基于小波包變換的微電網(wǎng)故障特征提取方法研究摘要本文基于一種光儲專用微電網(wǎng)內(nèi)部線路,從光儲微電網(wǎng)的運行特性出發(fā)，分析微電網(wǎng)的運行特性以及內(nèi)部線路故障特征，研究光儲微電網(wǎng)線路的故障診斷問題,首先通過對微電網(wǎng)三相輸出的電壓信號進(jìn)行三層小波包分解,獲取8個不同頻段的三相能量信號,并將其根據(jù)構(gòu)造組合成一組信號特征向量,以此用于RBF神經(jīng)網(wǎng)絡(luò)的信號輸入,通過網(wǎng)絡(luò)訓(xùn)練并進(jìn)行故障特征識別。在Matlab軟件里的Simulink仿真平臺上進(jìn)行仿真,本論文使用的方案應(yīng)用在光儲專用微電網(wǎng)內(nèi)部線路上進(jìn)行故障診斷,滿足了智能化故障微電網(wǎng)運行過程的要求,縮短了智能微電網(wǎng)故障發(fā)生時間，提高微電網(wǎng)故障識別的效率及微電網(wǎng)的高效運行。關(guān)鍵詞：微電網(wǎng)；小波分析；RBF基神經(jīng)網(wǎng)絡(luò)；故障診斷目錄TOC\o"1-3"\h\u11565第一章緒論 第一章緒論1.1本課題研究的背景和意義隨著現(xiàn)代科學(xué)技術(shù)和生產(chǎn)業(yè)技術(shù)的持續(xù)發(fā)展，傳統(tǒng)燃料的短缺、全球能源問題日漸嚴(yán)峻以及其引起的環(huán)境問題也日益加劇。與此同時，風(fēng)能、太陽能等可再生利用能源技術(shù)不斷得到提高與逐漸成熟，并且這些可再生利用能源還具有許多的重要優(yōu)點，從這些趨勢中看出例如：對周圍環(huán)境的大氣污染力度較小、在大量使用這些可再生能源時保證了電力系統(tǒng)正常工作的安全可靠性、能源綜合利用效率高，有效率地解決了大型集中電網(wǎng)中許多潛在用電問題，這無疑暴露出這些可再生能源提供了解決能源問題的新方法，所以得到較大的發(fā)展（李曉東，張文博，王俊宇,2022)。太陽能發(fā)電是人們正常用電的重要保障，所以供電系統(tǒng)的正常運行顯得尤為重要。但是無法準(zhǔn)確預(yù)估的是太陽能、風(fēng)能以及其它這些新能源在實際使用運行過程中會可能出現(xiàn)的一些問題，一旦正在運行中的系統(tǒng)啟動出現(xiàn)這些問題將可能會直接停止正常運行，這將很有可能直接導(dǎo)致整個微電網(wǎng)系統(tǒng)不穩(wěn)定地運行，甚至還有可能直接導(dǎo)致微電網(wǎng)系統(tǒng)的嚴(yán)重癱瘓，微電網(wǎng)系統(tǒng)的故障診斷就在這樣的一個背景下悄然誕生了(劉思韻，陳晨曦，周子和,2023)。微電網(wǎng)故障的精確診斷和快速故障去除技術(shù)可以大大縮短微電網(wǎng)故障發(fā)生時間，減少企業(yè)用戶的直接經(jīng)濟(jì)損失，最大限度地可以確保工業(yè)微電網(wǎng)系統(tǒng)的網(wǎng)絡(luò)穩(wěn)定性、安全性和工作可靠性。微電網(wǎng)指由分布式電源、含有電力電子器件的能量轉(zhuǎn)換裝置、儲能裝置和能夠?qū)ぷ鳡顟B(tài)保護(hù)的裝置等組成的小型發(fā)配電系統(tǒng)，因此一個微電網(wǎng)其實質(zhì)就是一個完全可以獨立工作運行的完整小型發(fā)配電力系統(tǒng)。從中可以表明微電網(wǎng)具有對內(nèi)部設(shè)備以及系統(tǒng)有完全的控制調(diào)度能力和既可以做發(fā)電側(cè)又可以做用電這一側(cè)這兩個特性(張志華，李天佑，王怡萱,2021)。對于這一結(jié)果與葛飛合教授的研究結(jié)果一致，無論是在設(shè)計過程還是最終的分析結(jié)果上面，本階段研究成果在設(shè)計過程中，采用了系統(tǒng)化的研究方法，確保了從概念形成到方案實施的每一步驟都能有據(jù)可依。這兩個特性決定了微電網(wǎng)技術(shù)是沿著電力系統(tǒng)兩個整體開發(fā)的趨勢發(fā)展的，即通過增加分布式能量系統(tǒng)的數(shù)量以及種類來改善能源結(jié)構(gòu)(將新的能源與清潔能源的比率設(shè)定為增加并增加多能互補(bǔ)性)和提高系統(tǒng)整體效率(長距離傳輸損耗的降低和系統(tǒng)的峰值調(diào)整能力的增加)，這在一定程度上預(yù)兆了以及通過產(chǎn)消者(發(fā)電側(cè)和消費者側(cè))的出現(xiàn)來改善提高系統(tǒng)能源的需求響應(yīng)能力(進(jìn)一步降低峰值調(diào)整成本以及系統(tǒng)的峰值調(diào)整能力)和相互連接相互通接能力(利用能源交易的市場化來降低用電能成本)(周逸和，劉思琪，張博文,2021)。微電網(wǎng)利用其先進(jìn)的操作控制方式以及擁有許多的電力電子器件的優(yōu)點，來把分散排布的電源、儲存能量的器件和能夠被掌控的負(fù)荷連接在一起，為了有效保證微電網(wǎng)和其他大規(guī)模電網(wǎng)的安全穩(wěn)定的運行操作，可以實施自動并網(wǎng)運行和自動脫網(wǎng)獨立運行這兩種電網(wǎng)運行系統(tǒng)操作控制方式(王紫萱，陳雪婷，李俊杰,2022)。為了全面評估方案在不同環(huán)境下的適用性，本文還涵蓋了若干典型應(yīng)用場景，并針對每種場景對系統(tǒng)參數(shù)進(jìn)行了優(yōu)化調(diào)整。微電網(wǎng)包含可再生清潔能源等分布式電源，這在某種程度上驗證了具有靈活方便的工作運行特性即可以進(jìn)行并網(wǎng)運行操作也可以進(jìn)行脫網(wǎng)獨立運行操作，提高了分布式電源發(fā)電系統(tǒng)的有效供電量和可靠性并同時充分滿足到了本地用戶對于戶外電能和本地?zé)崮艿牟煌枨螅瑴p少了對本地環(huán)境的直接污染(李博然，趙思源，王瑾萱,2020)。微電網(wǎng)的發(fā)展趨勢越來越趨向智能化和使用靈活化，能夠大大提高分布式電源的綜合利用率，給城鎮(zhèn)居民以及偏遠(yuǎn)的地區(qū)的用戶在用電方面提供了很多好處，因此受到了廣泛的關(guān)注REF_Ref27018\r\h[2]。