基于深度学习的防性动安全控制：协调需求响应

与常见故障不同，三相短路故障在电力系统中具有重大挑战性。这些故障可能导致失步 (OOS) 条件，危及系统的动态安全。故障的快速动力学常常超过保护动作的时间，从而限制了纠正方案的有效性。本文提出了一种基于深度学习的端到端机制，即一种带有注意力机制的卷积神经网络，用于提前预测 OOS 条件并增强系统的故障韧性。研究结果表明，所提出的算法在早期预测和对各种运行条件下的鲁棒性方面表现出色。