1.一种基于有限时间一致性理论的孤岛微电网控制方法，其特征在于，其步骤为：在基于分布式二级控制策略的孤岛微电网中，利用对等稀疏网络与相邻代理进行通信，并通过有一致性算法处理获得信息和本地信息；并将一致性偏差反馈到由有限时间一致性策略设计的频率和电压控制器；然后，控制器的输出被输入到下垂控制，然后转移到电压和电流控制环路，最后实现频率和电压稳定并跟踪到标称值；

其中，在通信中断时，基于改进极限学习机对相邻代理的历史数据进行预测，并将预测结果输入到由有限时间一致性策略设计的频率和电压控制器；

基于改进极限学习机对相邻代理的历史数据进行预测步骤具体为：(1)预测模型的建立

对于任意N个不同样本(Xi,Yi)，其中Xi＝[xi1 xi2 … xin]T∈Rn表示各个DG历史输出频率或电压，Yi＝[yi1 yi2 … yim]T∈Rm表示各个DG期望输出的频率或电压，对于一个有L个隐层节点的单隐层神经网络表示为：其中g(x)为激励函数，为高斯函数，Wi＝[wi1 wi2 … win]T为输入权重，γi为输出权重，ci为第i个隐层单元的偏置，oj表示预测输出；

当考虑经验风险和结构风险时，ES-ELM的数学模型表示为：其中，||ε||2表示经验风险，||γ||2表示结构风险，η∈R表示两种风险比例参数通过交叉验证的方式来确定的最佳折中点；

引入LS-SVM算法，将ES-ELM模型转化为拉格朗日方程为：T

其中，λ＝[λ1 λ2 … λN]表示拉格朗日乘子，H表示隐层输出，γ＝[γ1 γ2 … γL] 表示输出权重根据KTT最优条件，求拉格朗日方程的梯度并令其为0，得从而得到

其中X+表示矩阵X的广义逆矩阵；

(2)预测模型的训练

训练之前先明确以下内容：训练集N个不同的样本(Xi,Yi)，隐层数目L，激励函数g(x)，Step 1:当数据变化较大时，为了得到更好的训练结果，对数据进行预处理，具体公式为：其中，x(i)和x'(i)分别表示原始数据和处理后的数据，Ex和σi表示原始数据的均值和标准差；

Step 2：输入权值wik和偏置ci在(0,1)范围内任意设定，并计算隐层输出H；

Step 3：根据 计算输出权值γ和拉格朗日乘子λ；

(3)结果预测

经过ES-ELM训练之后，通过历史数据对已经丢失通信信息的DGi进行局部预测，分别得到频率和电压的预测值。

2.根据权利要求1所述的一种基于有限时间一致性理论的孤岛微电网控制方法，其特征在于，所述孤岛微电网分为物理层和网络层两个部分；所述物理层主要包括控制器和分布式电源，控制器稳定各分布式电源输出，再将分布式电源的输出通过静态转换开关连接到公共耦合点；或控制器稳定各分布式电源输出，再用分布式电源对负载进行供电；所述网络层进行不同电力电子逆变器之间的数据交换，完成整个微电网内分布式电源的输出同步。

3.根据权利要求1所述的一种基于有限时间一致性理论的孤岛微电网控制方法，其特征在于，对代理DGi的输出误差用一致性算法为：ei＝∑aij(xj-xi)+bi(xref-xi)其中，ei代表代理i的全局输出误差，xi代表代理i的实际输出值，xj代表代理i的相邻代ref理j通过通信传输过来的值，x 代表代理i的输出的标称值，作为一致性算法的Leader节点，aij表示加权邻接系数，即代理i的网络通信链接，bi代表通向Leader的权重，当且仅当代理i访问Leader时，bi＞0；

为了实现有限时间的调节效果，引入符号函数：

设计的有限时间控制器为：

α

ui＝βsig(ei)

其中，α,β是有限时间控制参数，α是指数系数，0＜α＜1，提高了系统收敛性能，β是比例系数，β＞0，决定了控制变量的步长。