[發明專利]基于能量特性與隨機森林的光伏并網發電孤島檢測方法

在審

• 申請號: 202010188667.4
• 申請日: 2020-03-17
• 公開（公告）號: CN111273131A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 韓冰;崔鵬;王大語
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G01R31/08
• 分類號: G01R31/08;H02J3/38;H02S50/00
• 代理公司: 北京華夏正合知識產權代理事務所(普通合伙) 11017
• 代理人: 陳曉寧;張麗萍

1.基于能量特性與隨機森林的光伏并網發電孤島檢測方法，其特征在于，包括下述步驟：

步驟1：在光伏并網發電系統中裝設采樣裝置，采集光伏并網發電系統處于孤島運行狀態時的PCC電壓信號；

步驟2：將采樣得到的PCC電壓信號進行小波包分析處理；

步驟3：提取PCC電壓信號的小波包特征能量值；

步驟4：將提取到的PCC電壓信號的小波包特征能量值進行組合，構造孤島檢測的輸入特征向量；

步驟5：構造隨機森林決策樹分類器；

步驟6：構造隨機森林孤島辨識系統；

步驟7：采用Matlab/Simulink搭建光伏并網發電仿真模型，驗證所提孤島檢測方法的可行性。

2.如權利要求1所述的基于能量特性與隨機森林的光伏并網發電孤島檢測方法，其特征在于，所述將采樣得到的PCC電壓信號進行小波包分析處理包括：

對所提取的PCC電壓信號進行三層小波包分解，由三層小波包分解，原始信號滿足下式：

S＝AAA3+DAA3+ADA3+DDA3+AAD3+DAD3+ADD3+DDD3

對PCC電壓信號進行分解重構處理，設則可以表示為：

小波包分解的過程為：

式中，d_l^j+1,n，d_l^j,2n，d_l^j,2n+1為小波包分解系數；a_k-2l為低通濾波器系數；b_k-2l為高通濾波器系數；

PCC電壓信號的小波包重構可由和求得，即：

3.如權利要求1所述的基于能量特性與隨機森林的光伏并網發電孤島檢測方法，其特征在于，所述提取PCC電壓信號的小波包特征能量值包括：

獲取不同頻段在某個采樣時段內的信號平方和，即為此時刻的特征能量，如下表示：

其中，E_(i，j)表示第i層上的第j個節點的特征能量值，m表示第m個采樣時刻，S_(i,j)為采樣信號，t₁和t₂表示采樣時段的起始和截止時刻。

4.如權利要求1所述的基于能量特性與隨機森林的光伏并網發電孤島檢測方法，其特征在于，所述將提取到的PCC電壓信號的小波包特征能量值進行組合，構造孤島檢測的輸入特征向量包括：

將第三層的8個節點的特征能量進行組合，構造特征向量T：

T＝[E_(3,0),E_(3,1),E_(3,2),E_(3,3),E_(3,4),E_(3,5),E_(3,6),E_(3,7)」

對特征向量T歸一化處理，得到特征向量T’，其中，E₀,E₁,…E₇分別表示并網系統正常運行時各頻段的小波包特征能量值：

5.如權利要求1所述的基于能量特性與隨機森林的光伏并網發電孤島檢測方法，其特征在于，所述構造隨機森林決策樹分類器包括：

假設隨機森林是由一組決策樹分類器{h(X,θ_k),k＝1,2,…,n}組合的集成分類器，其中序列{θ_k,k＝1,2,…K}相互獨立且分布相同，K是決策樹的數目；當原始樣本集X確定時，通過各決策樹分類器共同投票決定最終結果：

其中，H(x)為組合分類模型；I(·)為示性函數；h_i(x)為單個決策樹分類模型；Y為輸出變量；

基于隨機森林的孤島辨識算法具有一定的收斂性，確定一組決策樹{h₁(x),h₂(x),…,h_k(x)}，從服從隨機分布的原始樣本集(X,Y)中進行隨機抽樣，定義余量函數為如下式：

隨機森林的泛化誤差和收斂表達式可以表示為：