微电网能够提高电力系统消纳能力和能源利用效率。微电网故障检测技术有助于实现故障隔离与恢复,是微电网控制领域的关键技术之一,对微电网的安全稳定运行起到重要作用。目前接入微电网的分布式电源以逆变型为主,由于其输出限流,使得传统依赖于电流特征的故障检测方法不再适用。基于数据驱动的微电网故障检测技术成为近年来的研究热点,其核心在于从历史数据中挖掘有效的故障特征信息,建立故障分类器模型,用于后续的故障检测。本文主要内容有:微电网数学模型和仿真模型的建立。分析了微电网中分布式电源逆变器的PQ控制和下垂控制的数学模型,并建立了相应的仿真模型,通过仿真验证其合理性。微电网电气量的特征选择。采集了微电网正常与短路故障时的21种电气特征,并建立了相应的特征库;利用Relief F算法初步删除与微电网故障相关性较弱的特征;采用特征权重的平方作为特征排序准则,利用支持向量机-递归特征消除法进行特征选择,根据特征排序准则,删除冗余特征,选出能够敏感识别微电网故障的特征;最后,通过实验选出包含7个特征的最优特征子集。微电网故障检测算法模型的建立。将经过特征选择后的最优特征子集数据作为训练数据,采用随机森林和逻辑回归算法进行训练,利用网格搜索算法优化这两种算法的参数,得到随机森林最优分类器和逻辑回归最优分类器。经过对比,最后采用随机森林最优分类器作为最终分类器,利用测试集数据测试分类准确率,验证模型的有效性。实验结果表明,本文建立的Relief F-支持向量机-递归特征消去-随机森林算法检测微电网故障,比直接使用支持向量机、随机森林或逻辑回归准确率更高。