李常刚，齐 航，刘玉田，叶 华

（电网智能化调度与控制教育部重点实验室（山东大学），山东省济南市 250061）

0 引言

电力系统是现代社会的基础设施，维持电力系统的安全稳定运行是电力系统调度控制的基本任务［1］。电力系统的大量设备处于复杂的外部自然环境中，存在各种故障风险从而影响系统的安全稳定运行［2］。为保证电力系统的安全稳定运行，需要快速、准确地评估电力系统在未来场景下的暂态稳定性，及时发现系统安全薄弱环节，并针对性地制定预防控制措施和优化安全稳定控制策略。

现有的暂态稳定分析方法主要有时域仿真法［3］和人工智能方法［4］。时域仿真法应用广泛、结果可靠，但计算量大。随着新能源发电的大规模接入，未来电力系统运行方式的不确定性增加，可能的场景数量剧增，基于时域仿真的暂态稳定评估难以满足对未来场景快速态势感知的要求。基于人工智能的暂态稳定评估方法通过学习输入与输出间的映射关系实现系统暂态稳定的快速评估，能够显著提高面向未来时间尺度下的暂态稳定在线评估效率［5-6］，深度学习的快速发展则进一步提高了暂态稳定评估精度［7］。

电力系统暂态稳定性不但受发电机出力和负荷水平影响，还与故障位置密切相关。现有计及故障位置的暂态稳定智能评估方法可分为以下3类。

第1类方法利用故障后的动态响应特征隐式反映故障位置。由于动态特征能够反映故障后系统状态的变化趋势，此类方法精度高且应用广泛。……