高比例新能源接入下电力系统暂态稳定性的数据驱动评估

摘要

随着风电与光伏等新能源在电力系统中占比持续攀升，传统基于模型的暂态稳定性评估方法面临建模不确定性高、计算时效性差等瓶颈。本研究提出一种数据驱动的暂态稳定性评估框架，融合多源运行数据与物理限制先验，构建轻量化图神经网络模型。通过在含87%新能源占比的IEEE 39节点改进系统上开展大规模时序扰动仿真，验证模型在短路故障、风机脱网及线路跳闸三类典型场景下的评估精度与泛化能力。结果表明，该方法在0.1秒级响应窗口内实现98.3%的稳定/失稳二分类准确率，误判率较传统能量函数法降低62.4%，且对训练未见拓扑结构保持89.7%以上判别一致性。