[发明专利]一种基于极限学习机的微电网孤岛检测方法

权利要求书

1.一种基于极限学习机的微电网孤岛检测方法，其特征是：包括以下步骤：

选取历史数据作为初始数据，对数据进行预处理，提取微电网参数特征量，表示原始电气量；

给定训练样本集、隐含层输出函数和隐含层节点数，建立极限学习机网络训练模型，根据随机生成的隐含层节点参数，计算隐含层输出矩阵和输出权重，根据限学习机网络的计算结果，对给定测试数据进行分类；

利用极限学习机分类算法对提取的微电网参数特征进行参数寻优，求取最优参数值，基于最优种群的生存原则，利用遗传算法，进行参数的优选，构建包含离线参数寻优与在线孤岛检测的微电网孤岛检测模型；

采集在线数据，对其进行特征提取，利用微电网孤岛检测模型判断其是否为孤岛，如果是，则判定为发生孤岛，如果不是，则重新采集在线数据。

2.如权利要求1所述的一种基于极限学习机的微电网孤岛检测方法，其特征是：所述步骤（1）中，所提取的微电网参数特征量满足以下条件：

1）反映微电网运行状态的电气量；

2）在微电网发生孤岛前后应有所变化；

3）特征容易提取，直接提取或经过简单计算即可提取，避免复杂运算。

3.如权利要求1所述的一种基于极限学习机的微电网孤岛检测方法，其特征是：所述步骤（1）中，采集的原始电气量表示为：

式中，表示所采集的原始样本集合，表示第a个原始样本的第b个原始电气量，A表示原始样本集的样本数，B表示每个样本集所包含的的原始电气量个数；

用于极限学习机分类器训练的样本集表示为：

式中，表示训练样本集，表示第a个训练样本的第m个特征，M表示由原始电气量提取的用于极限学习机分类器训练的负荷特征数。

4.如权利要求1所述的一种基于极限学习机的微电网孤岛检测方法，其特征是：所述步骤（2）中，极限学习机网络训练模型采用前向单隐层结构，建立其的具体方法为：

给定训练样本集、隐含层输出函数和隐含层节点数L，表示具有L个隐含层节点的极限学习机的输出函数，随机生成隐含层节点参数，根据其计算隐含层输出矩阵H和输出权重，给定测试数据，根据极限学习机的输出结果进行分类；

其中，式中：为第i个样本，为第i个样本对应参数，N为样本个数；

，为隐含层输出函数；

，为随机生成隐含层节点参数。

5.如权利要求1所述的一种基于极限学习机的微电网孤岛检测方法，其特征是：所述步骤（3）中，进行极限学习机分类算法参数寻优，需要在训练样本和验证样本的基础上，求出一组最优的参数值C^opt和L^opt，即

式中，C^opt和L^opt是适应度最高的一组参数值；C⁰和L⁰是算法随机设定的初始参数值。

6.如权利要求1所述的一种基于极限学习机的微电网孤岛检测方法，其特征是：所述步骤（3）中，适应度函数选取为孤岛检测准确率，表示孤岛检测正确的样本数占所有检测为异常样本的比例，即

式中，a表示被极限学习机分类器判断为正常且确实为正常的样本数量；b表示被极限学习机分类器判断为正常但其实为异常的样本数量；c表示被极限学习机分类器判断为异常但其实为正常的样本数量；d表示被极限学习机分类器判断为异常且确实为异常的样本数量。