1.2國內(nèi)外研究現(xiàn)狀1.2.1智能微電網(wǎng)研究現(xiàn)狀目前，許多國家根據(jù)其本國的能源可持續(xù)發(fā)展戰(zhàn)略和發(fā)電系統(tǒng)中會遇到的問題正在陸續(xù)開展關(guān)于智能微電網(wǎng)的研究，按照其本國的實際情況他們推出了對于微電網(wǎng)概念的理解和智能微電網(wǎng)的發(fā)展目標(biāo)。全球各個國家關(guān)于微電網(wǎng)概念提出的先后次序中美國是第一個提出的，該國家允許微電網(wǎng)并網(wǎng)運行并在此基礎(chǔ)上想解決分布式發(fā)電接入大電網(wǎng)過程中安全可靠性方面的問題。歐洲許多國家積極致力于微電網(wǎng)重要技術(shù)的運用和探索，利用智能控制和單片機(jī)等先進(jìn)技術(shù)完成獨立分散式和聚合式能源供應(yīng)的高效率配合，在這種設(shè)定下主動促進(jìn)社會的各個領(lǐng)域參與電力市場，一起推動微電網(wǎng)的發(fā)展(劉凱琳，張宇航，周文博,2019)。智能微電網(wǎng)作為一個新時代快速發(fā)展的新技術(shù)范疇，全球許多國家對于智能微電網(wǎng)的研究展示了許多的可能性和無限的潛在力量。與歐美等發(fā)達(dá)國家相比，中國關(guān)于微電網(wǎng)結(jié)構(gòu)和控制理論的研究開始得相對比較晚，但是隨著國家電網(wǎng)提出了“能源互聯(lián)網(wǎng)”的概念，于是中國的微電網(wǎng)技術(shù)開始快速發(fā)展。在中國，在這樣的背景下積極推進(jìn)微電網(wǎng)技術(shù)是走可持續(xù)發(fā)展道路的具體實施措施，是可以支持中國調(diào)整能源結(jié)構(gòu)、解決偏遠(yuǎn)地區(qū)耗電問題、保護(hù)環(huán)境的有力支撐(王天澤，趙子萱，陳宇和,2023)。1.2.2智能微電網(wǎng)故障診斷的研究現(xiàn)狀近年來，很多太陽能電場發(fā)電站都苦于發(fā)生了不同程度的故障，而且，這對太陽能發(fā)電事業(yè)和社會生產(chǎn)造成了嚴(yán)重的經(jīng)濟(jì)損失?？梢婈P(guān)于對光伏微電網(wǎng)發(fā)電機(jī)組的狀態(tài)進(jìn)行實時的監(jiān)控以便發(fā)生故障時進(jìn)行及時診斷的研究具有其實際和經(jīng)濟(jì)意義。雖然微電網(wǎng)有很多功能，但是目前中國研究微電網(wǎng)還是存在一些問題，例如：在微電網(wǎng)中智能控制等技術(shù)的使用處于起步階段(李星宇，周佳怡，張曉馮,2022)；微電網(wǎng)中的電力電子技術(shù)的使用也不太成熟；在本文的研究過程中不可避免地遇到了一些挑戰(zhàn)和局限，例如在使用既有的理論框架時，本文盡量考慮其適用性和局限性，并通過實證數(shù)據(jù)對其進(jìn)行檢驗和補(bǔ)充，這仍然是一項持續(xù)的任務(wù)。利用已獲成果可以推導(dǎo)出以下觀點對微電網(wǎng)系統(tǒng)的研究沒有大眾認(rèn)可默認(rèn)的技術(shù)準(zhǔn)則；微電網(wǎng)系統(tǒng)中裝置的購買及維修成本比較高。但是，微電網(wǎng)作為智能電網(wǎng)系統(tǒng)的主要構(gòu)成元素，其在生產(chǎn)業(yè)區(qū)、商業(yè)地區(qū)、城市和偏遠(yuǎn)地區(qū)都具有很大的應(yīng)用潛能和無限可能性。如今微電網(wǎng)系統(tǒng)中的重要技術(shù)逐漸成熟得到飛躍式進(jìn)步，因此微電網(wǎng)在電網(wǎng)系統(tǒng)的發(fā)展和應(yīng)用中有許多的潛能和無限可能性(劉思遠(yuǎn)，王文靜，陳嘉瑞,2022)。本文也著重介紹了智能微電網(wǎng)故障診斷與分析，常見的微電網(wǎng)內(nèi)部線路短路故障類型有單相接地短路、兩相短路、兩相接地短路和三相短路等。系統(tǒng)運行時的短路故障除了三相短路是對稱的之外，其他的短路類型都是不對稱的，其中在中性點直接接地系統(tǒng)中最為常見的短路故障類型是單相接地短路，然而三相短路故障的發(fā)生概率相對于其他短路故障來說很低，只占到5%(張文杰，趙瑞婷，李宇翔,2020)。一個電力系統(tǒng)內(nèi)部發(fā)生了除正常工作運行這種情況外的兩個相或者另一相與中性線的發(fā)生接觸時,這可能意味著在整個電力系統(tǒng)中可能發(fā)生了損壞電路板或短路等的故障(王子凡，劉玉婷，張啟航,2022)。在類似研究中，應(yīng)當(dāng)根據(jù)具體問題和對象選擇最合適的方法和技術(shù)手段，以確保研究過程的嚴(yán)謹(jǐn)性和結(jié)論的可靠性。多種方法的綜合使用，如定量分析與定性分析相結(jié)合，通常能提供更加全面和深入的理解。此時,這在某種程度上象征故障短路點的阻抗將瞬間大大減小,甚至極有可能下降為零,這將可能會直接導(dǎo)致電流短時間內(nèi)迅速上升,短路點之前的電壓也可能會隨之降低,電力系統(tǒng)及其整體的正常動作也可能會因此受到很大的影響,嚴(yán)重時系統(tǒng)也會整體崩潰REF_Ref27341\r\h[3]。因此,有必要仔細(xì)分析研究各類電力系統(tǒng)發(fā)生短路供電故障的基本特性和發(fā)生原因,并及時采取有效的對策(李浩宇，陳嘉琪，周晨曦,2022)。一般有電流信號和電壓信號這兩種反映故障的電信號，發(fā)生故障后，電流增加，電壓下降。故障診斷系統(tǒng)需滿足以下條件(劉思涵，張?zhí)煊?，趙文博,2023)REF_Ref27406\r\h[4]：（1）理論上是能夠?qū)崟r地檢查出系統(tǒng)什么時候什么位置出現(xiàn)了故障并且檢測時間越短越好；（2）故障診斷系統(tǒng)的錯誤警報率和忘記警報率不可以太高，在這等條件下以保證故障診斷系統(tǒng)的診斷結(jié)果的正確性來確保系統(tǒng)的安全操作(王天瑞，李梓悅，陳浩然,2022)；本研究不僅證明了現(xiàn)有理論體系的可靠性，還指出了實際應(yīng)用中可能存在的障礙與限制，為后續(xù)研究提供了有價值的參考。（3）故障診斷系統(tǒng)不僅要準(zhǔn)確判斷系統(tǒng)是否發(fā)生故障，還應(yīng)對不同種類的故障進(jìn)行區(qū)別；（4）故障診斷系統(tǒng)應(yīng)具有高魯棒性和良好的適應(yīng)能力，不因為受外部噪聲影響而發(fā)生錯誤的判斷。