分别使用OVP-UVP和OFP-UFP算法以及AFD检测算法实现反孤岛检测simulink建模与仿真

简介: 本课题通过Simulink建模与仿真,实现OVP-UVP、OFP-UFP算法及AFD检测算法的反孤岛检测。OVP-UVP基于电压幅值变化,OFP-UFP基于频率变化,而AFD则通过注入频率偏移信号来检测孤岛效应,确保电力系统安全稳定运行。系统使用MATLAB 2013b进行建模与仿真验证。

1.课题概述
分别使用OVP-UVP和OFP-UFP算法以及AFD检测算法实现反孤岛检测simulink建模与仿真。

2.系统仿真结果

1.jpeg
2.jpeg
3.jpeg
4.jpeg
5.jpeg
6.jpeg
7.jpeg

3.核心程序与模型
版本:MATLAB2013b

db55d72be0a0279e45366750978306f9_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.jpg

function sys=mdlOutputs(t,x,u)
%定义全局变量
global f_i;            
global f_vo;
global f_v_hb;
global f_v_lb;
global theta_i;
global theta_vo;
global isIslanding;
global num0;
global num1;
global step;
global step1;
global k;

%锁相环输出
theta_vo=u(2);
%电压相位为0时更新频率
if abs(theta_vo) < 0.04    
  %数字锁相环输出的电压频率
f_vo=u(1);    
end

%判断是否不是孤岛效应
if(isIslanding==0)    
    %并网电压相位是否过零  
    if abs(theta_vo)<0.04    
      %判断并网电压频率是否越界,根据1547规定,1%的调整,所以就是正负0.5Hz
      if (f_vo>50.5) || (f_vo<49.5)    
            sys         = [0 0];
            %如果超出则为孤岛检测到了
isIslanding = 1;
      else         
      %原始的AFD
f_i=f_vo+2.5;
theta_i=theta_vo;
      end
    else
        if(pi-theta_i<0.03) && (pi-theta_vo>0.03) 
theta_i=pi;
        elseif(2*pi-theta_i<0.03) && (2*pi-theta_vo>0.03) 
theta_i=2*pi;                    
        elseif (pi-theta_vo<0.03) && (pi-theta_i>0.03)
theta_i=pi;
        elseif (2*pi-theta_vo<0.03) && (2*pi-theta_i>0.03)
theta_i=2*pi;
        else
theta_i=theta_i+2*pi*f_i*1e-4;
        end
    end
    %非孤岛输出正弦波
    sys(1)=sin(theta_i);
else
    %孤岛输出零
sys(1)=0;
end

sys(2)=f_vo;

70b941bdfd14cb7ff65f5e64e193142f_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.jpg

```function Out = UVP_OVP_low(In);
V = In;
Level = 216;
if V < Level || abs(V-Level) <= 0.05
Out = 1;
else
Out = 0;
End
function Out = UVP_OVP_up(In);
V = In;
Level = 264;
if V > Level || abs(V-Level) <= 0.05
Out = 1;
else
Out = 0;
End

function Out = UFP_OFP_low(In);
V = In;
Level = 49;
if V < Level || abs(V-Level) <= 0.05
Out = 1;
else
Out = 0;
End
function Out = UFP_OFP_up(In);
V = In;
Level = 51;
if V > Level || abs(V-Level) <= 0.05
Out = 1;
else
Out = 0;
End

```

4.系统原理简介
反孤岛检测是电力系统中一个重要的安全保护措施,用于在分布式发电系统中检测孤岛效应的发生。孤岛效应是指当分布式发电系统与主电网断开连接后,仍然继续向本地负载供电的情况。为了确保电力系统的稳定性和安全性,需要及时准确地检测出孤岛效应并采取相应的控制措施。本文将详细介绍使用OVP-UVP(过压-欠压保护)算法、OFP-UFP(过频-欠频保护)算法以及AFD(主动频率偏移)检测算法实现反孤岛检测的原理,并使用标准的数学公式进行推导和解释。

4.1 OVP-UVP算法

    OVP-UVP算法是一种基于电压幅值的反孤岛检测方法。该方法通过监测分布式发电系统输出电压的幅值来判断是否发生孤岛效应。当分布式发电系统与主电网断开连接后,由于负载的变化和发电机的自激作用,输出电压的幅值可能会发生变化,超过或低于正常范围。
  1. 过压保护(OVP)

