具有在线自学能力的分布式发电孤岛检测方法

摘要

本发明涉及一种具有在线自学能力的分布式发电孤岛检测方法，包括以下步骤：1)利用微网SCADA系统在线获取原始样本；2)利用含微簇的在线聚类方法，自适应地对原始样本进行再采样；3)依据多分类器模型计算每个样本子集的权重并进行优胜劣汰，淘汰分类准确率低于设定阈值的样本集，获得优选样本集；4)根据优选样本集，在线训练生成分类器模型；5)利用上述在线自学获得的分类器模型，以异步方式更新实时孤岛检测所用的分类器模型。与现有技术相比，本发明具有准确性高、稳定性好、鲁棒性高、适应性好等优点。

主权项

一种具有在线自学习能力的分布式发电孤岛检测方法，其特征在于，包括以下步骤：1)利用微网SCADA系统在线获取原始样本；2)利用含微簇的在线聚类方法，自适应地对原始样本进行再采样；3)依据多分类器模型计算每个样本子集的权重并进行优胜劣汰，淘汰分类准确率低于设定阈值的样本集，获得优选样本集；4)根据优选样本集，在线训练生成分类器模型；5)利用上述在线自学习获得的分类器模型，以异步方式更新实时孤岛检测所用的分类器模型；所述的利用微网SCADA系统在线获取原始样本具体为：设样本集合为：E＝{(x_i,C(x_i)}，i＝1,...N          (1)N为样本总数，x_i为特征向量，C(x_i)∈{0,1}为该样本的类别标签，0为非孤岛，1为孤岛；以频率、电压幅值、电流幅值、电压‑电流相角差、有功功率和无功功率作为特征向量，记为：式(1)中，特征向量x_i的6个特征值由各分布式发电系统DG上报，而类别标签C(x_i)从PCC开关状态获取，在SCADA系统中，通过简单网络协议SNTP实现低成本的网络对时，传送x_i与C(x_i)的报告皆含有时间标签，以C(x_i)的时间戳为基准，对x_i进行线性插值，即获得同一时间截面的样本实例。