关键词：机器学习 稳定域 态势感知 时序轨迹 shapelet 

摘要：以先进机器学习方法等为代表的人工智能技术在增强现代电网安全稳定态势感知能力方面展现出巨大的潜力。针对在线暂态电压稳定评估的传统难题,提出基于时序轨迹特征学习的稳定评估方法。通过分析系统能量函数与暂态响应轨迹的相关性,给出学习过程输入数据选取的理论依据。在时序轨迹Shapelet变换基础上,提出以刻画系统稳定/失稳案例关键局部轨迹差异为核心的特征学习方法及稳定评估方案。双机四节点系统和南方电网中的算例测试结果表明,除了实现可靠的稳定监测和评估,还可充分利用文中方法的可解释性从数据层面剖析特定系统的失稳模式和规律。

电网技术杂志要求:

{1}关键词以3～6个为宜（需附相应的英文）。

{2}为加快稿件处理速度，本刊实行审稿意见及时反馈制度，尽量为来稿附上审稿意见，15日内会给出审稿意见。

{3}论文作者保证该论文的署名权无争议。若发生署名权争议问题，一切责任由论文作者承担。

{4}来稿最后需标明作者（编者，译者）的真实姓名、性别、出生年月、籍贯、工作（学习）单位、职务（职称）、主要研究方向、详细地址、邮编以及联系电话（手机号码，以方便快递公司投递样刊），未按要求填报相关内容的，一律不予采用。

{5}参考文献必须是作者亲自阅读过的原始文献。一般论著不超过15条，综述不超过20条。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社