系统在可信判断值为5.3时，其他条件下(X1，X2，X3)孤岛探测的结果.表3～表5给出了有噪声和无噪声时的孤岛探测精度，在不同条件下36个测试样本中，无噪声或噪声信噪比为30 dB时，孤岛测出率为100%.与文献［13］(如表6括弧所示)有无噪声和有噪声孤岛探测情况比较如表6所示，从表中可看出在信噪比为20dB情况下没有发生孤岛误探测，因此所提出的孤岛探测算法具有较好的精度和鲁棒性.

表2 不同测试条件下模糊推理系统输出

表3 测试数据集无噪声判断结果

表4 含30dB噪声判断结果

表5 含20dB噪声判断结果

表6 误探测及错误告警

在微电网运行参数大范围变化时，所提出基于模糊规则库的孤岛探测方法仍有较好的精确度和鲁棒性，虽然与有关文献方法相比得到结果一样，而模糊规则库有助于改进基于知识的可判断性能.此外本文所提算法可通过离线推理完成，建立模糊隶属函数和相应的规则库，最终只选取三个特征变量直接送到模糊推理系统用于探测孤岛.所提出的孤岛探测方法很容易在线实现，对噪声环境适应性更强，因此该模糊算法比其他算法有更优秀的逼近能力，有助于开发继电保护系统以满足大范围不确定性系统的实时应用.

4 结语

本文提出了用于微电网系统基于模糊逻辑的孤岛探测算法，建立微电网系统电网模型，在不同的电网工作状态下，对模型进行了孤岛和非孤岛参数测量，从获得的数据中建立了三角形模糊隶属函数以及相应的模糊判决规则库，优化了孤岛判决的可信度值.使用有噪声和无噪声2种信号对算法进行测试，结果表明能够实现100%的孤岛探测.该算法能够容易的在线实现，非常适用于微电网孤岛发生时系统的保护.

References)

［1］赵清林，郭小强，邬伟扬.光伏发电系统孤岛保护建模与仿真研究［J］.太阳能学报，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，刘炳旭，等.基于相位偏移的孤岛检测新方法［J］.电力自动化设备，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.一种新的分布式发电孤岛检测方法［J］.电力系统保护与控制，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］高金辉，李迎迎，苏军英.一种新颖的孤岛检测方法研究［J］.电力系统保护与控制，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，郑建勇，张先飞.光伏发电并网系统孤岛检测方法的分析与改进［J］.电力系统自动化，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］刘芙蓉，康勇，段善旭，等.主动移频式孤岛检测方法的参数优化［J］.中国电机工程学报，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］张纯江，郭忠南，孟慧英，等.主动电流扰动法在并网发电系统孤岛检测中的应用［J］.电工技术学报，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.