基于人工免疫算法的分布式發(fā)電系統(tǒng)孤島檢測研究.pdf

1、隨著分布式發(fā)電在電力生產(chǎn)中所占比重的增加，對電力系統(tǒng)的影響越來越大，分布式發(fā)電與大電網(wǎng)的并列運行將引起一系列的問題，其中最重要的問題之一即為分布式發(fā)電系統(tǒng)的孤島檢測。孤島檢測方法主要可分為兩大類——有源孤島檢測和無源孤島檢測。分布式發(fā)電系統(tǒng)有源孤島檢測方法雖然靈敏度高，但不可避免地將引起系統(tǒng)的供電質(zhì)量下降和系統(tǒng)的不穩(wěn)定，而現(xiàn)有的無源孤島檢測方法都存在非檢測區(qū)大的缺點。本文在現(xiàn)有文獻的基礎上，針對分布式發(fā)電系統(tǒng)中諧波模式隨分布式電源和負荷

2、不斷變化的問題，提出了基于人工免疫系統(tǒng)諧波功率模式識別的分布式發(fā)電系統(tǒng)無源孤島檢測方法。 首先研究分布式發(fā)電系統(tǒng)中諧波模式的表示方法，分析了電流諧波功率的計算和諧波功率狀態(tài)空間映射。為減小狀態(tài)空間的維數(shù)，將分布式發(fā)電系統(tǒng)中奇次諧波頻譜分段積分，映射到二維狀態(tài)空間。然后采用模式識別中的聚類分析研究了分布式發(fā)電系統(tǒng)的孤島檢測方法。 陰性選擇算法是免疫系統(tǒng)識別外來抗原最基本的機理，本文通過分析人工免疫系統(tǒng)中陰性選擇算法的二進制

3、匹配規(guī)則，比較 r-連續(xù)匹配規(guī)則、r-塊匹配規(guī)則和Hamming距離匹配規(guī)則的性能，提出了具有檢測規(guī)則的陰性選擇算法，并采用遺傳算法生成檢測規(guī)則，從而使生成的規(guī)則數(shù)量最少并達到很好的非我狀態(tài)空間覆蓋。 詳細分析了生物免疫系統(tǒng)B細胞和T細胞識別外來抗原的機理，研究了B細胞基因重組和超變異機制，T細胞識別抗原時與B細胞的相互作用，提出了實現(xiàn)孤島檢測的T模塊檢測器和B模塊檢測器模型。T檢測器直接用于檢測分布式發(fā)電系統(tǒng)的孤島諧波功率模式

4、，T模塊可以采用隨機初始化方式生成，通過在孤島檢測過程不斷學習新的諧波模式和調(diào)整其運行工作點，適應分布式發(fā)電系統(tǒng)中諧波模式的變化。B模塊不直接用于檢測孤島運行狀態(tài)的諧波模式，而是通過變異和克隆機制，與測量得到的外部編碼向量相互作用，將其結果送到T模塊，從而改進T模塊在狀態(tài)空間中的覆蓋。為控制B模塊的數(shù)量，B模塊的克隆向量引入了死亡機制，這樣實現(xiàn)了用有限的檢測器檢測幾乎無限的電流諧波功率模式，并將算法的復雜程度限制到可實際應用的大小。

5、 實際應用中，要得到充分的分布式發(fā)電系統(tǒng)孤島運行時的諧波模式一般很困難，因此本文將分布式發(fā)電系統(tǒng)并網(wǎng)運行的諧波模式作為有導師學習算法的輸入，采用實數(shù)陰性選擇算法提取孤島諧波模式的非我樣本。運用數(shù)值估計的方法，根據(jù)分布式發(fā)電系統(tǒng)并網(wǎng)運行的自我樣本子集，估計出自我狀態(tài)空間體積，計算出抗體覆蓋非我狀態(tài)空間的數(shù)量。然后采用模擬退火算法優(yōu)化抗體集合在非我狀態(tài)空間中的分布，通過神經(jīng)網(wǎng)絡分類算法實現(xiàn)孤島模式的檢測。 本文采用電力系統(tǒng)電磁暫