随着经济的快速增长和社会的稳步发展,能源的需求量不断增加,由此带来的环境污染问题也日趋严重。在仍然以不可再生能源为主要经济发展支撑的当今世界,能源危机和环境危机已成为各个国家需要面对的重要问题。在此背景下,研究微电网对改善当前能源结构、提高分布式电源利用效率具有重要意义。目前微电网主要以交流形式存在,随着分布式电源和多种直流用电设备在微电网中得到大量的应用,直流微电网正快速发展,直流微电网迎来了广阔的发展空间。直流微电网运行方式分为并网和孤岛两种运行方式,微电网与大电网的连接断路器跳闸后,形成孤岛,孤岛运行可分计划孤岛和非计划孤岛。非计划孤岛会对用户或系统造成一定危害,分布式发电系统并网运行时处于孤岛状态影响电力系统安全正常运行,反孤岛设备必须在可以接受的时限内把孤岛检测出来。因此准确检测孤岛是直流微电网安全稳定运行的必要条件。本文围绕着直流微电网孤岛运行情况展开了相关研究。传统的孤岛检测方法主要有本地主动法、本地被动法、远程法。这些方法存在检测盲区较大,影响逆变器输出的电能质量,成本较高和设计复杂等问题。数据挖掘技术主要有两种功能:一是对电力系统历史运行信息进行查询,二是建立查询数据之间的潜在联系,解决孤岛的预测、决策等问题。该文提出了一种基于随机森林分类的直流微电网孤岛检测方法。首先,搭建了直流微电网仿真模型,得到系统并网和孤岛运行模式下直流母线侧电压、电流、输出有功功率等状态信息,并进行数据清洗;然后,提取反映直流微电网孤岛运行的关键特征,生成特征向量集;最后,提出了基于随机森林分类的直流微电网孤岛检测方法,结果表明该方法能够提升直流微电网孤岛检测精度。首先,本文介绍了数据的预处理工作,包括数据清洗,特征提取和特征指标分析。对大量的原始数据进行清洗并提取特征,采用计算欧氏距离的方法进行冗余数据的剔除,重复数据的合并,选择直流母线侧的电压、电流、输出有功功率及三者的一阶后向差分等六个孤岛特性指标作为检测特征,生成特征向量集。其次,研究了随机森林分类方法的基本原理,包括训练样本子集的随机选取,构建CART决策树和孤岛检测结果的投票。在训练样本子集随机选取的方面,针对训练集和测试集的比例进行调整,寻找最优比例,使得检测结果更为准确合理。研究了随机森林树的棵树对检测结果的影响,选择最佳棵树。同时针对六个检测特征进行了特征指标分析,赋予每个特征合理的权重,构建了基于加权随机森林分类建立直流微电网的孤岛检测模型。然后,采用软件搭建了包括光伏发电系统、风力发电系统、锂电池储能系统、交流负载、直流负载和交流主电网的直流微电网仿真,利用该仿真产生大量直流微电网运行的电压、电流、输出有功功率、交流侧电压、电流、输出有功功率、输出无功功率等基本状态信息,对原始数据进行数据预处理,并在此基础之上构建随机森林分类模型,实现了孤岛的准确检测。最后在实验结果分析方面,本文进行了如下实验,不同数据集的规模下未考虑特征指标权重的随机森林分类模型与决策树分类法进行比较,考虑权重的随机森林分类模型与未考虑特征指标权重的随机森林分类模型进行比较。结论可知,考虑权重的随机森林分类模型,相比于传统检测方法,可以更加准确地检测孤岛,具有一定的可拓展性和现实意义。