目前常用的智能故障診斷方法有人工神經(jīng)網(wǎng)絡(luò)(NeuralNetwork,NN)、優(yōu)化算法、Petri網(wǎng)絡(luò)理論、專家系統(tǒng)和模糊理論等REF_Ref27491\r\h[5]，每種方法各有優(yōu)點和缺點。為了克服特定一種方法的缺點，通?；旌蟽煞N或兩種以上的診斷方法來滿足故障診斷的要求(張紫薇，趙俊豪，李詩雅,2021)。近年來不少的論文提出了許多方法去解決智能微電網(wǎng)中故障診斷的問題。文獻(xiàn)REF_Ref15736\r\h[6]敘述了對微電網(wǎng)采用阻斷型換流器來檢測其故障，對其處理技術(shù)的優(yōu)點以及存在的問題做出了討論。文獻(xiàn)REF_Ref28519\r\h[7]描述了智能故障診斷技術(shù)中故障特征提取和識別方法的重要作用。具體內(nèi)容包括原始數(shù)據(jù)信號收集、應(yīng)用小波包信號變換對輸出的電壓與電流信號分別進(jìn)行數(shù)據(jù)分解與信號重構(gòu)、原始故障樣本的噪聲去除、構(gòu)成故障信號的特征向量、神經(jīng)元網(wǎng)絡(luò)故障分類器設(shè)計等方面，論述了電力電子裝置的智能故障診斷技術(shù)的主要內(nèi)容和設(shè)計思路(劉子和，王紫涵，周彥宏,2022)。因而當(dāng)利用小波包變換分析時就可以不用需要考慮需要復(fù)雜的數(shù)學(xué)結(jié)構(gòu)就可以進(jìn)行智能故障診斷。文獻(xiàn)REF_Ref27658\r\h[8]針對目前燃煤鍋爐受熱面結(jié)渣故障診斷的主要問題，對爐外測得的管屏振動信號提出了使用小波包變換與利用支持向量機(jī)模型的結(jié)渣故障診斷方法。根據(jù)鍋爐過熱器管屏的結(jié)構(gòu)特性，在這種情況的背景下對信號進(jìn)行小波包變換與重構(gòu)，相對小波包能量管屏振動信號分析原理，再依據(jù)支持向量機(jī)的算法建立的故障診斷模型和振動信號的時間頻率分析，收集爐外過熱器管屏板管部的振動信號，用于小波包對信號分析，表明該模型可以在實驗平臺上進(jìn)行，可以有效診斷過熱器管屏不同結(jié)渣故障(李文彬，張怡然，趙思源,2022)。文獻(xiàn)REF_Ref27694\r\h[9]基于液壓系統(tǒng)通常具有復(fù)雜的結(jié)構(gòu)、非線性參數(shù)和強(qiáng)的隨機(jī)性的特點，表明難以通過傳統(tǒng)方法獲得良好的故障診斷效果。該文提出了一種基于小波包變換和RBF神經(jīng)網(wǎng)絡(luò)相關(guān)聯(lián)結(jié)合的電路故障檢測診斷分析方法。以水液壓系統(tǒng)泄漏故障為研究對象，通過小波包變換和故障特征提取，結(jié)合神經(jīng)網(wǎng)絡(luò)，完成液壓系統(tǒng)的泄漏故障檢測。也會根據(jù)研究進(jìn)展和實際情況，對研究方法和研究設(shè)計進(jìn)行適時的調(diào)整和優(yōu)化，以確保研究的科學(xué)性和有效性，會積極拓展國際視野，加強(qiáng)與國際同行的交流與合作。在這一背景下該方法將小波包的時間頻率分辨能力與RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力相結(jié)合，以實現(xiàn)高故障診斷效率(王子航，李雪慧，劉浩宇,2023)。傅里葉變換的快速發(fā)展和擴(kuò)展促成了小波變換，小波包變換具有良好的時間頻率定位能力和多分辨率特性，并在數(shù)學(xué)界以“顯微鏡”而聞名。小波包具有許多特點(周俊杰，張子琪，李凱琳,2022):①對非平穩(wěn)的各種頻率的信號進(jìn)行時域化和局部化分析時，相對于高頻頻率信號和低頻頻率范圍內(nèi)有較高的頻率分辨率而對低頻信號和高頻范圍內(nèi)有較大的時間分析長度；②可特別地選擇有關(guān)頻帶信息來進(jìn)行信號的分解和重新組成，抑制并清除噪聲干擾；③所有頻帶的正交分解的結(jié)果表明信號量既沒有多余也沒有缺失。傅里葉變換采用的是整體的方式變換，函數(shù)各個所在點的系數(shù)值直接影響函數(shù)轉(zhuǎn)換后的結(jié)果，而小波從變換理論上來講采用部分變換，小波函數(shù)只有在某個特殊的點上作用時才對所對應(yīng)的這個系數(shù)起變換作用。這就可以導(dǎo)致小波不僅可以包含頻率的信息（由基的頻率表現(xiàn)出來）(劉穎慧，王瑾瑤，陳宇翔,2022)，也甚至可以包含時間的信息（由基所在的局部時間軸位置反應(yīng)表現(xiàn)出來），能夠說明這些頻率成分所發(fā)生的時刻，因此小波變換實用性比傅里葉變換更強(qiáng)(張晨曦，趙思源，李嘉瑞,2021)。通過詳細(xì)探究數(shù)據(jù)與結(jié)果，本文揭示出一些新的現(xiàn)象與趨勢，這些新成果不僅擴(kuò)充了現(xiàn)有理論的范疇，還可能為相關(guān)領(lǐng)域的研究開辟新的研究路徑。可以從中察覺到使用小波包分析將信號分解在獨立且可以將能量轉(zhuǎn)化成相應(yīng)向量的頻帶內(nèi)，有差異的向量代表故障是不一樣的。在經(jīng)小波包分析之后，故障矢量值可以用作神經(jīng)網(wǎng)絡(luò)的輸入特征向量。小波變換實際是用小波函數(shù)來分離出不同信號成分，主要思想是通過分離出不同成分來區(qū)別分析，它比較適合用于實時地檢測信號的特征，也適合用于成分復(fù)雜系統(tǒng)的分層分析。1.3本課題研究的主要內(nèi)容此設(shè)計主要是用在智能微電網(wǎng)故障診斷的方案。以微電網(wǎng)的內(nèi)部線路故障為研究對象，本文是基于在Matlab軟件里的Simulink仿真平臺上搭建光伏微電網(wǎng)系統(tǒng)的模型，研究當(dāng)內(nèi)部線路發(fā)生故障時，對其故障的類型進(jìn)行智能診斷。