面向强不确定性环境的电力系统电压稳定裕度评估与提升技术研究

哈尔滨理工大学构建新型电力系统对电压稳定性提出严峻挑战，间歇式新能源和高比例负荷接入导致电压失稳风险突出。传统评估方法难以应对强不确定性环境，需实现准确可靠的电压稳定裕度评估。

数据驱动的电压稳定裕度评估利用历史数据训练模型，以LightGBM算法为例，通过GOSS和EFB技术压缩数据和特征维度，提升评估速度。仿真结果表明，在IEEE 118节点和北欧系统上，所提方法准确率高达96.4%-99.3%，且CPU耗时最少。

强不确定环境下，结合增量学习技术实现模型在线更新，有效提升评估结果的准确性和可靠性。仿真对比显示，IL-LightGBM模型更新时间小于0.5秒，显著优于对比方法，适用于在线应用。

机理引导的裕度评估技术提升通过物理机理约束人工智能模型，增强评估结果的可靠性和准确性。仿真验证表明，机理增强方法使评估结果符合系统机理约束，且在其他智能模型中同样有效，具有普适性。

结论与思考：物理机理仍是简化的，需进一步探索物理机理与数据驱动的融合。未来研究方向包括整合更多物理因素，实现机理-数据协同，以及基于评估结果进行电网电压稳定运行的实时指导，形成评估到控制的闭环。

个人基本情况：高晗博士毕业于东北电力大学，现为哈尔滨理工大学电力系统及其自动化研究所副所长、讲师、硕士生导师，发表高水平SCI/EI期刊论文14篇，授权发明专利3件，获评2024年度“新时代龙江优秀博士学位论文”。