[发明专利]一种基于极限学习机的微电网孤岛检测方法

摘要

本发明公开了一种基于极限学习机的微电网孤岛检测方法，该方法建立基于特征提取和ELM分类算法的微电网孤岛检测模型，选取部分历史数据作为初始数据，根据实际情况适当选取算法特征用于ELM分类器训练；验证结果表明基于ELM分类算法进行孤岛检测效果良好，监测盲区小，如果增大训练样本的数量和特征数量认可进一步提高孤岛检测的精度。此外，基于特征提取和分类算法的孤岛检测方法对于电力系统运行没有任何不利影响，而且检测方法稀释性好，能够满足现场的应用要求，具有工程实际意义。

主权项

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。