[发明专利]一种光伏微电网直流侧故障电弧识别方法

说明书

本发明涉及故障电弧检测技术领域，提供一种光伏微电网直流侧故障电弧识别方法，首先采集光伏微电网的m组正常状态和发生故障电弧状态下的直流侧电流信号；然后对每组信号进行变分模态分解成K个模态分量信号；接着选取每组信号中两个信号的模态分量之差最大的前三个对应的模态分量，进行模糊熵处理；再构建概率神经网络模型，将模糊熵作为识别故障电弧的特征值，设定故障电弧状态与正常状态的状态标签以训练模型；最后，实时采集光伏微电网的直流侧电流信号，对其进行变分模态分解及模糊熵处理后，将模糊熵输入训练后的概率神经网络模型中，得到状态标签并据此识别故障电弧。本发明能够提高故障电弧识别的准确性、效率、及时性及抗干扰性。

技术领域

本发明涉及故障电弧检测技术领域，特别是涉及一种光伏微电网直流侧故障电弧识别方法。

背景技术

近几年，光伏产业发展迅速，发电量逐年增加。现在的光伏系统主要有两种形式：一是大型集中式光伏并网电站，二是小型分布式光伏微网发电系统。在国家的大力推广下，小型分布式光伏微网发电系统发展迅速，有效地改善了电能质量和提高了光伏可再生能源利用水平。我国是一个人口大国，家庭消耗电量占有不可忽视的地位。因此促进了家庭光伏微电网进入一个新的时代，但是发展的同时也带来了许多问题，光伏系统火灾事故频发。经过研究，火灾事故与光伏侧的故障电弧有关，因此对于光伏微电网直流侧故障电弧的有效检测成为了关键。

而现有的光伏系统直流侧故障电弧检测方法并不完善，对于故障电弧的识别方式主要有两种：一是根据故障电弧的物理特性，如弧光等，利用弧光传感器进行检测识别，但是这种方式只能用于定点检测，通用性较差；另一种是采用分析回路电流特性的方法，进行故障电弧的检测识别，这种方法通用性较好，人们普遍认可。然而，现有的采用分析回路电流特性的方法中，大都是利用小波算法或经验模态分解(Empirical Mode Decomposition，EMD)算法来分析故障电流。其中，利用小波算法提取故障电流时频特征信号，采用混合判据区分故障和正常信号，但小波算法不具备自适应性，算法的准确性大部分依赖小波基的选取；使用EMD算法分解故障电流，提取故障时的特征信号，但EMD算法存在模态混叠、伪分量以及容易受噪声干扰的缺点。

发明内容

针对现有技术存在的问题，本发明提供一种光伏微电网直流侧故障电弧识别方法，能够提高故障电弧识别的准确性、效率、及时性及抗干扰性。

本发明的技术方案为：

一种光伏微电网直流侧故障电弧识别方法，其特征在于，包括下述步骤：

步骤1：利用电流互感器采集家庭光伏微电网的m组直流侧电流信号；其中，每组直流侧电流信号包括在正常状态下的直流侧电流信号I₁(t)、在发生故障电弧状态下的直流侧电流信号I₂(t)；

步骤2：对每组直流侧电流信号中的直流侧电流信号I₁(t)和直流侧电流信号I₂(t)分别进行变分模态分解，将直流侧电流信号I_i(t)分解成K个围绕在各自中心频率ω_k附近的模态分量信号{IMF_i1,IMF_i2,...,IMF_ik,...,IMF_iK}，k∈{1,2,...,K}，i∈{1,2}；