[发明专利]一种混合孤岛检测方法

说明书

技术领域

本发明涉及孤岛检测技术领域，特别是涉及一种混合孤岛检测方法。 

背景技术

分布式发电(Distributed Generation，DG)，通常是指发电功率在几千瓦至数百兆的小型模块化、分散式、布置在用户附近的高效、可靠的发电单元。主要包括：以液体或气体为燃料的内燃机、微型燃气轮机、太阳能发电(光伏电池、光热发电)、风力发电、生物质能发电等。 

分布式电源通常接入中压或低压配电系统，其运行状态包括孤岛运行和并网运行[文献1]。DG孤岛运行指的是分布式电源与主网断开，单独带本地负荷运行。由于设备故障，系统扰动或误操作等因素，引起DG进入非计划孤岛运行时，会对DG系统产生一些不利影响，包括：电压、频率的异常扰动，降低电能质量；容易导致用电设备发生故障和损坏；可能造成人身安全问题等[文献2]。并且，DG和含DG的配电网与微网，在孤岛情况下的运行策略不同于并网情况的运行策略[文献3]。因此，快速与准确的孤岛检测对DG和含DG的配电网与微网的运行控制具有十分重要的意义。基于决策树(Decision Tree,DT)的智能化孤岛检测方法是指在目标位置(一般设定为公共连接点，Point of Common Coupling,PCC)监测若干参数的变化，通过提取和分析数据集的特征，并模拟预先设定发生事件时的数据集训练决策树分类器，从而确定出当前DG的运行状态[文献4,5]。 

1.决策树数学模型 

1)特征量(独立变量)：由目标位置所监测的若干参数值组成，X_i＝{x_i1,x_i2,...,x_im}表示第i个事件下的一组特征量，{x_i1,x_i2,...,x_im}为输入的m个检测变量的取值，X＝{X₁,X₂,...,X_n}^T表示n个事件的特征量集合。 

2)类变量(因变量)：y_i为类型输出值，表示第i个事件时系统状态所属类型，取值与Xi相关，y_i＝1表示当前为孤岛运行状态，y_i＝0表示为非孤岛运行状态，组成Y＝{y₁,y₂,...,y_n}表示n个事件时的类向量。 

3)数据集的训练：表示为{X,Y}，记录预先规定事件时所有因变量和与之对应特征变量的取值，并采用分类与回归树法(Classification and Regression Tree,CART)形成决策树。 

4)数据集的测试：即输入某个状态下的特征量，采用分类器进行孤岛的判断。 

5)分类错误的成本：待测数据进行错误分类有关的固有成本。 

2.DT法流程 

1)选择合适的目标位置，并选择合适的特征量指标。 

2)模拟预设事件，测量与存储各个预设事件，例如第i个事件下的特征量向量为与对应的DG运行状态Y_i，利用得到的数据集{X,Y}训练决策树分类器，提高分类器判断孤岛的准确率。 

3)测量实际目标位置实时特征向量作为决策树分类器的输入，其输出Y_t为DT法判断的DG运行状态，Y_t＝1表示检测结果为孤岛运行，Y_t＝0表示检测结果为并网运行。 

3.决策树的结构设计 

根据不同决策树构成方法，都会形成对应的决策树，例如：图1为二维空间的特征量指标样本分布示意图，根据图1特征量指标的分布与边界设计的决策树结构如图2所示，其实线边界构成(a)和虚线边界构成(b)，图1中：X₁，X₂表示特征量指标，样本可分为x，ο，+三类，实线和虚线分别表示两种决策树的边界。在选择最优决策树时可根据具体目标，比如节点数最少，节点杂质率最低等目标进行选择[6]。