臺灣博碩士論文加值系統

本文旨在實現一微控制器監控微電網於併網模式下的電壓，當微電網發生電力品質異常時，能夠即時令微電網跳脫市電，以避免電力異常造成的劇烈電壓擾動。使用離散小波轉換，分析訊號包含的暫態變化，並經由Parseval定理獲取該變化之能量值，最後將這些特徵數值輸入至決策法，輸出導通或截止的命令，以此作為本文所探討的專家系統。在專家系統中嘗試採用了模糊控制、倒傳遞類神經網路，與模糊倒傳遞類神經網路為決策法，並以容許值檢測法作為對照。且考慮小波轉換演算容易被訊號中的雜訊汙染所影響，可能導致專家系統誤判，因此，如何快速地偵測及避免雜訊影響將是本文著重的課題。
透過Matlab軟體預先模擬各類電力異常事件，並分析其特徵值變化，以建構適用的專家系統，之後輸入電壓波形訊號進行模擬測試，比較模擬的系統輸出，來找出最佳的系統架構。於模擬結果中可以發現，模糊倒傳遞類神經網路為決策法的專家系統具有較佳的表現，不但能容許雜訊波形且能有效檢測出電壓異常。

This thesis aims to implement a microcontroller to monitor voltage signal in microgrid, which operate in grid-connected mode. If there is abnormal voltage at the point of common coupling (PCC), it can trip the microgrid instantly to avoid voltage disturbance caused by the fault and protect the power electronics equipment. After estimating the voltage signal through discrete wavelet transform (DWT) and the Parseval’s theorem, we enter these eigenvalues into decision method to output ON/OFF command, as expert system. In this paper, the fuzzy control, back propagation neural network (BPNN), and fuzzy-back propagation neural network are used as the decision-making method, and the threshold value detection method is used as a control. Considering that DWT is easily affected by the noise pollution in the voltage signal, to overcome the misjudgment cause by noise, which makes the microgrid trip from the grid in general situation.
Through Matlab software, we simulate the voltage signal of power fault event, and analysis the eigenvalues to set up the expert system. And test the proposed systems. By observing the output command, we found that the expert system of fuzzy-back propagation neural network has better performance. It not only allows noise waveforms, but also effectively detects voltage anomalies.

論文摘要 i
Abstract ii
致謝 iii
目錄 iv
圖目錄 ix
表目錄 xiv
第一章 緒論 1
1-1 研究背景與動機 1
1-2 文獻探討 3
1-3 論文大綱 4
第二章 電力品質管制標準與微電網跳脫規範 5
2-1 電壓諧波 6
2-1-1 定義 6
2-1-2 諧波失真率公式及現行諧波管制標準 6
2-2 電壓驟升與驟降 9
2-2-1 定義 9
2-2-2 驟升與驟降現行管制標準 10
2-3 電力中斷 11
2-3-1 定義 11
2-3-2 現行管制標準 12
2-4 暫態 13
2-4-1 定義 13
2-4-2 現行管制標準 13
2-5 微電網跳脫規範 14
第三章 電壓異常檢測與跳脫決策法 16
3-1 小波轉換 16
3-1-1 離散小波轉換 17
3-1-2 多解析度分析(Multi-resolution analysis) 18
3-1-3 Parserval定理 20
3-2 對於輸出特徵值的選擇 21
3-2-1 純基頻弦波(60Hz) 23
3-2-2 驟降、驟升、中斷 25
3-2-3 諧波 27
3-2-4 脈衝式暫態 29
3-2-5 振盪式暫態 31
3-2-6 特徵值的選擇 33
3-3 模糊理論 (Fuzzy Theory) 34
3-3-1 模糊集合(Fuzzy Sets) 35
3-3-2 模糊規則庫 38
3-3-3 模糊推論(Fuzzy Inference) 39
3-3-4 解模糊 41
3-4 類神經網路 43
3-4-1 倒傳遞類神經網路(BPNN) 44
3-4-2 標準倒傳遞演算法 46
3-4-3 評估指標 46
3-5 章節總結 48
第四章 偵測系統 49
4-1 偵測法建置概述 49
4-1-1 電力品質案例 51
4-2 離散小波轉換之分析 53
4-2-1 離散小波轉換架構 54
4-2-2 對電力品質案例之分析 56
4-2-2.1 Case1 正常波形 57
4-2-2.2 Case2 驟降與驟升 60
4-2-2.3 Case3 脈衝式暫態 71
4-2-2.4 Case4 振盪式暫態 76
4-2-2.5 Case5 諧波 78
4-2-2.7 Case6 電力中斷 82
4-2-3 小節總結 88
4-3 偵測架構介紹 89
4-3-1 資料集建置 89
4-3-2 模糊控制 90
4-3-2.1 前件部 91
4-3-2.2 後件部 94
4-3-2.3 模糊規則 95
4-3-3 倒傳遞類神經網路 98
4-3-4 模糊倒傳遞類神經網路 99
4-4 章節總結 100
第五章 模擬測試結果 101
5-1各電壓異常事件的模擬狀況 101
5-1-1模擬測試結果 102
5-2模擬偵測結果說明 112
第六章結論與未來發展 114
6-1 結論 114
6-2未來研究方向 115
參考文獻 116

[1] 張永瑞、姜政綸、李奕德。「微電網發展前景及技術剖析」。臺灣能源期刊，第二卷第三期，第259-278頁。中華民國104年9月。
[2] IEEE Standard for Interconnection and Interoperability of Distributed Energy Resources with Associated Electric Power Systems InterfacesIEEE Recommended Practices and Requirements for Harmonic Control in Electrical Power Systems, IEEE Std. 1547-2018.
[3] C. W. Wang, Y. Y. Hong, “Identification of Power Switching Using Wavelet Transform and Neural Network,” Chung Yuan Christian University. 2003.
[4] Sachin K. Jain, S. N. Singh, “Low-Order Dominant Harmonic Estimation Using Adaptive Wavelet Neural Network,” IEEE Transactions on Industrial Electronics,Vol: 61, Jan. 2014
[5] Zwe-Lee Gaing, “Wavelet-based neural network for power disturbance recognition and classification,” IEEE Transactions on Power Delivery ,Vol. 19, Oct. 2004
[6] 樊俊暉，「設計與實現結合小波與模糊理論之電力品質分析晶片」，淡江大學電機工程學系碩士論文，中華民國九十三年七月。
[7] IEEE Recommended Practices and Requirements for Harmonic Control in Electrical Power Systems, IEEE Std. 519-2014.
[8] 電力品質不良因素與管制標準研究-旋宇工程顧問有限公司及中華技術學院電機工程系產學合作報告書，中華民國九十六年。
[9] IEEE Recommended Practice for Monitoring Electric Power Quality, IEEE Std. 1159-2009.
[10] Sean Elphick, Vic Smith, “The 230 V CBEMA Curve – Preliminary Studies,” Universities Power Engineering Conference, 2010 20th Australasian.
[11] W. L. Kuo, “A DSP Based Power Disturbance Recognition System Using Wavelet Transform and Neural Networks,” National Changhua University of Education. 2011.
[12] 張文俊。「認識Fuzzy(第三版)」。全華圖書股份有限公司。中華民國105年4月。
[13] 張斐章、張麗秋。「類神經網路導論-原理與應用」。滄海圖書資訊股份有限公司。中華民國104年2月。
[14] 蘇木春、張孝德。「機械學習：類神經網路、模糊系統以及基因演算法則」。全華圖書股份有限公司。中華民國101年2月。