張二帥，唐圣學(xué)，王永謙，胡雪松

（1.河北工業(yè)大學(xué) 電磁場與電器可靠性省部共建重點實驗室，天津 300130；2.北京北變微電網(wǎng)有限公司，北京 100037）

0 引言

隨著包含了傳統(tǒng)和可再生能源技術(shù)的分布式發(fā)電（Distribute Generation，DG）技術(shù)擁有越來越高的滲透力，電力系統(tǒng)正發(fā)生正越來越大的變化.分布式發(fā)電技術(shù)具有靈活穩(wěn)定的優(yōu)勢、經(jīng)濟清潔的特點，既可以孤島運行向本地負載供電，也可以與主電網(wǎng)并網(wǎng)運行.分布式發(fā)電在發(fā)展同時，對其安全穩(wěn)定運行也提出了新的要求.在光伏發(fā)電并網(wǎng)中，不可忽視的一項挑戰(zhàn)技術(shù)就是孤島效應(yīng)，即當(dāng)光伏發(fā)電并網(wǎng)的逆變器在主電網(wǎng)因故障、檢修等原因跳閘后的短時間內(nèi)未能及時檢測出停電狀態(tài)而沒有與主電網(wǎng)斷開，系統(tǒng)仍然向負載供電，便會發(fā)生孤島現(xiàn)象.孤島現(xiàn)象的出現(xiàn)會導(dǎo)致許多影響生產(chǎn)安全的嚴(yán)重后果，比如危及電網(wǎng)線路維修人員安全，影響電能傳輸質(zhì)量等，所以對孤島狀態(tài)的檢測極為重要[1].

孤島檢測最基本的方法是通過檢測公共接入點（PCC）的電壓幅值和頻率來判別并網(wǎng)系統(tǒng)是否處于孤島狀態(tài).J.S.smith提出了一種新的自適應(yīng)信號分析方法即局部均值分解技術(shù)（Local Mean Decomposition，LMD），文獻 [2]介紹了LMD方法在軸承故障診斷中的應(yīng)用，文獻 [3]實現(xiàn)了LMD分解在電能質(zhì)量檢測上的應(yīng)用.本文結(jié)合LMD方法，提出了一種基于LMD局部均值分解的孤島檢測技術(shù)，使其能夠更加有效的檢測孤島狀態(tài)，最后搭建孤島檢測仿真模型并進行了仿真驗證.

1 孤島檢測電路分析

典型的光伏逆變器與電網(wǎng)和本地負載相連接方式如圖1所示.圖中沒有體現(xiàn)出具體的分布式電源，僅僅以逆變器DG作為接口，代表了分布式電源.逆變器并網(wǎng)運行時，分布式電源通過斷路器與電網(wǎng)相連，兩個電源同時為負載提供功率，PDG、QDG為分布式電源輸出的有功、無功功率，PL，QL為負載的有功、無功功率，ΔP、ΔQ為負載從電網(wǎng)獲得的有功和無功功率.

可得

其中：VPCC為PCC點的電壓；R、L、C分別為負載的電阻、電感和電容值；ω為系統(tǒng)角頻率.進一步整理可得

圖1 微電網(wǎng)并網(wǎng)示意圖Fig.1 Diagram of micro-grid connected grid

其中Qf為負載的品質(zhì)因數(shù).

孤島發(fā)生后，主網(wǎng)不再提供功率，分布式電源的輸出功率不會在瞬間發(fā)生變化，因此孤島內(nèi)部一般會有一定的功率缺額.由于P、Q的存在，PCC點的電壓幅值及頻率會發(fā)生變化，變化規(guī)律為：若分布式電源發(fā)出的功率P大于負載所需要的功率Pload則會導(dǎo)致PCC點的電壓升高，反之若分布式電源發(fā)出的功率P小于負載所需要的功率Pload則會導(dǎo)致PCC點的電壓下降.與電壓幅值相比，頻率的變化與有功功率、無功功率的變化都有關(guān)系[4].孤島檢測出現(xiàn)盲區(qū)的的條件是系統(tǒng)有功和無功功率平衡，所以當(dāng)孤島發(fā)生后電網(wǎng)電壓的幅值和頻率沒有發(fā)生變化，即ΔP=0、ΔQ=0，這樣則無法判斷出是否發(fā)生了孤島，便不能使光伏系統(tǒng)和主電網(wǎng)分離，即孤島監(jiān)測失敗.

