面向大规模与可泛化电力系统稳定性分析的新型神经网络范式
系统与控制
2025-10-30 v1 系统与控制
摘要
本文提出了一种用于电力系统可扩展且可泛化稳定性分析的新型神经网络(NN)范式。该范式由两个部分组成：神经稳定性描述符和样本增强的迭代训练方案。第一部分基于系统分解，构建用于稳定性分析的对象(如稳定函数或条件)作为多个神经网络的可扩展聚合。这些神经网络在不同电力系统结构和参数之间保持固定，并在每个由这些变化定义的系统实例中重复使用，从而实现神经稳定性描述符在一类电力系统上的泛化。第二部分通过样本增强迭代训练神经稳定性描述符，采用针对保守性的损失函数引导。训练集被战略性地构建以促进描述符的泛化性，通过训练期间的验证和验证系统atically地评估。具体而言，本文提出的NN范式用于电力网的大扰动稳定性分析和微网系统的小扰动稳定性条件。最后，通过数值研究表明，本文提出的NN范式具有适用性和有效性。
引用
@article{arxiv.2510.25501,
title = {A New Neural Network Paradigm for Scalable and Generalizable Stability Analysis of Power Systems},
author = {Tong Han and Yan Xu and Rui Zhang},
journal= {arXiv preprint arXiv:2510.25501},
year = {2025}
}