基于受扰严重机组特征及机器学习方法的电力系统暂态稳定评估_叶圣永

资 源 简 介

基于受扰严重机组特征及机器学习方法的电力系统暂态稳定评估_叶圣永

详 情 说 明

这篇论文研究的核心是通过分析电力系统受扰严重机组的特征，并应用机器学习方法来评估系统的暂态稳定性。暂态稳定评估是电力系统安全运行的关键环节，传统方法依赖数值仿真，计算量大且难以满足在线评估需求。

文章主要思路可分为两个部分：首先提取受扰动后机组的关键动态特征，例如转子角、角速度等参数的偏移量或变化率；随后采用机器学习模型（如支持向量机、随机森林等）建立特征与系统稳定状态的映射关系。相比传统方法，这种数据驱动的方式能显著提升评估速度，同时通过特征筛选保证了模型输入维度精简。

值得注意的是，文中特别关注"受扰严重机组"的筛选策略，这既降低了特征工程的复杂度，又突出了对稳定性起主导作用的机组参数。实验部分通常在IEEE标准测试系统上验证，比较不同机器学习模型的分类准确性和实时性优势。该研究方向对构建适应高比例新能源接入的在线稳定评估体系具有参考意义。