唐文权， 徐 武， 文 聪， 郭 兴

(云南民族大学 电气信息工程学院，云南 昆明 650500)

0 引 言

电力系统的规模不断扩大以及电网结构的高复杂性，准确、快速评估电力系统暂态稳定愈发困难[1]。传统评估方法分为暂态能量函数法和时域仿真法。但是前者计算量大，评估速度慢；后者在复杂系统中的能量函数难以准确计算，将产生较大偏差，导致评估准确性较差，难以满足现实要求[2]。通过人工智能方法进行暂态稳定评估可以摆脱特定的网络物理模型，避免评估过程中复杂的失稳机制[3]。该方法通过训练大量数据更新分类参数处理非线性问题，具有精度高、实时性好的优点。但上述算法基于复杂原始特征数据进行评估时，由于传统模型的泛化能力有限，需要较长时间才能满足暂态稳定评估精度的要求。

针对暂态稳定评估准确性和实时性较差的问题，众多学者进行了改进研究。文献[4]基于神经网络进行特征提取，提取出的特征能够通过暂态稳定评估模型进行检测分析；文献[5]通过二进粒子群优化算法对系统暂态数据进行分析，提取出正确反映暂态稳定性能的关键特征数据集；文献[6]基于半监督神经网络方法来判定稳定状态，提高了系统模型评估的准确性；文献[7]结合了径向基网络和Kohonen网络进行稳定评估，对比几种不同的神经网络性能。上述方法对评估模型以及特征提取方法进行改进研究，提升了暂态稳定评估性能，但分析处理高维数据时，由于浅层模型的特征提取能力受限，影响了数据特征提取效果，降低了评估的准确率。……