基于Adaboost算法的并网光伏发电系统的孤岛检测法

导读

新能源电力系统国家重点实验室(华北电力大学)、广州供电局有限公司、国家电网公司中国电力科学研究院的研究人员贾科、宣振文等,在2018年第5期《电工技术学报》上撰文指出,目前光伏并网发电系统的孤岛检测多采用主、被动法结合的方法,然而无法有效确定参考电气量的阈值,导致孤岛检测存在死区,同时也可能影响电能质量。

基于此,提出了一种基于Adaboost算法的智能被动式孤岛检测方法,通过仿真建立光伏系统并网和孤岛运行的数据库,提取可判断并网和孤岛运行两种状态的特征量,利用Adaboost算法建立判断并网和孤岛运行状态的二分类模型,应用该模型根据某一运行状态下的特征量对其进行分类。

该方法需要建立比较完备的数据库,选择合适的电气量作为判据。该方法避免了传统孤岛检测法各电气量阈值无法确定的问题,不引入扰动信号,不干扰电能质量。最后通过仿真验证了其检测孤岛的可靠性。

太阳能光伏发电技术对于节约常规能源、保护环境、促进经济发展都有极为重要的意义,近年来在国际上受到广泛重视并获得了飞速发展。目前我国光伏装机容量已居全球首位。

光伏系统孤岛检测现已成为并网新能源系统保护关注的重点之一。国际能源机构(International Energy Agency, IEA)、《光伏发电系统接入配电网技术规定》(GB/T 29319—2012)等规定:光伏发电系统应该具备快速监测孤岛并且立即断开与电网连接的能力,防孤岛保护动作时间不大于2 s[1,2]。

目前,并网光伏发电系统孤岛检测方法主要分为通信式、主动式和被动式三类。

通信式孤岛检测法利用信号发生装置发出特定检测信号或者检测系统开关状态判断系统运行状态来实现孤岛检测[3-6],需要建立较为完备的信号收发装置和信号传输通道等,成本较高,实现困难,目前并没有得到广泛的应用。

主动式孤岛检测法主要是向光伏逆变器的输出引入一定的扰动信号,孤岛运行后扰动信号通过放大并网点电气量的变化来判断孤岛[7-11]。应用于多机并联并网系统时,由于控制策略的不同,主动法可能因为扰动信号相互抵消或者稀释导致孤岛检测失效,也可能因为扰动信号相互激励放大导致系统电能质量恶化。同时,考虑到与低电压穿越等系统保护的配合,扰动信号的强度和投入时间可能会受到限制,因而导致孤岛检测的失败。

传统的被动式孤岛检测法是利用功率不匹配造成的并网点电压幅值、频率、相位、谐波及其变化率的变化情况识别孤岛,这类方法实现简单,但存在较大的检测盲区。

传统的主/被动式孤岛检测法,最终都是利用电压幅值、频率等特征量的异常变化来识别孤岛。然而,目前并没有明确的标准对他们的阈值进行限定,一般利用《光伏发电系统接入配电网技术规定》(GB/T 29319—2012)对电压幅值和频率的要求作为孤岛判据,在功率匹配度较高或电压、频率存在波动时,会导致孤岛检测存在误动和拒动的情况。

近年来提出的智能被动式孤岛检测法是利用多电气量特征共同识别孤岛[12-15],采用先进数据挖掘技术获取相应特征量,同时利用智能模式识别方法来检测孤岛。但是其生成模型的精度有限,只是在特定样本下多次检验结果准确度的平均值,无法有效提升检测精度,因此其判断孤岛的动作可靠性较差。

考虑到电气量阈值无法确定和智能识别方法的精度提升问题,本文提出一种基于Adaboost (Adaptive Boosting)算法的智能被动式孤岛检测方法。利用多电气量建立识别孤岛和并网运行状态的二分类模型,进而利用该模型判别孤岛。

该模型包含若干子分类模型,根据其分类精度设定权重,精度越高的分类器权重系数越大,据此将若干子分类模型组合成一个高精度复合分类模型,实现了分类精度的提升。该方法反复学习样本数据,智能设定各个电气量的阈值,缩小了阈值区间且使得各电气量的检测盲区不重合,可以高精度地检测出孤岛运行。

图2  多机并联光伏系统结构

结论

本文提出了一种基于Adaboost算法的智能被动式孤岛检测法,对采用不同孤岛检测法的单机/多机系统在孤岛/非孤岛情况下进行仿真生成数据库并提取相应的多特征量,利用Adaboost算法生成预测模型,并对系统不同运行情况的检测效果进行仿真。

生成的预测模型,可以准确地预测采用相同孤岛检测法系统的运行状态,而预测采用不同孤岛检测法系统的运行状态的精度很差。混合不同孤岛检测法的数据生成的预测模型,可以高精度的检测两类系统的运行状态。

本方法选取多特征量同时判断系统的运行状态,利用智能算法根据系统自身特性获取各电气量的阈值和判据,比人工设定的阈值区间更加精确,缩小了各个特征量的检测盲区,且多个电气量不容易同时处于检测盲区,使得本方法的孤岛检测盲区较小。

然而,本方法需要较为齐全的学习数据库,且生成的预测模型只适用于学习数据来源的系统,不同系统需要根据其学习数据重新生成预测模型。

同时,如何选取合适的特征量,以及进一步提高模型的预测精度也是未来值得研究的内容之一。未来规模化新能源并网后,会有大量的实际运行数据作为支撑,将会进一步提高本方法的检测效果。

(0)

相关推荐

  • 如果Boosting 你懂、那 Adaboost你懂么?

