[发明专利]一种光伏微电网直流侧故障电弧识别方法

摘要

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。

主权项

1.一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}；步骤3：计算直流侧电流信号I₁(t)的第k个模态分量IMF_1k与直流侧电流信号I₂(t)的第k个模态分量IMF_2k之间的差值ΔIMF_k，计算集合{ΔIMF₁,ΔIMF₂,...,ΔIMF_k,...,ΔIMF_K}中最大的三个值为{ΔIMF_a,ΔIMF_b,ΔIMF_c}，a,b,c∈{1,2,...,K}，对直流侧电流信号I_i(t)的模态分量{IMF_ia,IMF_ib,IMF_ic}进行模糊熵处理，得到直流侧电流信号I_i(t)的模糊熵{e_ia,e_ib,e_ic}；步骤4：构建概率神经网络模型，将模糊熵{e_ia,e_ib,e_ic}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分别为1与0，对概率神经网络模型进行训练，得到训练后的概率神经网络模型；步骤5：实时采集家庭光伏微电网的直流侧电流信号I(t)，对直流侧电流信号I(t)进行变分模态分解，得到直流侧电流信号I(t)的的模态分量信号{IMF₁,IMF₂,...,IMF_k,...,IMF_K}，对直流侧电流信号I(t)的模态分量{IMF_a,IMF_b,IMF_c}进行模糊熵处理，得到直流侧电流信号I(t)的模糊熵{e_a,e_b,e_c}，将所述模糊熵{e_a,e_b,e_c}输入训练后的概率神经网络模型中，得到直流侧电流信号I(t)的状态标签，当状态标签为1时，识别出家庭光伏微电网中发生了故障电弧；当状态标签为0时，识别出家庭光伏微电网为正常状态。