[发明专利]一种分布式电源并离网状态检测方法

说明书

本申请提供一种分布式电源并离网状态检测方法。信息能量融合的电力系统中，高频载波信号借助电力电缆传播，以此在不同的电力设备间交换信息。本方法在分布式电源中执行，基于载波信号的解调和分析的结果，判定分布式电源的并离网状态。所述载波型号解调和分析方法涉及BP神经网络智能算法，所述并离网状态模式识别涉及多维隶属度函数的模式识别算法。本申请提供的并离网状态检算法快速灵敏准确可靠，理论上没有孤岛检测盲区，也没有误动作发生的可能性。

技术领域

本申请涉及电力系统保护与通信技术领域，尤其涉及一种分布式电源并离网状态检测方法。

背景技术

分布式电源在并网和离网状态下有着截然不同的运行控制策略或保护动作。所以，分布式电源需要具备自主准确判定并离网状态的能力。然而，现有的判定方法在特殊工况下，如功率匹配，无法准确判定分布式电源的离网状态，形成孤岛检测盲区；相反，但电网遇到大功率负荷投切而产生频率偏移时，传统方法可能误认为分布式电源处于离网状态，而产生错误的保护动作。

随着信息能量融合技术的发展，越来越多的配电网经过载波信息化改造，电力电缆兼具了信息传递的功能。可以将载波信号的一些特征提取出来，作为判定分布式电源并离网状态的依据。

发明内容

本申请提供一种分布式电源并离网状态检测方法。本申请提供的并离网状态检方法快速灵敏准确可靠，理论上没有孤岛检测盲区，也没有误动作发生的可能性。

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。普通电力系统可以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。

所述的一种分布式电源并离网状态检测方法，其特征在于步骤三所述判定过程中，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。