随着各国工业快速发展,能源需求愈加紧张,光伏并网发电成为研究热点之一,但也面临着并网运行时可能出现的孤岛效应问题。为了减轻孤岛效应对维修人员安全造成的危害,降低对整个电网系统运行稳定的影响,以及对电力设备的损害,研究高效的孤岛检测方法具有深远的现实意义。为了能够可靠识别孤岛效应,且提高孤岛辨识的准确率,提出了利用小波包变换(WPT)提取孤岛辨识特征量并与精确随机森林(A-RF)算法结合,应用到孤岛检测中。通过计算公共耦合点(PCC)电压信号各频段局部能量熵,优选出小波包基函数,并利用该小波包基函数对PCC电压信号进行分解和重构处理,并计算其特征能量值,组成辨识系统的输入特征向量。针对传统RF算法分类结果由决策树投票众数决定,分类准确率较低,提出依据决策树分类精度对其进行合理权重分配的改进算法,强化起作用的决策树表决能力,从而优化随机森林辨识模型的分类能力,实现孤岛效应的准确识别。在MATLAB/Simulink仿真软件中搭建光伏并网发电系统模型,设置了正常、孤岛以及三种干扰运行状态,将提取的孤岛辨识特征量分别输入到本文所提模型和传统检测模型中进行对比分析。结果表明相比于传统方法基于A-RF的孤岛检测方法辨识准确率较高,检测速度较快,且在干扰状态下仍能做出准确判断,证明了该检测方法的可行性和有效性。该论文有图34幅,表8个,参考文献67篇。