首先通過對光伏智能微電網(wǎng)內(nèi)部各個線路的三相輸出電壓信號進(jìn)行三層小波包分解來準(zhǔn)確獲取8個不同頻段的線路信號并通過計算三相輸出電壓的各個重構(gòu)線路信號和與其相應(yīng)的線路能量特征值，并根據(jù)線路故障電壓相與正常相在各個重構(gòu)線路信號中的圖形和能量頻譜圖的不同特點來準(zhǔn)確判斷光伏微電網(wǎng)內(nèi)部各個線路之間是否已經(jīng)發(fā)生了線路故障,從中可以明顯看出重構(gòu)線路信號的小波包能量值構(gòu)造成一組特征向量，以此當(dāng)作RBF神經(jīng)網(wǎng)絡(luò)的信號輸入，然后對重構(gòu)信號通過網(wǎng)絡(luò)訓(xùn)練直到滿足要求為止，根據(jù)不同故障相的與理論上該處發(fā)生故障的進(jìn)行對比來判斷微電網(wǎng)內(nèi)部線路發(fā)生了哪種故障。該方法將小波包的時頻分解能力和RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力有機(jī)結(jié)合，取得了較高的故障診斷效率,滿足了智能化故障微電網(wǎng)運行過程的要求,縮短了智能微電網(wǎng)故障發(fā)生時間。光儲微電網(wǎng)系統(tǒng)2.1光儲微電網(wǎng)系統(tǒng)的理論分析2.1.1光伏發(fā)電系統(tǒng)光伏發(fā)電系統(tǒng)分為與主網(wǎng)配電系統(tǒng)相連接的并網(wǎng)光伏發(fā)電系統(tǒng)和不與主網(wǎng)配電系統(tǒng)相連接的獨立光伏發(fā)電系統(tǒng)。通過整合不同學(xué)科的理論與手段，研究者能更深入地揭示研究對象的潛在法則與機(jī)理。通過這一流程，本文不僅確認(rèn)了研究結(jié)果與現(xiàn)有理論的契合度，還在一些方面貢獻(xiàn)了新見解或補(bǔ)充，進(jìn)一步豐富了相關(guān)領(lǐng)域的理論體系和實踐探索。獨立光伏發(fā)電系統(tǒng)主要用于解決偏遠(yuǎn)沒有電或者電量不足地區(qū)的用電問題，并網(wǎng)光伏發(fā)電系統(tǒng)使用比較靈活，當(dāng)光照比較足時可以把多余的電能送入電網(wǎng)，當(dāng)光照不足時可以從電網(wǎng)中獲取電能送給負(fù)載供電。光伏發(fā)電系統(tǒng)結(jié)合多種新能源，這無疑地傳達(dá)出具有光伏電池、儲能裝置、光伏逆變器、控制器等配套結(jié)構(gòu)，保證了光伏微電網(wǎng)的供電可靠性和主電網(wǎng)的運行穩(wěn)定性，減少故障對于光伏微電網(wǎng)中承載負(fù)荷的直接影響(王雅婷，劉思琦，張瑞宇,2022)。太陽能發(fā)電系統(tǒng)中能夠利用半導(dǎo)體界面中產(chǎn)生的光生伏特效應(yīng)來將光能轉(zhuǎn)換成電能其的關(guān)鍵組件是太陽能電池。在太陽能電池被串聯(lián)包裝和保護(hù)之后，可以形成大量的太陽能電池模塊，電池面積越大，在太陽能電池中形成的電流也就越大,然后使用功率控制裝置和其他組件形成太陽能發(fā)電裝置(李志鵬，周嘉琳，趙紫涵,2021)。太陽能電池一般用第二代多晶體硅太陽能電池，光伏電池的輸出電壓、輸出電流、輸出功率會隨著太陽光照強(qiáng)度、溫度的不同而發(fā)生改變，當(dāng)光照比較足時可以把多余的電能送入電網(wǎng)，當(dāng)光照不足時可以從電網(wǎng)中獲取電能送給負(fù)載供電(陳曉婷,吳浩然,2021)。在實際的工程應(yīng)用中，整個系統(tǒng)通過負(fù)載匹配從而在光伏電池應(yīng)輸出電壓輸出功率曲線的最大功率點附近運轉(zhuǎn)，這明顯表露出從而最大化提高工作效率。然而，光電池的最大輸出功率隨光照強(qiáng)度和溫度的變化而變化，為了解決這個問題，我們提出了一種搜索和確定光伏電池的最大輸出點的MPPT算法，以保證光伏電池的工作效率。通過運用多學(xué)科的理論與手段，研究者能更深入地揭示研究對象的潛在法則與內(nèi)在機(jī)制。通過這一系列操作，本文不僅確認(rèn)了研究結(jié)果與現(xiàn)有理論的契合性，還在一些關(guān)鍵點上貢獻(xiàn)了新見解或補(bǔ)充信息，進(jìn)一步完善了相關(guān)領(lǐng)域的理論體系和實踐基礎(chǔ)。2.1.2儲能系統(tǒng)儲能系統(tǒng)是光儲發(fā)電系統(tǒng)的主要組成部分，儲能裝置包括儲能變流器、儲能電池等，可以提高供電的可靠性、實現(xiàn)功率的補(bǔ)償。一般來說，微電網(wǎng)將蓄電池用作能量存儲裝置，當(dāng)電十分豐富的時候，電池的作用是儲存能量，當(dāng)其它電源無法向輸電網(wǎng)供給充足電的情況時，這在一定范圍內(nèi)體現(xiàn)了能量存儲裝置將所存儲的電能輸出到需要用電的負(fù)載上。為了進(jìn)一步測試方案在不同條件下的適用性，本文還選取了幾種典型的應(yīng)用案例，并針對每個案例調(diào)整系統(tǒng)配置，不僅驗證了方案的合理性和可行性，也為后續(xù)的研究提供了重要的參考材料。為了有效避免蓄電池因為工作環(huán)境的影響頻繁進(jìn)行充電放電的操作而嚴(yán)重影響其正常使用壽命，可以采用并聯(lián)超級電容模塊來有效避免蓄電池頻繁進(jìn)行充電放電操作，可以大大提高能量存儲系統(tǒng)的性能,提高光儲微電網(wǎng)的穩(wěn)定性(張宇和，李雪珂，趙天宇,2022)。在超級電容器和電池的混合能量存儲系統(tǒng)中，有被動連接和主動連接兩種基本連接模式，本文主要介紹被動連接混合儲能系統(tǒng)，仿真圖如圖2-1所示。圖2-1SIMULINK下被動連接混合儲能系統(tǒng)仿真模型2.1.3逆變器的理論分析光伏逆變器可以實現(xiàn)太陽能電池和蓄電池中的直流與負(fù)載中的交流能量的轉(zhuǎn)換，一般使用DC/AC逆變器(王子翔，劉雪婷，張怡萱,2020)。這在某種程度上說明了控制器對系統(tǒng)的運行模式與狀態(tài)進(jìn)行控制并判斷系統(tǒng)處于獨立運行狀態(tài)還是并網(wǎng)運行狀態(tài)，控制蓄電池組過充電或過放電。在與同行研究的對比中，作者注意到，盡管在具體成果的表述上可能存在些微差異，但核心結(jié)論和趨勢均保持一致，這進(jìn)一步增強(qiáng)了本研究結(jié)論的可靠性。2.2光儲微電網(wǎng)系統(tǒng)的建模在Matlab軟件里的Simulink仿真平臺上搭建光伏微電網(wǎng)系統(tǒng)的模型，如圖2-2所示。