MLE概率预测智能增强框架下的电力系统暂态稳定性评估

准确可靠的暂态稳定性评估对于电力系统安全稳定运行具有重要意义。传统机理性判别方法和判据应用于复杂电力系统时仍然存在困难,人工智能类方法则存在可解释性差等问题。该文基于响应驱动的最大李雅普诺夫指数暂态稳定性判别机理,采用GAT-GRU耦合网络与扩散核密度估计方法对故障后的功角最大李雅普诺夫指数概率分布进行预测,以替代其响应数据计算过程;基于KL散度定义的距离测度,推导其参数梯度计算方法;进而提出一种权重自适应的邻域近似估计方法评估暂态稳定性以替代固定阈值判据。算例结果表明,该文提出的暂态稳定性预测框架能够提升机理判别的适用范围并增强智能方法的结果可解释性,仅依赖少量暂态初期响应信息即可实现稳定性的准确评估。