一种基于深度学习的下垂控制并网逆变器孤岛检测方法和系统

本发明公开了一种基于深度学习的下垂控制并网逆变器孤岛检测方法和系统，涉及微网检测技术领域，该方法包括：获取下垂控制并网逆变器与电网的公共耦合点电压和逆变器输出电流的RMS信号，并提取不同场景下电压RMS信号和电流RMS信号的总谐波畸变率THD，以构建数据集；利用数据集训练和评估所构建的LSTM分类器，采用具有最佳学习参数的LSTM分类器对输入的电压和电流的THD参数进行孤岛检测，实现将输入数据分类为孤岛或非孤岛场景。该方法可以替代传统阈值方法，且不会对逆变器的运行工作造成干扰，具有较高的准确率、可靠性以及快速的检测时间。