多故障场景下基于主动学习的暂态电压安全评估与安全裕度估计

对于电力系统暂态电压安全评估与安全裕度估计的问题，传统的分析方法难以应对新型电力系统的复杂性与多样性，基于数据驱动的方法为暂态电压安全在线评估提供了新思路，但也存在着物理意义模糊、训练复杂度高、可拓展性差等问题。针对上述问题，提出了一种面向多故障场景的基于主动学习的暂态电压安全边界快速近似与安全裕度高效估计方法。首先，基于动态安全域的概念，针对训练复杂度高的问题，提出了基于主动学习的暂态电压安全评估模型与安全裕度估计的数据驱动方法，在保持较高准确率的同时极大地降低了标记样本集的规模，同时得到了解析的安全边界函数；然后，针对不同的故障信息，提出了基于shapelet变换的层次化事故聚类方法，将相似的故障聚集在一起，为每一类故障场景构建安全评估模型，使得暂态电压安全评估模型在一定程度上摆脱了故障依赖，提升了安全裕度在线估计的效率与精度；最后，通过IEEE39节点系统验证了所提方法的正确性，实现了多故障场景下暂态电压安全性的快速辨识与安全裕度的快速估计，有效降低了离线仿真的时间，提升了面向多故障场景的安全评估模型的部署效率。