2 局部均值分解算法

2005年，Smith提出了局部均值分解算法（Local Mean Decomposition，LMD），可將從復(fù)雜的原始信號中分離出純調(diào)頻信號和包絡(luò)信號，將純調(diào)頻信號和包絡(luò)信號相乘可以得到一個瞬時頻率具有物理意義的PF分量.LMD采用滑動平均方法擬合包絡(luò)函數(shù)，避免了過包絡(luò)、欠包絡(luò)現(xiàn)象，另外，LMD通過除以包絡(luò)函數(shù)得到PF，“篩分”次數(shù)較少[5].LMD已成功應(yīng)用于機械故障診斷[6]和電能質(zhì)量分析[7]等領(lǐng)域.

對于給定的任意信號x（t），對其分解過程進行簡單計算介紹[8-9]：

2）求信號h11（t）=x（t）-m11（t），得到調(diào)頻信號：s11（t）=h11（t）/a11（t），如果a1n（t）等于1，則該包絡(luò)估計函數(shù)是純調(diào)頻信號，反之，重復(fù)迭代，直到s11（t）成為純調(diào)頻信號，如式（5）所示：

為了避免過多分解次數(shù)，可以設(shè)置一個變量δ，當(dāng)1-δ?a1n（t）?1+δ時，迭代終止.

3）求幅值包絡(luò)信號a1（t），即瞬時幅值函數(shù)：

4）將上式得到的包絡(luò)信號a1（t）與純調(diào)頻信號S1n（t）做乘積，得到原始信號的第1個PF分量

此PF分量包含原信號中頻率最高的成分，其瞬時頻率f1（t）由S1n（t）求出，即

7）將得到的最高頻分量從x（t）中分離出來，得到新的初始信號u1（t）進行相同的計算，一直到得到的ui（t）單調(diào)

原始信號可以表示為

3 基于LMD分解相位的孤島檢測技術(shù)

被動式孤島檢測方法原理簡單并且易于實現(xiàn)，由于沒有向系統(tǒng)添加電流或者諧波等干擾量，對系統(tǒng)的穩(wěn)定性和電網(wǎng)的電能質(zhì)量基本上沒有影響，但是這種方法對逆變器輸出功率與負載功率的匹配程度有嚴(yán)格要求，檢測盲區(qū)大并且檢測時間長.并且當(dāng)孤島發(fā)生時，由于逆變器輸出端的阻抗發(fā)生變化，引起公共接入點電壓諧波發(fā)生變化，還有逆變器較高的開關(guān)頻率也會造成PCC點電壓信號諧波含量過高，從而影響對孤島狀態(tài)的判斷.

針對這種情況，本文結(jié)合被動式孤島檢測原理和局部均值分解技術(shù)，首先采集公共耦合點處電壓和逆變器電流，對得到數(shù)據(jù)利用局部均值分解處理，得到一系列PF分量，再提取處理后的信號的幅值和頻率，與設(shè)定的閾值進行比較，從而判斷出系統(tǒng)工作狀態(tài)：當(dāng)判斷出孤島狀態(tài)時，切斷系統(tǒng)和電網(wǎng)的連接，實施孤島保護；當(dāng)判斷系統(tǒng)并未處于孤島狀態(tài)時，不實施孤島保護.由于LMD算法能有效地處理非平穩(wěn)信號，能自適應(yīng)地將信號進行逐級分解，分解后得到的PF分量突出了數(shù)據(jù)的特性，能有效地反映信號的本質(zhì)特征[10].

