基于人工免疫算法的分布式发电系统孤岛检测研究

论文摘要

随着分布式发电在电力生产中所占比重的增加，对电力系统的影响越来越大，分布式发电与大电网的并列运行将引起一系列的问题，其中最重要的问题之一即为分布式发电系统的孤岛检测。孤岛检测方法主要可分为两大类——有源孤岛检测和无源孤岛检测。分布式发电系统有源孤岛检测方法虽然灵敏度高，但不可避免地将引起系统的供电质量下降和系统的不稳定，而现有的无源孤岛检测方法都存在非检测区大的缺点。本文在现有文献的基础上，针对分布式发电系统中谐波模式随分布式电源和负荷不断变化的问题，提出了基于人工免疫系统谐波功率模式识别的分布式发电系统无源孤岛检测方法。首先研究分布式发电系统中谐波模式的表示方法，分析了电流谐波功率的计算和谐波功率状态空间映射。为减小状态空间的维数，将分布式发电系统中奇次谐波频谱分段积分，映射到二维状态空间。然后采用模式识别中的聚类分析研究了分布式发电系统的孤岛检测方法。阴性选择算法是免疫系统识别外来抗原最基本的机理，本文通过分析人工免疫系统中阴性选择算法的二进制匹配规则，比较r-连续匹配规则、r-块匹配规则和Hamming距离匹配规则的性能，提出了具有检测规则的阴性选择算法，并采用遗传算法生成检测规则，从而使生成的规则数量最少并达到很好的非我状态空间覆盖。详细分析了生物免疫系统B细胞和T细胞识别外来抗原的机理，研究了B细胞基因重组和超变异机制，T细胞识别抗原时与B细胞的相互作用，提出了实现孤岛检测的T模块检测器和B模块检测器模型。T检测器直接用于检测分布式发电系统的孤岛谐波功率模式，T模块可以采用随机初始化方式生成，通过在孤岛检测过程不断学习新的谐波模式和调整其运行工作点，适应分布式发电系统中谐波模式的变化。B模块不直接用于检测孤岛运行状态的谐波模式，而是通过变异和克隆机制，与测量得到的外部编码向量相互作用，将其结果送到T模块，从而改进T模块在状态空间中的覆盖。为控制B模块的数量，B模块的克隆向量引入了死亡机制，这样实现了用有限的检测器检测几乎无限的电流谐波功率模式，并将算法的复杂程度限制到可实际应用的大小。实际应用中，要得到充分的分布式发电系统孤岛运行时的谐波模式一般很困难，因此本文将分布式发电系统并网运行的谐波模式作为有导师学习算法的输入，采用实数阴性选择算法提取孤岛谐波模式的非我样本。运用数值估计的方法，根据分布式发电系统并网运行的自我样本子集，估计出自我状态空间体积，计算出抗体覆盖非我状态空间的数量。然后采用模拟退火算法优化抗体集合在非我状态空间中的分布，通过神经网络分类算法实现孤岛模式的检测。本文采用电力系统电磁暂态仿真软件PSCAD和Matlab对所提出的孤岛检测算法进行了仿真计算，仿真结果证明了算法的正确性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 分布式发电系统孤岛检测的研究意义
• 1.2 分布式发电系统孤岛检测的主要方法及特点
• 1.3 分布式发电系统孤岛检测技术的研究现状
• 1.3.1 孤岛的远程检测方法
• 1.3.2 孤岛的本地检测方法
• 1.4 人工免疫系统研究现状及其在模式识别方面的应用
• 1.4.1 人工免疫系统的研究现状
• 1.4.2 人工免疫系统在模式识别方面的应用
• 1.5 本文的主要研究内容
• 第2章 基于谐波模式识别的孤岛检测
• 2.1 谐波功率
• 2.1.1 电流谐波功率
• 2.1.2 电流谐波功率的计算
• 2.2 电流谐波功率测量实际考虑的问题
• 2.3 基于谐波功率模式识别的孤岛检测
• 2.3.1 谐波功率状态空间映射
• 2.3.2 数据聚类
• 2.4 计算实例
• 2.5 本章小结
• 第3章 用于孤岛检测的人工免疫系统原理
• 3.1 生物免疫系统
• 3.1.1 免疫系统的结构和功能
• 3.1.2 免疫系统的计算机理
• 3.2 人工免疫系统概况
• 3.2.1 基于算法的阴性选择
• 3.2.2 独特型网络和克隆选择算法
• 3.2.3 基于自然免疫系统结构的人工免疫系统软件和硬件结构
• 3.2.4 混合免疫系统模型
• 3.3 阴性选择算法
• 3.3.1 阴性选择算法的二进制匹配规则
• 3.3.2 二进制匹配规则性能分析
• 3.3.3 具有检测规则的阴性选择算法
• 3.3.4 仿真算例
• 3.4 生物免疫系统的模式识别
• 3.4.1 B细胞受体
• 3.4.2 T细胞受体
• 3.5 本章小结
• 第4章 基于免疫原理的分布式发电孤岛检测方法
• 4.1 基于免疫原理的孤岛检测算法原理
• 4.1.1 T模块
• 4.1.2 B模块
• 4.2 亲合度计算
• 4.3 计算实例
• 4.3.1 孤岛系统3的检测结果
• 4.3.2 孤岛系统2的检测结果
• 4.4 本章小结
• 第5章 基于混合人工免疫算法的孤岛检测
• 5.1 混合免疫学习算法基本原理
• 5.2 实数阴性选择算法
• 5.3 覆盖非我状态空间抗体数量的确定
• 5.3.1 自我/非我状态空间体积计算
• 5.3.2 初始抗体集计算
• 5.4 抗体分布的改善
• 5.4.1 模拟退火算法
• 5.4.2 优化抗体集覆盖非我空间的算法
• 5.5 计算实例
• 5.5.1 基于实数阴性选择算法的混合孤岛检测方法
• 5.5.2 基于改进实数阴性选择算法的混合孤岛检测方法
• 5.6 本章小结
• 结论
• 参考文献
• 攻读博士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介