论文标题

中文标题： 基于状态观测器和物联网基础设施的智能电网高速孤岛检测
英文标题： High-Speed Islanding Detection in Smart Grids Using a State Observer and IoT Infrastructure

作者信息

Shahid Karim^{1,2, *}, Prajoona Valsalan³, Faisal Alsaif⁴, Haseeb Tahir⁵, Faisal Mumtaz^{6, *}
¹信息工程学院，西安欧亚学院，中国陕西，710065
²科学与技术学院，ILMA大学，巴基斯坦卡拉奇
³电气与计算机工程系，萨拉拉赫大学，阿曼苏丹国萨拉拉赫，211
⁴电气工程系，工程学院，沙特阿拉伯利雅得国王大学，11421
⁵计算机科学系，COMSATS大学伊斯兰堡萨希瓦尔校区，巴基斯坦伊斯兰堡
⁶USPCAS-E，巴基斯坦国家科学技术大学，伊斯兰堡，44000
*通讯作者邮箱：[email protected], [email protected]

论文出处

本文已被接受发表于IEEE Access，DOI: 10.1109/ACCESS.2025.3541983。本文为作者版本，尚未经过完整编辑，最终发表版本可能会有所变化。本文采用知识共享署名-非商业性使用-禁止演绎4.0许可协议（Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 License），更多信息请访问Deed - Attribution-NonCommercial-NoDerivatives 4.0 International - Creative Commons

---

摘要

本文提出了一种创新的孤岛检测方案，用于智能电网中的并网分布式网络。该方案结合了离散集合卡尔曼滤波器（DEKF）和物联网（IoT）设备，用于实时监测和通信。通过IoT设备使用MQTT协议从公共连接点（PCC）获取电压信号，DEKF能够精确估计PCC电压状态，而IoT的集成则确保了数据的持续采集和与监控系统的快速通信。计算测量信号与估计信号之间的残差作为孤岛检测的可靠指标。MATLAB Simulink仿真结果表明，该方案的检测准确率达到99.5%，响应时间低于1.5毫秒，并且在非孤岛事件下表现出良好的鲁棒性，为智能电网保护提供了一种可靠高效的解决方案，且计算开销极小。

关键词

离散集合卡尔曼滤波器；分布式发电；孤岛检测；物联网；非检测区；被动方案；状态观测器；智能电网

---

1. 引言

随着分布式发电（DG）技术的快速发展，尤其是太阳能、风能和燃料电池等可再生能源的渗透率不断增加，现代电力配电网的现代化进程迅速推进。然而，这种可再生能源的整合也给电网的稳定性和安全性带来了挑战，其中最突出的挑战之一是孤岛检测方案的设计。孤岛现象是指电网的一部分在与主电网电气隔离后，仍由分布式发电单元供电。孤岛现象若不能及时准确检测，可能会对维护人员的安全、设备的损坏以及电网的运行一致性造成威胁，因此孤岛检测是智能电网安全和保护的重要组成部分。

现有的孤岛检测方法主要分为主动式、被动式和混合式三类。然而，这些方法存在一些局限性，如计算复杂度高、检测精度低、检测时间长，以及在复杂电网动态和噪声测量条件下无法正常工作。为解决这些问题，本文提出了一种基于DEKF和IoT设备的孤岛检测方案。该方案利用DEKF作为状态观测器，结合IoT设备进行实时监测和通信，通过计算残差来识别孤岛事件，同时确保低计算开销和高可靠性。

2. 提出方案的基本原理

本文提出的方案基于IoT技术和状态观测器，通过实时数据采集和高级信号处理实现孤岛检测。方案的核心思想是利用IoT设备实现电力参数的无缝通信，同时通过DEKF对电压状态进行实时估计。DEKF通过比较估计值和测量值来识别孤岛事件。

A. IoT框架

IoT框架是连接和管理各种设备、传感器和系统的骨干网络。它通过MQTT、CoAP和HTTP等协议实现硬件组件之间的无缝通信，确保实时数据采集和处理。该框架结合了云计算、边缘计算能力和安全数据传输层，以增强可靠性和可扩展性。

B. PCC电压测量

通过IoT设备实时测量PCC电压，并将其传输到DEKF进行状态估计。测量的PCC电压包含随机误差，这对于准确估计状态至关重要，尤其是在电网干扰、波动或孤岛条件下。

C. DEKF作为状态观测器

DEKF通过处理从PCC终端接收到的电压信号，不断更新其状态估计，以确保高精度。DEKF利用数学状态空间模型预测系统行为，并通过实时电压测量校正预测值。DEKF算法分为预测和更新两个关键步骤，通过迭代测量、预测和校正步骤，DEKF能够有效处理非线性和不确定性，适用于实时应用，如电压监测和孤岛检测。