圖2 檢測流程Fig.2 Process of detection

圖3 諧波含量較高的PCC點電壓Fig.3 Voltage of PCC point with high harmonic content

關(guān)于特征量的選取及其處理，本文采用LMD分解再提取特征量比較閾值進行孤島檢測，先要選擇系統(tǒng)中PCC點電壓進行LMD分解，然后提取兩個周期即0.04 s內(nèi)的電壓信號，求其在這兩個電壓周期的平均值，然后將分解后的PF信號幅值的平均與設(shè)定閾值比較，關(guān)于閾值的設(shè)置，分別設(shè)定一個上限值和一個下限值，設(shè)定上限值的目的是防止電壓小范圍波動時引起誤判，設(shè)定下線值可以將孤島狀態(tài)與PCC點短路等非孤島狀態(tài)分別開，這樣的設(shè)置對孤島狀態(tài)的檢測有較高的辨識度，能夠區(qū)分許多干擾狀態(tài).此外，為了進一步提高檢測的可靠性，本方法還提取了逆變器處的電流進行分解比較，作為對PCC點電壓判別的補充.

4 仿真建模

根據(jù)上述孤島檢測原理，在matlab/simulink環(huán)境下搭建模型（圖4） 進行分析[11]，其中分布式電源用直流源代替VDC=400 V，電網(wǎng)電壓VAC=311 V，濾波電感L1=5 mH，濾波電容R1=1 Ω，負載RLC的電阻電感電容分別為10 Ω、1 mH，0.9 μF.設(shè)置頻率為50 Hz，仿真時長為0.2 s.并輸出了逆變器電流、PPC點電壓、電網(wǎng)電流和電網(wǎng)電壓4種波形.其中，提取了PCC點電壓用來進行下一步分解.

圖4 孤島檢測仿真模型Fig.4 Simulation circuit of islanding detection

所示仿真模型中共設(shè)計了1種孤島狀態(tài)和3組非孤島對照狀態(tài)以檢驗孤島檢測效果：1）孤島狀態(tài)，圖4中S斷開，分布式發(fā)電系統(tǒng)脫離電網(wǎng)形成孤島；2）本地負載突變狀態(tài)，圖4中開關(guān)S2由斷開突然轉(zhuǎn)為閉合，將額外負載加入電路；3）本地短路狀態(tài)，將圖4中開關(guān)S1由斷開轉(zhuǎn)為閉合，使PCC點對地短路；4）電網(wǎng)電壓突變狀態(tài)，將圖4中的電源AC降為之前的80%[12].其仿真結(jié)果輸出如圖5～圖8所示.

圖5 電網(wǎng)斷開時的波形Fig.5 Waveform when off the network

圖6 發(fā)生短路時的波形Fig.6 Waveform when short circuit

圖7 負載突變時的波形Fig.7 Waveform when load mutation

圖8 電網(wǎng)電壓突變時的波形Fig.8 Waveform when grid voltage changes

5 檢測結(jié)果分析

仿真結(jié)束后對PCC點的電壓進行LMD分解，將分解后的特征量利用神經(jīng)網(wǎng)絡(luò)進行識別判定可以得出：圖9是模擬發(fā)生孤島狀態(tài)，開關(guān)S在0.1 s斷開時PCC點電壓的LMD分解情況，判定為孤島狀態(tài)，實施保護.圖10是模擬負載短路狀態(tài)，開關(guān)S1在0.1 s閉合時PCC點電壓的LMD分解情況；圖11是模擬負載突變狀態(tài)，開關(guān)S2在0.1 s閉合時PCC點電壓的LMD分解情況；圖12是模擬電網(wǎng)電壓突變狀態(tài)，電源AC在0.1 s突變?yōu)橹暗?0%時PCC點電壓的LMD分解情況，以上3種情況均判定為非孤島狀態(tài)，不必實施保護.