    当分布式发电系统输出电压的幅值超过一定阈值时,认为发生了过压故障,可能意味着孤岛效应的发生。过压保护的阈值一般设置为额定电压的110%至120%。
    
  2. 欠压保护(UVP)
    当分布式发电系统输出电压的幅值低于一定阈值时,认为发生了欠压故障,同样可能意味着孤岛效应的发生。欠压保护的阈值一般设置为额定电压的80%至90%。

    设分布式发电系统输出电压的幅值为V,额定电压为V_n,则过压保护和欠压保护的判断条件可以表示为:
    

过压保护:V >V_n × (1 + α),其中α为过压保护系数,一般取0.1至0.2。
欠压保护:V <V_n × (1 - β),其中β为欠压保护系数,一般取0.1至0.2。

4.2 OFP-UFP算法

    OFP-UFP算法是一种基于频率的反孤岛检测方法。该方法通过监测分布式发电系统输出电压的频率来判断是否发生孤岛效应。当分布式发电系统与主电网断开连接后,由于负载的变化和发电机的自激作用,输出电压的频率可能会发生变化,超过或低于正常范围。
  1. 过频保护(OFP)

    当分布式发电系统输出电压的频率超过一定阈值时,认为发生了过频故障,可能意味着孤岛效应的发生。过频保护的阈值一般设置为额定频率的105%至110%。
    
  2. 欠频保护(UFP)

    当分布式发电系统输出电压的频率低于一定阈值时,认为发生了欠频故障,同样可能意味着孤岛效应的发生。欠频保护的阈值一般设置为额定频率的90%至95%。
    

    设分布式发电系统输出电压的频率为f,额定频率为f_n,则过频保护和欠频保护的判断条件可以表示为:

过频保护:f >f_n × (1 + γ),其中γ为过频保护系数,一般取0.05至0.1。
欠频保护:f <f_n × (1 - δ),其中δ为欠频保护系数,一般取0.05至0.1。

4.3 AFD检测算法

   AFD(主动频率偏移)检测算法是一种主动式的反孤岛检测方法。该方法通过向分布式发电系统注入一个微小的频率偏移信号,然后监测输出电压的频率变化来判断是否发生孤岛效应。当分布式发电系统与主电网断开连接后,注入的频率偏移信号会导致输出电压的频率发生变化,从而被检测到。
   设注入的频率偏移信号为Δf,分布式发电系统输出电压的实际频率为f_actual,则AFD检测算法的判断条件可以表示为:

| f_actual - f_n | > Δf

   其中,| x |表示x的绝对值。当实际频率与额定频率的差值的绝对值大于注入的频率偏移信号时,认为发生了孤岛效应。

   OVP-UVP、OFP-UFP和AFD是三种常用的反孤岛检测算法。它们分别基于电压幅值、频率和主动频率偏移的原理来实现对孤岛效应的检测。在实际应用中,可以根据具体的系统需求和性能指标选择合适的算法或组合使用多种算法来提高检测的准确性和可靠性。同时,还需要注意选择合适的阈值和参数以确保算法的灵敏度和误报率满足要求。
相关文章
|
7天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
8天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
9天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
8天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
8天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
25 3
|
13天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA-PSO-SVM算法的混沌背景下微弱信号检测matlab仿真
本项目基于MATLAB 2022a,展示了SVM、PSO、GA-PSO-SVM在混沌背景下微弱信号检测中的性能对比。核心程序包含详细中文注释和操作步骤视频。GA-PSO-SVM算法通过遗传算法和粒子群优化算法优化SVM参数,提高信号检测的准确性和鲁棒性,尤其适用于低信噪比环境。
|
18天前
|
存储 JSON 算法
TDengine 检测数据最佳压缩算法工具,助你一键找出最优压缩方案
在使用 TDengine 存储时序数据时,压缩数据以节省磁盘空间是至关重要的。TDengine 支持用户根据自身数据特性灵活指定压缩算法,从而实现更高效的存储。然而,如何选择最合适的压缩算法,才能最大限度地降低存储开销?为了解决这一问题,我们特别推出了一个实用工具,帮助用户快速判断并选择最适合其数据特征的压缩算法。
27 0
|
22天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
1月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。
|
19天前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。