圖2-2光伏微電網(wǎng)模型三相故障發(fā)生器設(shè)置如圖2-3所示，這在一定范圍內(nèi)顯示了可以通過對A、B、C和Ground參數(shù)進(jìn)行選擇以來模擬不同故障類型，下圖表示的是AB兩相短路故障類型的設(shè)置方法。圖2-3三相故障發(fā)生器設(shè)置圖2-4微電網(wǎng)三相輸出電壓波形圖2-5單相接地短路故障時電壓波形圖分析：這在某種程度上象征發(fā)生A相接地短路時，A相電壓在短路一段時間里為零，B,C兩相電壓升高為線電壓，之后A,B,C三相電壓恢復(fù)正常。圖2-6兩相短路故障時電壓波形圖分析：發(fā)生A,B兩相短路時,A,B電壓相等,C相電壓正常，故障切除之后三相電壓逐漸恢復(fù)正常(李思遠(yuǎn)，趙麗萍，周昊宇,2020)。圖2-7兩相接地短路故障時電壓波形圖分析：在此可以看出發(fā)生A,B兩相接地短路時，A,B兩相接地電壓相等，即變?yōu)?，非故障相C相電壓增加，故障切除之后C相電壓立即恢復(fù)至初始狀態(tài)而A、B兩相電壓逐漸恢復(fù)正常。這一過程不僅證實了方案的正確性和實用性，也為未來的研究提供了重要的參考。上述結(jié)果也考慮到理論設(shè)計與實踐中存在的差異性，因此本文進(jìn)行了細(xì)致的分析與調(diào)整。圖2-8三相短路故障時電壓波形圖分析：發(fā)生三相短路時,A,B,C三相電壓為0，故障切除之后三相電壓逐漸恢復(fù)正常(張宸妍，劉建華，王子凡,2022)。

第三章小波包變換以及故障特征向量提取3.1小波包分析理論3.1.1小波分析與小波包分析當(dāng)微電網(wǎng)內(nèi)部線路發(fā)生故障時，微電網(wǎng)線路的電壓信號往往包含了許多不平穩(wěn)的信號，這些不平穩(wěn)信號包含了非常豐富的故障信息。當(dāng)今關(guān)于非平穩(wěn)信息的處理的技術(shù)已經(jīng)逐漸得到很好的發(fā)展，從最開始的時域統(tǒng)計到頻域分析的全局傅里葉變換再到時頻分析的局部小波變換。從這些記錄中體現(xiàn)小波變換使用小波函數(shù)作為基底函數(shù)，小波函數(shù)就是滿足均值為0并且可以滿足時域和頻域局部化的一組函數(shù)，符合這兩條的函數(shù)就是小波函數(shù)，例如HaarWavelet。小波分析所做的就是將原始的信號表示為一組小波基的線性組合，然后忽略一些不太重要的部分以達(dá)到數(shù)據(jù)的壓縮的目的(李昊天，周紫薇，趙文華,2022)。依照已驗證的成果能夠推導(dǎo)出以下小波分析具有對不平穩(wěn)的信號良好的分析能力，所以在微電網(wǎng)內(nèi)部線路故障診斷中可以利用小波分析從而對微電網(wǎng)線路的故障特征進(jìn)行提取。當(dāng)小波分析經(jīng)一系列長度是可以改變的基函數(shù)處理過時，它可以有效地分解所有類型的時變信號，并且具有良好的時間頻率定位特性和良好的信號適應(yīng)性。小波包就是將信號分解為不同頻段的一些信號，頻段的帶寬都是原始信號帶寬的1/（2*n)倍，其中n=1，2，3，4，...。小波包分析提供了比小波分析更準(zhǔn)確的信號分析方法，這在某種程度上標(biāo)志它將頻帶分割成若干級，并且對小波變換的多分辨率分析中分得比較粗略的高頻部分進(jìn)行進(jìn)一步細(xì)分，根據(jù)所分析的信號的特性和分析要求，在特定的頻域中任意選擇對應(yīng)的頻帶，使頻帶與信號頻譜一致，進(jìn)一步提高時間頻率分辨率(李嘉和,王睿昊,2022)REF_Ref27149\r\h[10]。3.1.2小波包變換的算法可設(shè)滿足下列所示的遞歸雙尺度方程組:式子中表示為尺度系數(shù)，表示為小波的系數(shù)，公式（3-1）表示小波包對信號的分解，這在一定角度上表達(dá)了小波包分解既有隨意多尺度的特征，因此可以用來反映信號的特征以及實質(zhì)(張文博,陳思琪,2023)。通常稱由（t）=φ(t)所決定的小波包函數(shù)為{(t)}的集合。因此小波包的定義是包含比例函數(shù)和小波函數(shù)的具有一定聯(lián)系函數(shù)的集合。小波包分解包含有尺度參數(shù)，轉(zhuǎn)換參數(shù)和頻率參數(shù)。可用和將空間連續(xù)二進(jìn)濾波劃分為兩個子濾波頻帶，這兩個子濾波頻帶具有相對較低的頻率和相對較高的頻率這兩種狀態(tài)，并且具有較高的頻率特性。根據(jù)通過上一頻帶的小波包系數(shù)，由算式(林澤,劉俊杰,2023)可以計算出兩個子頻帶小波包的系數(shù)的值。而利用小波包對信號進(jìn)行重構(gòu)，具體算法如下算式:3.1.3基于小波包分析的頻帶能量的算法在這等條件下小波包變換必須遵循能量守恒定理，總的小波包能量值等于每一層的小波包的能量值并且都是相等的小波包，即(趙宇航,孫睿智,2022)：上式中的表示的是利用小波包對信號進(jìn)行重構(gòu)系數(shù)的值。用小波包進(jìn)行重構(gòu)信號，在這種設(shè)定里計算重構(gòu)信號能量值的公式如下：由于總的小波包能量值等于每一層的小波包的能量值并且每一層的小波包的能量值都是相等的，對公式（3-5）進(jìn)行進(jìn)一步處理，即：上式中的表示為小波包經(jīng)過歸一化后其重新構(gòu)成的信號能量值的大小。3.2故障特征的提取方法如圖3-1所示為微電網(wǎng)內(nèi)部線路發(fā)生故障時，提取信號特征值的過程圖。圖3-1故障信號特征值提取的過程圖利用小波包分析的方法進(jìn)行對故障信號特征提取的步驟如下REF_Ref27844\r\h[11]：（1）首先利用公式（3-2）對光伏智能微電網(wǎng)內(nèi)部各個線路的三相輸出電壓信號進(jìn)行三層小波包分解來準(zhǔn)確獲取8個不同頻段的線路信號，其分解結(jié)構(gòu)如圖3-2所示(高思遠(yuǎn),陳子辰,2022)。其在資源利用效率上的表現(xiàn)也尤為突出，通過優(yōu)化資源配置，能夠在有限的資源條件下實現(xiàn)最大化的效益輸出。圖3-2小波包分解樹在圖3-2所示小波包分解樹中，節(jié)點(a,b)表示的是第a層的第b個節(jié)點，其中a=0,1,2,3;b=0,l,...,7，從這些態(tài)度可以明白并且各節(jié)點表示某個相應(yīng)的信號特性。