面向宽运行范围的线性电力系统建模与分析：层次神经状态空间方程方法

为现代大型电力系统开发统一的小信号模型具有挑战性，该模型在宽广运行范围内保持准确性。传统方法，包括机械建模、模态识别和深度学习，尚未完全克服在准确性、通用性和可解释性方面的持久局限。本文提出一种新颖的层次神经状态空间方程方法，以克服这些障碍，实现强表示、高可解释性和对系统规模和不同运行点的优异适应性。具体而言，我们首先引入集成虚拟状态观测器的神经状态空间方程，以准确描述电力系统设备的动力学，即使在不可测状态的情况下亦然。随后，设计一种层次结构来处理跨宽广运行条件的建模复杂性，灵活地解耦设备和网格模型，以有效缓解维度灾难。最后，采用一系列时空数据变换和多阶段训练策略，运用多目标损失函数以提高模型效率和泛化能力。在两机三母线系统和广东电网上的数值结果验证了所提出方法的卓越性能，将其作为小信号稳定性分析的强大新工具。