D. 阈值设置

通过在各种仿真场景下进行广泛的测试，本文为残差设置了阈值，以确保正确的孤岛检测。选择0.5作为阈值，因为在正常运行条件下，残差值始终低于该阈值，而在孤岛事件中，残差值则会显著超过该阈值，从而实现孤岛事件与非孤岛事件的有效区分。

3. 在标准测试系统上验证提出的方案

为验证提出的孤岛检测方案的有效性和鲁棒性，本文使用了两个国际标准测试系统：IEEE-13节点测试系统和UL-1741测试系统。IEEE-13节点测试系统用于详细分析孤岛检测性能，而UL-1741测试系统则用于评估非检测区（NDZ）。

IEEE-13节点测试系统

该测试系统包含两个分布式发电单元：一个连接在IoT-R-31的光伏（PV）发电单元和一个连接在IoT-R-22的风力发电单元。通过断开断路器模拟孤岛条件，并测试了电容和负载切换等非孤岛条件。

UL-1741测试系统

该测试系统专门用于评估孤岛检测方案的NDZ。通过广泛的仿真和分析，本文提出的方案在两个测试系统上均表现出色，实现了快速、准确的孤岛检测，NDZ值极小，这对于提高现代电力系统的稳定性和安全性至关重要。

4. 提出方案的方法论框架

本文提出的方法结合了IoT技术和DEKF，用于智能电网环境中的孤岛检测。方案包括在PCC处放置IoT设备，这些设备配备传感器，用于监测电压、电流和频率等关键参数。PCC电压通过无线传输到DEKF进行实时分析。DEKF通过预测和更新步骤完成其过程，首先根据数学模型预测下一个状态，然后通过实时测量调整预测状态，以最小化估计误差。计算出的残差作为孤岛检测的主要指标。当残差超过预设阈值时，系统认为发生了孤岛事件，并触发警报信号，将分布式发电单元从主电网中快速断开，以防止不安全操作或设备损坏。

5. 结果与讨论

本文提出的孤岛检测方案在多种场景下进行了严格的评估，包括孤岛和非孤岛事件，以验证其鲁棒性、准确性和可靠性。评估使用了IEEE-13节点测试系统和UL-1741测试系统，涵盖了PV和风力发电单元的孤岛事件、电容切换和重负载切换等关键场景。

A. 孤岛-1场景

在孤岛-1场景中，PV和风力发电单元同时在不平衡负载和发电条件下从电网断开，形成孤岛。DEKF估计的电压信号显示在0.25毫秒时发生了变化，残差值超过了预设的0.5阈值，成功检测到孤岛事件。

B. 孤岛-2场景

在孤岛-2场景中，仅风力发电单元在不平衡负载和发电条件下从电网断开。DEKF估计的电压信号显示在0.2毫秒时发生了变化，残差值超过阈值，成功检测到孤岛事件。

C. 孤岛-3场景

在孤岛-3场景中，仅PV发电单元在不平衡负载和发电条件下从电网断开。DEKF估计的电压信号显示在0.25毫秒时发生了变化，残差值超过阈值，成功检测到孤岛事件。

D. 电容切换场景

电容切换事件用于评估方案在非孤岛条件下的表现。在0.25毫秒时切换电容，PCC电压信号发生了显著变化，但残差值保持在预设阈值以下，表明方案在非孤岛条件下运行良好。

E. 重负载切换场景

重负载切换事件用于验证方案在非孤岛条件下的准确性。在0.1毫秒时切换重负载，PCC电压信号发生了显著变化，但残差值保持在预设阈值以下，表明方案能够有效区分孤岛事件和非孤岛事件。

F. 性能分析

本文提出的方案在检测时间、准确性和NDZ三个关键指标上表现出色。方案在不到5毫秒的时间内检测到几乎所有事件，准确率达到99.5%，NDZ值显著降低至0.005。这些结果表明，该方案能够在多种情况下快速、准确地检测孤岛事件，减少误报，并提供一致的性能，适合在智能电网中部署。

6. 结论

本文提出的基于IoT和DEKF的孤岛检测方案能够有效识别孤岛条件，解决了检测时间短、准确性高和NDZ小等关键挑战。通过广泛的MATLAB Simulink仿真，验证了该方案能够在0.15秒内检测到孤岛事件，准确率超过99.5%。未来的工作将集中在硬件在环环境中实施该方案，以进行实时验证。

---

参考文献

本文引用了多篇相关文献，涵盖了孤岛检测技术、分布式发电、智能电网保护等领域。