例如(0，0)這個節(jié)點系數(shù)代表的信號是最初起始信號(王子豪,李凌霄,2022)，（1，1）這個節(jié)點系數(shù)表示的規(guī)則是基于小波包變換原理，分解樹中的第1層的高頻頻率系數(shù)，（1，0）這個系數(shù)表示的規(guī)則是基于小波包變換原理，分解樹中的第1層的低頻頻率系數(shù)，然后其他層方框里的元素代表的情況按上述規(guī)律類推。從這些報告中推斷出由圖3-2可以看出小波包變換可以將信號中所蘊(yùn)含的特征以及實質(zhì)清晰細(xì)致地顯現(xiàn)出來，這樣子對于提取微電網(wǎng)三相輸出電壓信號中微弱的故障信號和提升對微電網(wǎng)三相輸出電壓信號的解析能力是非常有幫助的(鄧浩然,魏晨曦,2019)。同時還對研究過程中可能出現(xiàn)的誤差和偏差進(jìn)行了敏感性分析，進(jìn)一步增強(qiáng)了研究結(jié)果的穩(wěn)健性。（2）基于上述公式（3-3）來設(shè)計構(gòu)成一種通過小波包重構(gòu)技術(shù)形成的微電網(wǎng)的三相輸出電壓信號，并通過根據(jù)公式（3-4）計算三相輸出電壓的重構(gòu)信號和相應(yīng)的能量特征值，以便于獲得三相輸出電壓重構(gòu)信號能量特征向量T:（3）因為利用小波包對信號進(jìn)行重構(gòu)所得到的能量值相對比較大，所以能量特征向量是可以通過根據(jù)公式（3-6）使其能量正規(guī)化而獲得的。可以為：（4）最后，三相電壓信號的能量特征值用作測驗樣本和徑向基神經(jīng)網(wǎng)絡(luò)的多次運行操作樣本。3.3小波包分析所提取的故障特征模擬和分析微電網(wǎng)仿真模型的平臺結(jié)構(gòu)圖如圖3-3所示，根據(jù)前面的步驟通過小波包分析的方法提取故障特征值，在這種設(shè)定下在MATLAB中的SIMULINK仿真平臺中距離逆變器總輸出口的15%、30%、50%、70%處不同位置上的各類輸電線路進(jìn)行故障仿真，微電網(wǎng)輸出的三相電壓進(jìn)行3層小波包分解，最后對其小波包的能量值進(jìn)行計算REF_Ref27998\r\h[12]。圖3-3微電網(wǎng)結(jié)構(gòu)圖收集微電網(wǎng)的三相輸出電壓信號可以使用采樣頻率為100kHz的電壓傳感器。依據(jù)采樣定理，在這般的框架下可以收集到的頻率范圍為0-50kHz微電網(wǎng)三相輸出電壓信號的，光伏智能微電網(wǎng)內(nèi)部各個線路的三相輸出電壓信號進(jìn)行三層小波包分解得到頻率變化范圍為0-6.35KHz、6.35-12.5KHz、12.5-18.75KHz、18.75-25KHz、25-31.25KHz、31.25-37.5KHz、37.5-43.75KHz以及43.75-50KHz的8個重構(gòu)信號。為了表明小波包分析可以具體地檢測微電網(wǎng)中是否存在線路故障，類似地去處理正常并網(wǎng)連接操作中的A相電壓從而能夠獲得正常并網(wǎng)連接狀態(tài)下A相電壓信號的小波包重構(gòu)信號圖和小波包能量譜圖(何旭東,劉涵煦,2020)。這種深化不僅體現(xiàn)在對概念本質(zhì)的深入剖析上，還體現(xiàn)在對其邊界與外延的廣泛探索中?？梢酝茰y出，與正常的并網(wǎng)連接動作中的相位A的電壓重構(gòu)信號相比，如果A相線路中發(fā)生了單相接地短路故障，在這樣的背景下則可以在故障時電壓重構(gòu)信號的波形中看出電壓信號包含不穩(wěn)定的信號。在故障的情況下，每個頻率段中的小波包能量譜值的圖與正常狀態(tài)相比具有明顯的變化。所以可以利用小波包分析來檢測微電網(wǎng)內(nèi)部是否發(fā)生了故障(蔣澤宇,李雅馨,2022)。本文還對研究過程中可能出現(xiàn)的誤差進(jìn)行了敏感性分析，進(jìn)一步提升了研究結(jié)果的穩(wěn)健性。微電網(wǎng)中的內(nèi)部線路的故障相與非故障相有不同的小波包能量值并且三相電壓信號的小波包能量值由于不同的故障類型而也有明顯的不同，與正常運行操作時相比，從這些發(fā)現(xiàn)中可以看出發(fā)生了單相接地故障的時候該處的小波包能量值也將會減少，所以小波包能量值可以用來區(qū)別微電網(wǎng)的內(nèi)部線是否發(fā)生了故障。因此可以通過建立基于小波包能量特征值的微電網(wǎng)神經(jīng)網(wǎng)絡(luò)故障診斷模型來判定故障類型。

第四章徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)故障診斷模型4.1傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)利用已獲成果可以推導(dǎo)出以下觀點一般來說徑向基函數(shù)(radialbasisfunction,RBF)神經(jīng)網(wǎng)絡(luò)是最近一些年才開始去研究的一種比較有潛力的神經(jīng)網(wǎng)絡(luò)。RBF神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)都是非線性的并且它們都是一種具有比較復(fù)雜組織結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，無論是怎樣的一種BP神經(jīng)網(wǎng)絡(luò)都總存在一個RBF神經(jīng)網(wǎng)絡(luò)去代替它,用任意BP神經(jīng)網(wǎng)絡(luò)代替一種RBF神經(jīng)網(wǎng)絡(luò)當(dāng)然也成立，但是這兩種神經(jīng)網(wǎng)絡(luò)也有著許多不同的地方。例如：神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、工作原理以及網(wǎng)絡(luò)訓(xùn)練算法等方面(劉宇涵,何俊熙,2022)REF_Ref27958\r\h[13]。