应用于直流微电网的RUSBoost孤岛检测方法

本发明属于直流微电网孤岛检测，具体为应用于直流微电网的rusboost孤岛检测方法。

背景技术：

1、随着新能源的迅速发展，分布式发电技术也逐渐成为大电网重要的电能支撑，但光伏发电、风力发电等具有间歇和波动性，使得分布式电源在直接并网过程中存在着巨大的挑战，而微电网既可以与大电网联网运行，也可以孤立运行，极大提高配电系统对分布式电源的接纳能力，同时提高了能源利用效率。由于分布式光伏、储能装置、电动汽车、家用电器以及多数负荷都具有直流输出输入的特性，因此相比于交流微电网，直流微电网不仅可以减少系统中交直流变换环节的能量损耗，而且也提高系统效率和可靠性，同时控制复杂程度及建设成本都较低。

2、直流微电网的运行方式主要分为并网运行与孤岛运行。并网运行模式是指分布式电源、负载、储能装置等与大电网相连接，大电网用于平衡功率，维持母线电压的稳定；而微电网的孤岛运行模式则是指在大电网停电检修或者发生异常故障时，其他装置与大电网的连接断开，微网内仅存在分布式电源、负载和储能装置，此时母线电压受系统内部功率波动影响，而储能装置需转变工作模式维持母线电压。

3、孤岛运行又分为计划孤岛和非计划孤岛两种，由于需要调度断开或者人为断开主电网与微电网的连接而形成的称为计划孤岛；由于主电网发生故障或其他原因断开主电网与微电网的连接形成的称为非计划孤岛。非计划孤岛会对用户或系统造成一定危害，无论是从安全方面还是从稳定性方面考虑，微电网孤岛检测都是必要且必需的。

4、在直流微电网中，由于没有频率、相位等电气量，主要依靠公共耦合点(pcc)的电压幅值的变化来判断孤岛检测，因此应用于直流系统的孤岛检测方法更加稀缺且困难。目前，孤岛检测方法可以分为三类：远程法、被动法和主动法。其中远程法主要依赖通信技术，监测并传输断路器状态信息，此方法虽然准确率极高，但受限于高额的成本；被动法是基于pcc的电压阈值，超出阈值从而判定孤岛，被动法计算简单、响应速度快，但存在较大非检测区(ndz)；而主动法则是通过注入小扰动，检测由扰动引起的电气量的变化情况，判断孤岛的发生从而减小或消除检测盲区，但扰动的注入会影响供电质量。可见传统方法对于解决检测盲区并保持良好的电能质量的需求难以同时实现，但随着机器学习和深度学习等人工智能技术的发展，针对传统孤岛检测技术存在的问题，数据挖掘中的智能孤岛检测法逐渐被提出。

