谭本东，杨 军，刘 源，刘雯静，周 挺，孙元章

（1. 武汉大学电气与自动化学院,湖北省武汉市 430072；2. 国网江西省电力有限公司建设分公司,江西省南昌市 330029）

0 引言

暂态稳定性指的是电力系统在遭受大干扰之后过渡到稳定状态的能力［1］。大电网之间的互联、多种大规模可再生能源的接入以及电力市场的推进使得电力系统调度运行以及安全稳定控制面临严峻挑战,容易引发大停电及连锁故障等电网事故［2-3］。因此,快速、准确地评估暂态稳定状态对于电网安全稳定运行具有重大意义。

随着同步测量技术的发展［4-5］和电力系统仿真技术的进步,实际电网数据和仿真数据为数据驱动型方法提供了足够的数据基础。此外,广域测量系统 中 同 步 相 量 测 量 单 元（synchrophasor measurement unit,PMU）实时高速采集数据的能力也为数据驱动的暂态稳定评估方法提供了发展契机。特别是近几年人工智能技术研究的持续突破,利用机器学习来研究暂态稳定的方式展现出了巨大的潜力。一般而言,通过历史量测数据离线训练机器学习方法即可建立量测数据与稳定状态之间的函数映射关系,一旦从PMU 中在线获得测量值,即可判断出电力系统的暂态稳定状态［6-8］。因此,利用机器学习进行暂态稳定评估可以做到实时判断并为后续可能的紧急控制动作留下足够的时间。由于本文重点不在紧急控制,因此不对如何将暂态稳定评估结果用于紧急控制做详细讨论,基于数据驱动的暂态稳定紧急控制相关内容可参见文献［9-10］。……