與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)相比，RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)復(fù)雜度是可以根據(jù)特定問題的復(fù)雜度程度來確定，這在某種程度上象征并且能夠自動組織、自主獨立地快速學(xué)習(xí)、自適配、可以快速對多種數(shù)據(jù)進(jìn)行融合以及處理等功能，也具有一致逼近性針對于非線性連續(xù)函數(shù)來說(鄒欣怡,王子昊,2021)?？鐚W(xué)科的研究方法使本文能夠詳盡地分析研究對象的復(fù)雜性及其變化，同時也可能帶來超越單一學(xué)科界限的新發(fā)現(xiàn)。由于RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)異特性從而使得其比BP神經(jīng)網(wǎng)絡(luò)具有更加強(qiáng)的靈活性，因此BP神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域里可以被RBF神經(jīng)網(wǎng)絡(luò)替代。目前，RBF神經(jīng)網(wǎng)絡(luò)已經(jīng)被成功廣泛地應(yīng)用于圖像信息處理、時間軸和序列信息分析、對各種數(shù)據(jù)模型進(jìn)行信息分類、模式識別、對故障進(jìn)行診斷等領(lǐng)域REF_Ref28020\r\h[14]。4.2RBF神經(jīng)網(wǎng)絡(luò)的理論分析在RBF神經(jīng)網(wǎng)絡(luò)中，可進(jìn)行調(diào)節(jié)的網(wǎng)絡(luò)參數(shù)一般總共有3個，它們分別是隱含層單元的寬度、中心以及隱含層與輸出層之間的網(wǎng)絡(luò)連接權(quán)。隱含層參數(shù)中的初始值對于網(wǎng)絡(luò)的收斂性的影響是非常大的。RBF神經(jīng)網(wǎng)絡(luò)是雙層前饋式神經(jīng)網(wǎng)絡(luò)的一種，徑向基函數(shù)被用作隱含層神經(jīng)元的激活函數(shù)，使用徑向基函數(shù)時輸入向量可以直接映射到隱含層空間而不加權(quán)(陳思源,呂俊凱,2022)。本研究在行為思路方面展現(xiàn)出創(chuàng)新性，開創(chuàng)性地將前人在此主題的研究成果融入其中，極大地深化了研究的深度。從這些活動中看出太陽能發(fā)電系統(tǒng)的故障診斷就是采用了RBF神經(jīng)網(wǎng)絡(luò)最基本的3層結(jié)構(gòu)，徑向基神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖4-1所示。圖4-1RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖圖4-1所示的RBF神經(jīng)網(wǎng)絡(luò)的每一層之間的作用都完全不相同。從輸入層到隱藏層的變換是非線性的，而從隱藏層到輸出層變換則是線性的。在上圖4-1中，可以看到隱含層的激活函數(shù)為φ（x，xi），一般稱它為徑向基函數(shù)，在工業(yè)生產(chǎn)中最常見徑向基函數(shù)一般是高斯徑向基函數(shù)，它也叫做RBF核函數(shù)或者叫做高斯核函數(shù)REF_Ref28082\r\h[15]。明顯可知，本研究非常注重跨學(xué)科的交融滲透，汲取了多學(xué)科的理論架構(gòu)和方法體系，致力于實現(xiàn)研究視角的多元轉(zhuǎn)化以及研究深度的深度挖掘。從這些趨勢中看出第一層是輸入層，由幾個源點（傳感單元）構(gòu)成，網(wǎng)絡(luò)可以與外部環(huán)境連接，第二層則是網(wǎng)絡(luò)中唯一的隱含層，它的作用是從輸入空間到隱含層空間的過程中進(jìn)行非線性轉(zhuǎn)換，當(dāng)輸入信號接近基函數(shù)的中心范圍時，隱含層的節(jié)點產(chǎn)生較大的輸出，并且網(wǎng)絡(luò)具有局部近似的能力。輸出層是線性的，并且提供響應(yīng)給在輸出層產(chǎn)生影響的激活模式（信號）(李若萱,張晨陽,2021)。4.3徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程通常來說分為兩步：第一步，選取神經(jīng)元的中心；第二步，利用BP算法優(yōu)化網(wǎng)絡(luò)的參數(shù)。選取神經(jīng)元中心的方法很多，比如隨機(jī)選取、有監(jiān)視地指定選取RBF的中心等等。因此后續(xù)研究中，本文應(yīng)致力于探索將這些尖端技術(shù)融入分析框架的方式，以提升研究結(jié)論的精確度和深度洞察。這無疑暴露出我們對RBF中不同的參數(shù)分別設(shè)置不同的學(xué)習(xí)率，經(jīng)過多輪迭代直至誤差函數(shù)收斂，結(jié)束訓(xùn)練(劉寧宇,羅晨曦,2022)。在利用RBF神經(jīng)網(wǎng)絡(luò)對故障類型進(jìn)行識別的時候，前提條件就是對網(wǎng)絡(luò)輸入層向量的確定，在這里第三章討論的故障信息的特征向量就是輸入向量。假設(shè)某項出現(xiàn)了短路故障則這相的輸出值為1，反之，這相的輸出值為0。由此可以確定表4-1所示的10種短路故障類型所期望輸出向量值。通過對當(dāng)前階段性研究成果的梳理，本文對后續(xù)研究有了新的視角。首要的是在研究方式上，本文能辨識出多處可優(yōu)化和升級的空間。表4-1期望輸出向量故障類型期望輸出值實際輸出值期望輸出值A(chǔ)G（1,0,0,1）CA（1,0,1,0）BG（0,1,0,1）ABG（1,1,0,1）CG（0,0,1,1）BCG（0,1,1,1）AB（1,1,0,0）CAG（1,0,1,1）BC（0,1,1,0）ABCG（1,1,1,1）訓(xùn)練樣本有AG、ABC、AB、ABG這4種類型的短路故障的特征向量。在神經(jīng)網(wǎng)絡(luò)開始訓(xùn)練的時候，從中可以表明要對權(quán)值的參數(shù)進(jìn)行隨機(jī)初始化。但是，使用初始化的參數(shù)的話所得到的結(jié)果不太準(zhǔn)確，所以需要通過調(diào)節(jié)權(quán)值去改變函數(shù)(趙雨桐,孫樂天,2020)。