刘学华，魏繁荣

(1.国电南京自动化股份有限公司,江苏 南京 211106；2.美国罗德岛大学电气计算机及生物医学工程系，美国 罗德岛州 金士顿 02881)

0 引言

大规模电力系统的动态安全分析需考虑预想故障、运方调整以及特高压与新能源接入等因素的影响[1—3]。为了快速校核电网的安全稳定性[4—5]，工程上一般根据电力系统微分方程或受扰轨迹，基于故障场景将复杂高维的实际系统等值为简单低阶的小系统[6]，该过程称为电力系统的动态等值。

动态等值一般基于发电机转子角或母线电压的同调特性[7]，即受扰动后对应状态量或代数量响应运动趋势的一致性[8]。研究中常使用2台发电机的相对转子角偏差衡量其同调程度[9]。电力系统受扰后发电机响应的非同调可能导致动态等值不准确，使等值系统的静态或暂态稳定分析结果无法反映系统的真实动态特性，影响系统的安全稳定分析[10]。

当前电力系统同调性研究按对象不同分为三类：模型法、轨迹法以及混合法。模型法基于电力系统拓扑及发电机模型参数预测其时域响应的同调特性。传统模型法多采用频域近似或特征模式分析[11—12]，根据关键特征向量的相位辨识发电机同调分群[13]。但实际系统的动态特性与线性模型不完全相同，因此有研究尝试直接根据系统参数计算机电距离，进而评估同调性[14—15]。轨迹法直接从受扰轨迹提取同调信息或信号特征，对发电机进行聚类[16]。一类研究应用人工智能直接构建发电机转子角轨迹特征到系统同调性的映射关系，代表方法有支持向量机与人工神经网络[17—18]；……