电力系统电力系统暂态稳定判别方法.docxVIP

[全]电力系统-电力系统暂态稳定判别方法 由于电网互联水平提高、负荷日益增加、新能源接入、线路传输能力限制等因素，电力系统运行愈发接近其稳定极限，电网的稳定运行显示出更大的重要性，从而暂态稳定评估问题(Transient Stability Assessment，TSA)更加受到人们的关注。传统的基于时域仿真的TSA方法受到计算速度的限制，难以满足在线应用的需要。近年来，随着人工智能技术的快速发展，基于机器学习算法的暂态稳定评估成为学者的研究热点。 机器学习算法是一类数据驱动的建模方法，根据所用数据源的不同，基于机器学习方法的暂态稳定评估研究可分为两大类。第一类同时使用故障前和故障后特征作为模型的数据输入，第二类仅使用故障前的特征作为数据输入。故障前特征即为系统处于稳态运行时可以检测到的特征，如线路潮流、节点电压等；故障后特征，如发电机转子加速度等动态特征，仅在系统真正发生故障后，才可以被检测到。电网的暂态过程发展迅速，一旦系统发生故障，留给调度人员的反应时间已经很少，所以，针对电网实际运行，指导意义更大的是使用第二类数据源的建模方法，根据电网稳态运行时的各种信息，判别各类故障可能造成的后果，从而可以及时调整运行方式，起到故障预防的作用。 在这一领域的研究中，仍然有待解决的问题主要有以下两方面。一方面是模型的评估准确度仍有提升空间。近年来，一些新的机器学习算法在准确度上有着超出传统