下面我們著重介紹徑向基神經(jīng)網(wǎng)絡(luò)的樣本的網(wǎng)絡(luò)訓(xùn)練方法，具體過程如下:①首先設(shè)輸入向量為，n表示輸入層中輸入神經(jīng)元中節(jié)點的個數(shù)，輸出向量為，q代表輸出層中輸出神經(jīng)元節(jié)點個數(shù)，并確定輸入向量、輸出向量、輸入單元的數(shù)量、輸出單元數(shù)量以及期望的輸出向量。②然后進(jìn)行參數(shù)的初始化，確定隱含層到輸出層的連接權(quán)值、寬度向量的初始值以及隱含層中各神經(jīng)元的中心參數(shù)，這在某種程度上驗證了分別用W、D、C表示。③其次計算隱含層的第j個主要神經(jīng)元的實際輸出值以及輸出層中神經(jīng)元的實際輸出值，其基本計算公式的具體方法描述如下:上述式中的表示第j個隱含層的神經(jīng)元的中心向量;表示第j個隱含層神經(jīng)元的寬度向量;表示第k個輸出層的中心神經(jīng)元和第j個隱含層的中心神經(jīng)元之間的權(quán)重調(diào)節(jié)。本文框架模型的核心優(yōu)勢在于其高度的靈活性和擴(kuò)展能力。為了應(yīng)對不同的研究需求和背景，本文在設(shè)計模型時特別關(guān)注組件的模塊化，從而可以根據(jù)實際情況對特定模塊進(jìn)行調(diào)整或更新，而不損害整體系統(tǒng)的穩(wěn)定性與效能。④再通過梯度下降法來對權(quán)重參數(shù)進(jìn)行迭代計算，這樣子就可以使中心、寬度以及調(diào)節(jié)權(quán)重這些參數(shù)能夠以自學(xué)習(xí)的方式實現(xiàn)最優(yōu)值。其具體算法過程如下:上述式中的表示學(xué)習(xí)因子;表示動量因子;表示第k個輸出層的神經(jīng)元和第j個隱含層的神經(jīng)元之間的調(diào)節(jié)權(quán)重;表示的是隱含層的第j個神經(jīng)元與第i個輸入神經(jīng)元之間的中心分量;表示為中心向量所對應(yīng)的寬度;徑向基神經(jīng)網(wǎng)絡(luò)的評價函數(shù)為。下面介紹評價的函數(shù)表達(dá)式:上述式中的表示的是輸出層的k個神經(jīng)元在第個輸入樣本時所希望的輸出量;表示的是輸出層的第k個神經(jīng)元在第個輸入樣本時最終本質(zhì)輸出量。⑤最后計算所產(chǎn)生的網(wǎng)絡(luò)輸出的均方根誤差MSE:當(dāng)MSE時，徑向基神經(jīng)網(wǎng)絡(luò)就可以結(jié)束其樣本的網(wǎng)絡(luò)訓(xùn)練以及學(xué)習(xí)過程。4.4徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果在徑向基神經(jīng)網(wǎng)絡(luò)故障診斷模型中，首先假設(shè)輸入層的神經(jīng)元的節(jié)點個數(shù)為12個，然后輸出層的神經(jīng)元的節(jié)點個數(shù)為4個，其次隱含層的神經(jīng)元的節(jié)點個數(shù)為10個，當(dāng)滿足=0.005時，結(jié)束徑向基神經(jīng)網(wǎng)絡(luò)的測試樣本的網(wǎng)絡(luò)訓(xùn)練操作。輸入向量表示的是重構(gòu)線路信號的小波包能量值構(gòu)造成一組特征向量，輸出向量中的4個輸出參數(shù)分別代表的當(dāng)徑向基神經(jīng)網(wǎng)絡(luò)的輸出為1的時候，意味著線路發(fā)生了故障或者線路既發(fā)生了故障并且這時故障相也接地了,這在一定程度上昭示當(dāng)徑向基神經(jīng)網(wǎng)絡(luò)的輸出為0的時候，意味著線路沒有發(fā)生故障或者線路發(fā)生了故障并且這時故障相并沒有接地了(王嘉熙,劉元熙,2022)REF_Ref20653\r\h[16]。4.5基于RBF神經(jīng)網(wǎng)絡(luò)故障診斷模型的試驗及結(jié)果分析基于小波包分解和RBF神經(jīng)網(wǎng)絡(luò)的太陽能發(fā)電系統(tǒng)故障診斷試驗流程如下：首先可以通過試驗臺和各種信號檢測裝置來實現(xiàn)完成信號的檢測，然后對光伏智能微電網(wǎng)內(nèi)部各個線路的三相輸出電壓信號進(jìn)行三層小波包分解來準(zhǔn)確獲取8個不同頻段的線路信號，重構(gòu)進(jìn)行信號處理，為了進(jìn)行能量譜分析，求出每個子頻帶信號能量，并以此來構(gòu)造特征向量,構(gòu)成的特征向量作為徑向基神經(jīng)網(wǎng)絡(luò)故障診斷模型的輸入，這在一定程度上預(yù)示了利用徑向基神經(jīng)網(wǎng)絡(luò)來實現(xiàn)對線路故障的類型和故障相的辨別，依次來建立神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本庫并完成其結(jié)構(gòu)的設(shè)計和學(xué)習(xí)以及網(wǎng)絡(luò)訓(xùn)練過程，確定故障診斷結(jié)果(陳曉婷,吳浩然,2021)。故障診斷的流程如圖4-2所示。圖4-2內(nèi)部線路故障診斷流程圖部分內(nèi)部線路故障診斷結(jié)果如表4-2所示。表4-2部分內(nèi)部線路故障診斷結(jié)果故障類型期望輸出值實際輸出值診斷結(jié)果是否正確無故障（0,0,0,0）(0.021,0.022,0.013,0.014)√A相短路接地故障（1,0,0,1）(1.003,0.013,0.007,1.031)√ABC三相短路故障（1,1,1,0）(1.006,1.011,1.013,0.012)√AB兩相短路故障（1,1,0,0）(1.013,1.014,0.021,0.011)√AB兩相接地短路故障（1,1,0,1）(1.023,1.032,0.021,1.009)√所訓(xùn)練的RBF神經(jīng)網(wǎng)絡(luò)故障診斷模型可以有效率準(zhǔn)確地識別光伏微電網(wǎng)內(nèi)部線路發(fā)生了哪種短路故障類型和是哪一相發(fā)生了故障。實際輸出值與期望輸出值之間的誤差的最大絕對值為0.032，這遵循微電網(wǎng)的智能故障診斷要求(鄭宇晨,王悅婷,2022)。

結(jié)束語微電網(wǎng)已經(jīng)成功引起了各國科學(xué)家的廣泛高度關(guān)注，我國在政策和技術(shù)層面也給予了微