Eine neuartige ANFIS-basierte Inselerkennung für invertergespeiste Mikronetze

Diese Arbeit präsentiert eine neue Inselerkennungsstrategie für niederspannungs-invertergefederten Mikronetze, basierend auf einem adaptiven neuro-fuzzy Inferenzsystem (ANFIS). Die vorgeschlagene Inselerkennungsmethode nutzt die Mustererkennungskapazität von ANFIS und ihre nichtlineare Zuordnung der Beziehung zwischen Eingaben. Das ANFIS überwacht sieben Eingänge, die am Punkt des gemeinsamen Anschlusses (PCC) gemessen werden, nämlich die quadratische Mittelwerte (RMS) von Spannung und Strom (RMS und RMSI), die totale harmonische Verzerrung (THD) von Spannung und Strom (THD und THDI), Frequenz (f) sowie aktive und reaktive Leistungen (F, Q), die experimentell basierend auf praktischen Messungen in einem realen Mikronetz ermittelt werden. Die vorgeschlagene Methode besteht aus einer passiven Überwachung der genannten Eingänge. Sie beeinflusst nicht die Qualität der Energieversorgung (PQ) und verringert erheblich die Nicht-Erkennungszonen (NDZs). Um möglichst viele Situationen abzudecken, falsches Auslösen zu minimieren und dennoch selektiv zu bleiben, werden Typ und Anzahl der Proben eingeführt. Hierbei ist eines der Hauptziele die Reduzierung von NDZ bei gleichzeitiger Einhaltung der PQ. Basierend auf der abgetasteten Frequenz und der Anzahl der Proben stellen wir fest, dass die vorgeschlagene Methode eine kürzere Erkennungszeit und eine bessere Genauigkeit aufweist im Vergleich zu den berichteten Methoden. Simulationen, die in der MATLAB/Simulink-Softwareumgebung durchgeführt wurden, sowie verschiedene Tests unter unterschiedlichen aktiven Lastbedingungen und multiple verteilte Erzeugung beweisen die Effektivität, Authentizität, Selektivität, Genauigkeit und Präzision der vorgeschlagenen Methode mit zulässigen Auswirkungen auf PQ gemäß dem Standard UL1741.