复杂模型下电力系统暂态稳定性量化分析的算例筛选.pdfVIP

第49卷第10期2025年5月25日Vol.49No.10May25，2025

DOI：10.7500/AEPS20231224002

复杂模型下电力系统暂态稳定性量化分析的算例筛选

1，21，21，21，21，2

彭慧敏，薛禹胜，刘庆龙，黄天罡，薛峰

（1.国电南瑞科技股份有限公司，江苏省南京市211106；

2.国网电力科学研究院有限公司（南瑞集团有限公司），江苏省南京市211106）

摘要：为在保证大规模可再生能源接入及混合输电等复杂因素下电力系统暂态稳定性量化分析强

壮性的前提下，提高算例筛选算法的加速比，利用人工智能技术将已在简单模型下满足工程应用要

求的准定量的分类法与在复杂模型下精确的定量分析法相集成。首先，在多步泰勒展开所得轨迹

中提取能表征复杂因素影响敏感性及多摆稳定可信度的机理特征指标，预判复杂模型的影响程度

并自适应调整分类阈值。然后，通过在数值积分和多步泰勒展开之间的自适应切换，近似计及复杂

模型的影响，并引入自适应的变步长来减少计算量，实现双层的分类筛选。在4个工程系统中的近

2万个算例中考核了该算法框架的有效性和强壮性。

关键词：复杂模型；暂态稳定性；人工智能；算例筛选；敏感性分析；多步泰勒展开；自适应变

步长

SEDE

ηη

0引言equalareacriterion，EEAC）计算的稳定裕度、

11

及两者裕度差异反映首摆功角稳定性的时变度σ1

可再生能源出力的时空不确定性及混合输电系

等指标进行CF-2的稳定性筛选。文献［15］提出了

统规模化电力电子控制器件的引入，使得强耦合复

杂模型下海量算例及故障场景的暂态稳定性量化筛5档算例筛选分类器；文献［16］设计了“两层筛选”

选分析对算法的精度和计算量提出越来越苛刻的的多输出分类器，采用反映失稳模式易变度指标提

要求。高了筛选效率和强壮性；文献［17］进一步提出了用

传统机器学习方法应用于算例筛选（case于评估算法精度的误差风险指标。由于基于经典模

［1-8］［1］型假设，虽然通过保守阈值设定能规避复杂模型下

filtering，CF）或暂态稳定评估，选取静态或局

［2］的风险性误判，但也降低了筛选效率［11-16］。为此，迫

部动态特征作为输入信号，对高维非线性强时变

动态系统的暂态稳定性进行数据驱动分类或评估预切需要增加能高效反映复杂因素影响的机理特征

测。文献［9-10］实现了在线快速可信度评价和时间量，来减少分类器的误判风险。

维度信息捕捉；文献［6］建立了双向长短期记忆网络电力系统暂态安全稳定分析数值法，通过建立

以提