技术实现思路

1、本发明的目的是提供应用于直流微电网的rusboost孤岛检测方法，解决了现有检测方法检测速度慢且准确率低的问题。

2、本发明所采用的技术方案是，应用于直流微电网的rusboost孤岛检测方法，具体按照以下步骤进行：

3、步骤1、分别采集并网与孤岛状态下的电气特征量的历史数据，形成不平衡数据集；

4、步骤2、将历史数据作为训练集，并进行预处理，形成训练样本集；

5、步骤3、基于分类与回归树决策树完成孤岛弱分类器的构建，而后组成孤岛检测的强分类器，利用混淆矩阵评估模型正确性，建立基于rusboost的孤岛检测模型；

6、步骤4、将构建的基于rusboost的孤岛检测模型应用于微电网系统中，根据电压电流实时数据进行并网与孤岛状态的分类。

7、本发明的特点还在于，

8、步骤1中，具体为：

9、步骤1.1、直流微电网在并网运行时，分布式电源、负载及电网三者功率处于动态平衡，建立直流微电网功率平衡关系式，如式(1)所示；

10、

11、其中，pl为负载功率，pg为大电网输出功率，pdg为分布式电源输出功率，upcc为pcc点电压，rl为负载等效电阻；

12、在孤岛运行且储能单元未切换工作模式时，pcc处电压随系统内功率波动而变化，此时分布式电源输出功率关系式，如式(2)所示；

13、

14、式(2)中，u′pcc为孤岛运行时pcc点的电压，δu为并网运行时电压与孤岛运行时电压差值；

15、步骤1.2、将式(2)带入式(1)中，消去pdg，得到直流微电网孤岛发生前后pcc点电压变化量δu的关系式，如式(3)所示：

16、

17、则对应的电流变化量δi如式(4)所示：

18、

19、将pcc电压、负载电流、pcc电压变化率、负载电流变化率作为孤岛检测有效的特征电气量并采集相关历史数据；分别采集并网与孤岛状态下的电气特征量的历史数据，形成不平衡数据集，不平衡数据集包括多数类样本和少数类样本；并网状态下的数据为多数类样本，孤岛状态下的数据为少数类样本。

20、步骤2中，具体为：利用rus方法采样不平衡数据集，通过随机删除多数类样本，从而满足多数类样本和少数类样本的比例为1：1；形成建立训练样本集g，包含特征参数x和类标签y，其数据模型如下式所示：

21、g＝{x,y}                   (5)；

22、x＝{x1,x2,…xi…,xj}t           (6)；

23、y＝{y1,y2,…yi…,yj}t              (7)；

24、式中：xi为第i行样本中特征量的数值；j为训练样本集中的样本总数；yi为第i行样本的类别；

25、其中，特征参数x指所选用的孤岛特征电气量，类标签y指微电网的运行状态，即用“0”表示并网状态，“1”表示孤岛状态。

26、步骤3中，具体为：

27、步骤3.1、构建弱分类器即cart分类器；初始化训练样本集g中每个样本的权重分布，在进行第一次迭代时，为每一个训练样本赋予同样的权值：w1i＝1/j，则训练样本集g的初始权重分布d1为：

28、

29、进行g次迭代后，使用权值分布为dg的训练样本集训练cart分类模型，可以得到在第g次迭代中的k个决策树分类器hgs(x)：

30、hgs(x):y→{-1,1},s＝1,2,…k          (9)；

31、步骤3.2、对以上k个决策树分类器分别计算其分类误差率egs，选择egs最小的分类器作为第g次迭代的弱分类器hg(x)；

32、其中，分类误差率egs代表被分类器hgs(x)误差分类样本对应的权值之和：

33、

34、式中：i为错误分类的样本总数；wgi为第g次迭代时训练样本集中第i个样本的权值；

35、计算弱分类器hg(x)在强分类器中的权重占比αg；

36、

37、更新g+1次迭代所使用的训练样本集的权值分布dg+1；

38、设总迭代次数为k，重复步骤3.2得到所有弱分类器，然后将k个弱分类器结合分类器权重进行线性组合，形成最后的强分类器；

39、步骤3.3、构建完成强分类器后，并将历史数据导入强分类器中进行验证，建立混淆矩阵来评估算法的性能，即可建立基于rusboost的孤岛检测模型。

40、步骤4中，具体为：在微电网系统中嵌入基于rusboost的孤岛检测模型，根据微电网中实际运行情况，实时采集孤岛特征量的数据，并实时判断孤岛与并网，其中并网状态为“0”，孤岛状态为“1”，当孤岛检测模型输出为“1”时，即代表检测出孤岛状态。

41、本发明的有益效果是：本发明方法，将机器学习中的集成分类算法应用在直流微电网中，完成孤岛实时检测过程，即首先提取并网运行与孤岛运行电气特征量的历史数据并离散化，根据一定比例得到训练集与测试集，而后利用rus方法进行抽取，将随机欠采样抽取后的训练集子集输入boost方法中得到训练模型，而后将其应用于直流微电网中进行孤岛的实时检测。该方法与传统的主动、被动法相比，不仅兼顾主动法检测盲区小的优点，也具有被动法检测速度快的优点，而且智能孤岛检测方法不需要考虑阈值整定等问题，不在系统中注入扰动，电能质量也较好。在并网运行时，对于负载功率波动以及光伏功率波动，孤岛检测方法也不会将其误分类为孤岛。相比于远程通信法，孤岛检测方法不需要架设通信线路，结构简单且成本低廉。