1.一种考虑通信中断的孤岛微电网的信息物理协同应对方法，其特征在于，所述方法包括以下步骤：步骤1，在信息层中包括通信网络、通信器、传感器和一致性控制环节；

在物理层中包括下垂控制器、功率控制器、一致性控制、二次控制器、虚拟控制器、电压电流双闭环；P-ω/Q-U下垂控制作为孤岛微电网中各DER输出电压和频率的一次控制；

步骤2，在信息层中，提出一种基于图论和改进遗传算法(GA)的路径规划方法，解决了通信者之间的通信中断问题；

2-1，判断中断原因：

基于图论，每个DER对应的通信器均可以视为一个智能体；aij代表第i个通信器和第j个通信器之间的连接关系；如果第j个通信器可以连接到第i个通信器，则aij为正；否则，aij＝

0；有向图的邻接矩阵定义为Aa＝aij∈Rn×n；

根据中断的原因，消除Aa中相应的元素，然后进行路径规划，构建网络层中的新通信线路；如设第2个通信器不能发送数据，则对应的邻接矩阵变化如下：

2-2，设置目标函数和约束条件

假设有n个DER需要在系统中构造通信线路，且根据基于一致性的二次控制的控制方法，可以得到如下目标函数：其中，Lij是第i个通信器与第j个通信器之间的通信距离；sgn代表符号函数；

由于一致性满足的条件是可以构成一条有向生成树，所以针对第i个通信器，可以设置约束条件如下：

1)第i个通信器的容量约束:

其中，Cmaxi是第i个通信器允许接入的通信线路的最大个数；

其中，C'maxi是第i个通信器允许输出的通信线路的最大个数；

2)确保每个DER都被连接在通信路径中：

3)在路径规划中，每一个DER只能取一次：～(sgn(aij)&sgn(aji))＝1                       (7)其中，～代表进行逻辑非计算；&代表进行逻辑与运算；

4)通信线路长度相等：

Lij＝Lji                              (8)

2-3，改进GA的步骤：

1)确定初始种群个数；

2)选择：1、选择适应度函数为 并采用轮盘赌的方法来进行选择(避免早熟)；2、采用精英选择，即将最优个体直接送入下一代(加快收敛速度)；

3)交叉：采用最小代价树寻优；最小代价树步骤：第1步：选择两个父代个体F A、FB,随机选择一个需求点,并把这个需求点作为子代个体SA的第一个配送需求点；

第2步：搜索ri在FA、FB配送顺序中右边的需求点rj1、rj2，比较距离dis(ri,rj1)和dis(ri,rj2)的大小，如果dis(ri,rj1)＞dis(ri,rj2)，则证明走ri到rj2的路径较优，转step4；

第3步：如果dis(ri,rj1)

第4步：把rj2作为下一个配送的需求点，并删除FA、FB中ri的值，把rj2的值赋给ri，继续转到step2进行搜索，直到FA、FB中只剩下一个需求点；

第5步：最后得到的子代个体SA就是FA、FB向右搜索寻优杂交产生的个体；

变异：采用单点变异；

结束(达到迭代次数要求)；

步骤3，在物理层中，提出一种结合极限学习器(ELM)和模型预测控制(MPC)的预测补偿方法，解决传感器的通信中断问题；

采用m个ELM与MPC相结合的方法进行预测补偿，分为4个步骤：

1)对m个ELMs进行加权

为了使预测误差最小的预测模型具有更大的权重，采用以下方法对每个ELM的权值进行设计：其中λi是第i个ELM在m个ELM中所占的权值； yi是真实的数据；

经过加权处理后，m个ELM的输出为：其中， 是由ELMi预测得到的数据；

2)加权后的m个ELM输出的数据再与MPC进行加权处理其中，yMPC是由MPC预测得到的数据；

3)得到预测数据

最终的预测数据是：

其中，yMPC是由MPC预测得到的数据；

4)重新训练m个ELM

如果来自(12)的输出数据与真实值之间存在很大的误差，那么ELMS将被重新训练，然后返回到1)，直到满足误差要求；

步骤4，通过搭建合理的实验场景验证该方案的有效性。