基于改进Adaboost的单三相混联微网群孤岛检测方法

基于改进Adaboost的单三相混联微网群孤岛检测方法，包括以下步骤：收集在公共耦合点(Point of Common Coupling，PCC)处测得的单三相混联微网群中不同电气特征量的样本数据；基于偏最小二乘法(Partial Least Squares，PLS)对公共耦合点处测得的各类电气特征量进行了相关性分析，筛选出强相关电气特征量，并组成训练集和测试集；基于黏菌优化算法(Slime Mould Algorithm，SMA)和GSN权重学习方式对Adaboost学习器进行改进，以提高分类能力、减弱扰动影响和缩短检测耗时。基于改进Adaboost学习器构建微网群的孤岛检测模型，根据PCC处的实时测试集数据，输出孤岛检测结果。该方法能够不受扰动信号和系统三相不平衡度的影响进行准确的孤岛检测，具有较高的抗干扰性、准确性和泛化能力。