圖9 電網(wǎng)斷開時LMD分解圖Fig.9 LMD Waveform off the network

圖10 發(fā)生短路時時LMD分解圖Fig.10 LMD Waveform when short circuit

圖11 負載突變時LMD分解圖Fig.11 LMD Waveform when load mutation

圖12 電網(wǎng)電壓突變時LMD分解圖Fig.12 LMD Waveform when grid voltage changes

6 結(jié)論

本文針對被動式孤島檢測法檢測盲區(qū)大、檢測時間長以及主動式孤島檢測法對電能質(zhì)量有較大干擾缺點，提出了一種新型的被動式孤島檢測方法.該方法對從公共耦合點處提取的電壓信號進行局部均值分解處理，將其分解為有限個瞬時頻率具有物理意義的PF分量之和，而每一個PF分量實際上是一個單分量的調(diào)幅和調(diào)頻信號，從而進一步判斷是否出現(xiàn)孤島現(xiàn)象.在matlab/simulink環(huán)境下搭建模型對該方法進行仿真，結(jié)果表明，在并網(wǎng)逆變器與電網(wǎng)斷開及負載短路、突變、電網(wǎng)電壓突變的情況下，此檢測方法能準(zhǔn)確地對孤島狀態(tài)和各種非孤島狀態(tài)進行判斷、識別，該方法比傳統(tǒng)的被動式孤島檢測方法檢測盲區(qū)小反應(yīng)時間快，可靠性高.同時，由于本檢測方法不需要對系統(tǒng)引入擾動量或增加額外的電路，因而不會對系統(tǒng)的穩(wěn)定性和電能質(zhì)量產(chǎn)生不良影響.因此該檢測方法比傳統(tǒng)的被動式檢測方法在孤島檢測上更具有效性和穩(wěn)定性，對分布式光伏并網(wǎng)發(fā)電系統(tǒng)的孤島保護有一定的應(yīng)用價值.

[1] 程啟明，王映斐，程尹曼，等.分布式發(fā)電并網(wǎng)系統(tǒng)中孤島檢測方法的綜述研究[J].電力系統(tǒng)保護與控制，2011，39（6）：147-154.

[2] 楊宇，王歡歡，程軍圣，等.基于LMD的包絡(luò)譜特征值在滾動軸承故障診斷中的應(yīng)用[J].航空動力學(xué)報，2012，27（5）：1153-1158.

[3] 胡曉波，曹文思.局部均值分解在電能質(zhì)量擾動檢測中的研究[J].電氣自動化，2016，38（2）：56-60.

[4] 席攀，王致杰，袁建華，等.微電網(wǎng)的被動式孤島檢測方法綜述[J].電氣自動化，2015，37（3）：68-70.

[5] 黨克，楊富磊，宮譯淳，等.分布式并網(wǎng)發(fā)電系統(tǒng)孤島檢測方法綜述[J].電力電子技術(shù)，2016，50（1）：45-48.

[6] 韓劍鵬，魯改鳳，曹文思.基于LMD法的電力系統(tǒng)暫態(tài)擾動檢測技術(shù)研究[J].鄭州大學(xué)學(xué)報（工學(xué)版），2016，37（1）：29-33.

[7] 宋海軍，黃傳金，劉宏超，等.基于改進LMD的電能質(zhì)量擾動檢測新方法[J].中國電機工程學(xué)報，2014，34（10）：1700-1708.

[8] Smith J S.The local mean decomposition and its application to EEG perception data[J].Journal of the Royal Society Interface，2005，2（5）：443-454.

[9] 程軍圣，史美麗，楊宇.基于LMD與神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷方法[J].振動與沖擊，2010，29（8）：141-144..

[10]尹立敏，張宇，張東建.基于LMD的神經(jīng)網(wǎng)絡(luò)算法在電力系統(tǒng)故障檢測中的應(yīng)用 [C]//The International Conference on Power Electronics and Intelligent Transportation System.2010.

[11]謝敏，王軍，何建平，等.一種改進的分布式發(fā)電孤島檢測方法[J].電測與儀表，2014，51（18）：20-24.

[12]謝東，張興，曹仁賢.基于小波變換與神經(jīng)網(wǎng)絡(luò)的孤島檢測技術(shù)[J].中國電機工程學(xué)報，2014，34（4）：537-544.