    选择"星标"公众号 重磅干货,第一时间送达! 转载请注明作者和出处: https://zhuanlan.zhihu.com/ml-jack 机器学习知乎专栏: https://zh ...

  • 【时间序列】时间序列异常检测相关知识的总结与梳理

    异常检测(Anomaly detection)是目前时序数据分析最成熟的应用之一,定义是从正常的时间序列中识别不正常的事件或行为的过程.有效的异常检测被广泛用于现实世界的很多领域,例如量化交易,网络安 ...

  • 机器学习在遥感影像分类中的应用

    随着遥感仪器性能的不断发展,我们所能获取的遥感图像数量激增,且光谱特征维数不断增加,有必要利用机器学习对图像进行自动处理. 本文概述了机器学习的主要方法及其在遥感影像的主要应用方向,并通过应用实例说明 ...

  • 【学习笔记】基于人脸识别的课堂点名系统

    摘要:传统的课堂点名方法效率低下,浪费大量时间.提出基于人脸识别的课堂点名系统,大大提高了课堂点名的效率.本系统提供图像和摄像识别点名,可一次识别多个人脸,同时该系统也对系统难以识别的学生提供手动签到 ...

  • 使用OpenCV检测坑洼

    重磅干货,第一时间送达 本文将向大家介绍如何使用OpenCV库进行坑洼检测. 为什么要检测坑洼? 坑洼是道路的结构性指标,事先发现坑洼地可以延长高速公路的使用寿命,防止事故的发生,同时降低死亡率. 一 ...

  • 一种基于储能回路的小型并网风力发电系统

    2017第六届新能源发电系统技术创新大会 中国电工技术学会主办,2017年6月21-24日在河北省张北县举办,大会围绕新能源发展战略.系统关键技术.微电网及储能等重要议题展开交流.浏览会议详情和在线报 ...

  • 电动汽车充电技术专题︱基于灰色理论的光伏发电系统出力预测方法

    中国电工技术学会定于2016年7月10~11日在北京铁道大厦举办"2016第十一届中国电工装备创新与发展论坛",主题为"电工行业十三五规划研究与解读",并设&q ...

  • 光伏发电系统的组成有哪些?

    光伏发电系统由太阳能电池板.太阳能控制器.蓄电池组成.如果输出电源为交流220V或110V,还需要配置逆变器. 1. 太阳能电池板 太阳能电池板是光伏发电系统中的核心部分,也是光伏发电系统中价值比较高 ...

  • 光伏发电系统常见故障之电网过压

    ​湖南省可再生能源学会 2020-03-31 关注 电网过压是光伏系统中的常见故障,电网电压过高,不仅会影响我们的发电量,还有可能因电压过高而烧坏用户的用电设备.本文就对电网过压对光伏发电系统的影响进 ...

  • 家庭光伏发电系统设计安装过程中需注意哪些细节?

    随着光伏发电技术的不断创新与发展,光伏发电成本明显下降,分布式光伏迎来爆发期,尤其是家庭光伏系统安装量明显增加,但问题也不断涌现,多数都源于光伏系统安装过程中的一些细节的疏忽,今天笔者就分布式光伏发电 ...

  • 如何自建一套家庭光伏发电系统?

    想要安装一个能发电的系统非常简单,主要需要五样东西: 1.太阳能支架(mounting system) 2.太阳能电池板(solar panels) 3.电缆线(cables) 4.光伏逆变器(sol ...

  • 家庭用光伏发电系统,每天20度电,需要安装多少瓦光伏板?

    家用光伏发电系统,也叫离网光伏发电系统.关键是因为系统有蓄电池,用来存储电的.系统的造价问题,与蓄电池关系非常大.

  • 小型并网风力发电系统控制策略

    天津大学智能电网教育部重点实验室的研究人员杨良.王议锋.孟准,在2017年第10期<电工技术学报>上撰文,提出一种对小型风场具有高度适应性的小型并网风力发电系统.在拓扑结构上,该系统采用一 ...

  • 学术︱电网电压不平衡下三相光伏发电系统的谐波电流抑制

    重庆大学输配电装备及系统安全与新技术国家重点实验室的研究人员周念成.楼晓轩等,在2015年第16期<电工技术学报>上撰文,电网电压不平衡下光伏发电不脱网运行会使三相光伏逆变器产生显著的谐波 ...