摘要
摘要：暂态稳定评估（transient stability assessment，TSA）在电力系统规划和运行中具有重要意义。随着智能电网的飞速发展，高比例新能源、高比例电力电子设备接入电力系统，系统运行特性发生了显著变化。这些因素增加了电力系统暂态稳定风险，对TSA的快速性和准确性提出了更加严格的要求。随着同步相量测量单元（phasormeasure ment unit，PMU）在电力系统中的广泛安装和通信技术的快速发展，控制中心能够实时采集电力系统运行数据和存储历史数据，这为基于机器学习的TSA提供了数据支撑。与传统TSA方法计算速度较慢不同，机器学习凭借其计算速度快、评估精度高，已被广泛应用于电力系统TSA研究中。
出版日期
2022年09月02日（中国期刊网平台首次上网日期，不代表论文的发表时间）
