小波熵和BP神经网络在孤岛检测与扰动辨识中的应用

梁雪飞，陈歆技

(东南大学电气工程学院，江苏南京210096)

伴随着全球范围内的能源危机，新能源技术受到了世界各国更多的关注。风力发电、光伏发电等分布式电源（DG）接入系统可能引起的孤岛现象受到人们越来越多的重视，孤岛检测成为光伏系统并网所必须解决的一个技术问题[1，2]。传统的孤岛检测技术主要检测电压与频率的波动；与被动检测法相比，主动检测法可以在降低检测盲区的同时，有效地判别孤岛的发生，但其向系统中注入的扰动变量对电能质量的影响不可忽视[3]；同时，电力系统中可能存在电压或频率波动、谐波或噪声等污染，这些因素给孤岛现象的检测带来了一定的困难[4-8]，因此，如何有效区分系统扰动与孤岛现象的发生成为孤岛检测检测技术的关键。

小波熵[9，10]以其出色的信号分析与处理能力广泛地应用于电力系统的故障检测与诊断中。神经网络[11，12]作为人工智能算法，其实质反映了输入转化为输出的一种数学表达式，能够通过对输入样本的训练，提取信号的特征，进而对输入的检测信号进行有效分类与辨识。以公共耦合点的电压作为采样信号，借助BP神经网络，通过小波熵值的变化对孤岛的发生进行有效检测，理论与仿真验证表明，该算法能够准确识别孤岛发生与电压扰动，从而避免光伏逆变器的误动作。

1 基于多分辨率分析的小波变换与小波熵

1.1 基于多分辨率分析的小波分解与重构

（1）对长度为N的离散信号采用Mallat算法[13]进行处理，将上一级信号通过高通滤波器Hi_D与低通滤波器Lo_D后，分别得到原信号的细节分量与近似分量，如式（1）所示；……