[发明专利]一种基于改进Adaboost算法的分布式电源孤岛检测方法

权利要求书

1.一种基于改进Adaboost算法的分布式电源孤岛检测方法，其特征在于，具体包括以下步骤：

1)采集并构建分布式电源运行状态数据集；

2)采用Adaboost算法进行基分类器训练；

3)采用K-means++算法对训练样本进行聚类；

4)计算检测数据与训练样本组之间相似度；

5)结合相似度和基分类器权重确定强分类器；

6)采用强分类器对检测数据进行孤岛判断。

2.根据权利要求1所述的一种基于改进Adaboost算法的分布式电源孤岛检测方法，其特征在于，所述采集并构建分布式电源运行状态数据集，具体为：

采集分布式电源公共连接点的历史运行数据，包括电压V、电流I、相位ψ、频率f、有功P、无功Q共六类遥测数据以及分布式电源并网/孤岛运行状态数据；

计算分布式电源运行特征量，包括电压变化率dV/dt、电流变化率dI/dt、相位变化率dψ/dt、频率变化率df/dt、有功变化率dP/dt、无功变化率dQ/dt；

结合六类遥测数据、六类运行特征量以及对应运行状态信息，构建分布式电源运行状态数据集，作为本方法孤岛检测训练样本H

H＝{(x₁,y₁),(x₂,y₂),...,(x_m,y_m)}

其中，x_i是分布式电源公共连接点遥测数据/运行特征量组，y_i为0，代表正常并网状态，为1代表孤岛状态。

3.根据权利要求2述的一种基于改进Adaboost算法的分布式电源孤岛检测方法，其特征在于，所述采用Adaboost算法进行基分类器训练，具体为：

采用经典Adaboost算法对训练样本H进行训练，各组数据初始权重均为1/m；

在训练样本H中抽有放回的抽取样本数据h_(n)，经训练迭代N次练出基分类器α_i；

计算基分类器的错误率ε_N，如果ε_N0.5，则继续迭代，直至ε_N≤0.5

得到基分类器H＝{h₁,h₂,...,h_N}。

4.根据权利要求3所述的一种基于改进Adaboost算法的分布式电源孤岛检测方法，其特征在于，所述采用K-means++算法对训练样本进行聚类，具体为：

采用K-means++算法对训练样本集进行分组，分为K组，并将各组记为{C₁,C₂,…,C_k}，同时记录下各个组的中心点{c₁,c₂,…,c_k}；

计算第i个基分类器对第k个样本组分类的错误率，其中，错误率是被分错的样本数占总样本数的百分比，整体的错误率用矩阵E_K×N表示

其中，e_k×n表示第i个基分类器对第k个组分类的错误率；

计算训练样本中第k个样本组对第i个基分类器的权重，最后得到整体的权重矩阵V_K×N

其中，定义权重