伴随着可再生能源发电的快速发展,微电网由于具有平抑大量分布式电源接入带来的功率波动和提高了设备供电可靠性等优点,引起了业界的关注。但是,微电网运行过程中会因为天气因素等原因导致线路产生断路、短路以及电弧故障等影响正常供电,严重时甚至发生电气火灾造成对整个电网的破坏,产生连锁故障。因此,研究微电网故障检测技术,提高检测精度对于微电网的安全运行具有重要意义。为提升光伏微电网故障检测精度,本文构建光伏微网系统,研究在各种故障产生下的光伏微电网故障检测方法,主要内容如下:(1)在了解光伏微网系统各组件结构的基础上,本文首先对光伏电池的基本结构进行分析并搭建相应的数学模型;其次,对电池储能系统进行原理分析并搭建仿真模型;最后,设计交流微电网部分并对其他组件进行仿真搭建。(2)在光伏微电网系统中,电缆线路在正常运行时由于外界动物啃食等外力作用,通常会出现断路、短路故障。使用信号时频分析法对信号进行分解并构建分类器则是实现微电网故障检测的一种重要解决方案。本文分析传统固有时间尺度分解法存在的分量波形失真与虚伪分量方面的弊端,研究使用不同插值方法对曲线拟合的影响,提出了改进的固有时间尺度分解方法(Modified In-trinsic Time-scale Decomposition,简称MITD)。仿真结果表明,与传统ITD相比,所提的方法既能平滑信号,又能有效保留特征数据。为解决光伏微电网中断路、短路故障分类问题,本文设计了一种MITD-DNN联合的多特征融合故障检测方案。该故障检测方案首先采集支路三相电压幅值,将采集到的数据使用改进的ITD分解提取特征值,经过特征选择后将融合后的特征矩阵放入深度神经网络(DNN)中训练,并根据深度神经网络的分类结果,对故障类型及故障相进行精准判别。为评估提出的故障检测方案的性能,对基于IEC-61850标准搭建的微电网进行了全面的评估研究,实验结果表明,该检测方案可以在不同的光伏微电网参数配置下有效区分断路、短路等故障情况。(3)光伏微电网系统中,由于受天气影响很大,尤其是雷暴天气会导致负载出现电弧故障。因此,针对微电网中出现电弧故障时因设备误差等原因造成实际测量波形数据出现噪声的情况,提出一种结合集合经验模态分解(EEMD)去噪和MITD分解的检测方法。首先,使用EEMD分解添加了噪声的负载电流波形,并利用相关系数去除虚伪分量对电流信号重构,然后根据方差选择法筛选出相关特征,其次对重构后的电流信号使用MITD分解并提取筛选出的特征,最后将筛选出的特征与原始电流数据融合成特征矩阵输入到CNN中进行分类。通过实验验证,本文提出的方法可以有效实现电弧故障的检测,保证光伏微电网安全稳定运行。