[发明专利]一种分布式电源并离网状态检测方法有效
| 申请号: | 202111355346.X | 申请日: | 2021-11-16 |
| 公开(公告)号: | CN114243755B | 公开(公告)日: | 2023-08-04 |
| 发明(设计)人: | 吴万军;张敏;杨金东;刘永礼;和正强;罗长兵;徐彬;伍绍鹏;王宁;李丽辉;杨延军;任宪利 | 申请(专利权)人: | 云南电网有限责任公司迪庆供电局 |
| 主分类号: | H02J3/38 | 分类号: | H02J3/38;H02J13/00;G06N3/084 |
| 代理公司: | 北京弘权知识产权代理有限公司 11363 | 代理人: | 逯长明;许伟群 |
| 地址: | 674400 云南省迪庆藏*** | 国省代码: | 云南;53 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 分布式 电源 网状 检测 方法 | ||
1.一种分布式电源并离网状态检测方法,其特征在于包括以下步骤:
步骤一,信息能量融合系统自带电力电缆高频载波通信机制,各电力设备之间通过高频载波信号传递信息;普通电力系统加装相应的高频载波调制装备设备,从而改造成信息能量融合系统;
步骤二,设备调试阶段,保证分布式电源接入电网,分布式电源实时解调高频载波,作为训练样本,应用BP神经网络算法,分析分布式电源正常并网情况下的载波信号特征,经过训练,得到并网条件下的载波特征,作为分布式电源并网状态的既得特征;
所述载波信号特征包括高频载波的频率、幅值、解调后的数据格式、数据包字节长度、相邻数据包发报时间,共5个特征参考;
步骤三,设备运行阶段,分布式电源实时解调电力电缆上的高频载波,并将其特征与BP神经网络算法分析的既得特征进行比对;
若解调后,载波特征与步骤二所述5个既得特征中的任意4个吻合,则判定分布式电源为并网状态;
若无法接收到载波的时长超过BP神经算法训练所得相邻数据包发报时间的三倍,则判定分布式电源为离网状态;
若解调后,与既得特征吻合数少于4个而多余0个,则延长检测判定时间至0.2s,并记录和比对这一时间段内的载波特征;若在此0.2s内所得载波特征相同,则判定分布式电源处于并网状态;若在此0.2s内所得载波特征不同,则判定分布式电源处于离网状态,而接收到了杂波;0.2s得到判定结果之后,通过BP神经网络算法,将当下的状态作为样本训练,训练和修正并网既得特征,作为新的并网状态判定依据;
步骤四,设备正常并网运行阶段,实时应用BP神经网络算法,训练和修正分布式电源并网判定的5个既得特征,并将实时修正结果作为下一时刻分布式电源并离网状态的判定依据。
2.根据权利要求1所述的一种分布式电源并离网状态检测方法,其特征在于所述方法通过BP控制算法训练出并网5个特征,而判定并网状态只需要其中任意4个特征即可;留有一定的容错空间,也适合BP神经网络算法对既得特征的训练和修正;正常运行情况下,每次训练更新的既得特征数不超过一个。
3.根据权利要求1所述的一种分布式电源并离网状态检测方法,其特征在于步骤三中,如果特征吻合数少于4个而多余0个,则延长判定时长,重新训练和修正既得特征,此情况下,每次训练更新的既得特征数超过一个。
4.根据权利要求1所述的一种分布式电源并离网状态检测方法,其特征在于步骤三中,将分布式电源实时解调得到的载波信息进行量化分析,并与既得特征进行比对;考虑到测量系统硬件误差,绝对吻合难以实现,故采用多维隶属度函数的模式识别方法。
5.根据权利要求4所述的一种分布式电源并离网状态检测方法,其特征在于,所述多维隶属度函数的模式识别方法如下:首先如(1)所示,定义一个5维向量X*,代表既得特征集合;
如(2)所示,定义实时解调得到的载波特征为一个5维向量x,代表实时特征集合;
x=[x1 x2 x3 x4 x5]T (2);
进而如(3)所示,计算实时特征对比既得特征偏差的标幺值,用5维向量EPU_5表示:
若(3)中,若5个实时特征与既得特征完全吻合,则EPU_5=0,考虑测量误差存在,应用多维隶属度函数的模式识别方法,定义EPU_5的模小于等于0.1,如(4)所示,则判定5个特征均吻合;
|EPU_5|≤0.1 (4);
考虑系统正常运行过程中,一些特征会主动性调整,故定义EPU_n为减项特征偏差标幺值向量,其中n的取值范围为1,2,3,4;当系统至少有一个EPU_n满足(5)所示条件,则判定n个实时特征吻合既得特征;
|EPU_n|≤0.1且|EPU_n+1|>0.1 (5)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云南电网有限责任公司迪庆供电局,未经云南电网有限责任公司迪庆供电局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111355346.X/1.html,转载请声明来源钻瓜专利网。





