由于燃料能源的不断减少及其对环境危害的日益严重,人们把目光投向了太阳能、风能等清洁且储量巨大的可再生能源,基于可再生能源的分布式发电技术是电力行业今后发展的一个重要方向。孤岛现象是分布式发电系统的一个基本问题。孤岛产生后,可能会威胁到电网维修人员的安全,在重合闸时对用电设备造成损害。因此,孤岛检测是分布式发电装置必须具备的一种保护功能。本文首先针对孤岛现象的成因展开研究,通过对孤岛发生时各微电网参数变化的分析,选取并网点的电压波形判断是否发生了孤岛。针对目前被动式孤岛检测方法存在检测盲区,主动式孤岛检测方法对微电网运行影响较大等问题提出一种基于深度学习的孤岛检测方法。然后,采用MATLAB搭建了含分布式光伏、锂电池储能系统、大电网和负载的微电网模型。由于微电网有些设备的投入和退出会对并网点电压造成冲击,影响孤岛检测的判断。因此,本文模拟了并网运行、光伏启动和孤岛发生等不同工况下并网点的电压波形及具体数值用于孤岛检测模型的训练。最后,从网络结构搭建、激活函数的选择、损失函数和优化函数的选择、学习率等超参数调整策略展开,搭建了基于深度前馈神经网络的孤岛检测模型。结果表明,当并网点的电压波形采样周期为50μs时,模型可在75ms时检测出孤岛的发生。当采样周期为100μs时,模型可在120ms时检测出孤岛的发生。理论上模型对于判断系统是否处于孤岛状态的准确率已达100%。