了多區(qū)域多層次的聯(lián)合電力系統(tǒng)，因此世界各國(guó)對(duì)電力系統(tǒng)的動(dòng)態(tài)安全分析研究十分重視，提出了一些新的理論分析方法[31]。
　　為了提高動(dòng)態(tài)安全分析的實(shí)時(shí)性，文獻(xiàn)[32]提出了采用分解和協(xié)調(diào)理論的局部暫態(tài)安全分析和監(jiān)測(cè)方法，將電力系統(tǒng)分為內(nèi)部系統(tǒng)，根據(jù)調(diào)度自動(dòng)化系統(tǒng)中的全系統(tǒng)實(shí)時(shí)結(jié)構(gòu)導(dǎo)納矩陣，可以直接推導(dǎo)出外部系統(tǒng)的等值導(dǎo)納矩陣，這種方法可以減少數(shù)據(jù)采集和軟件處理工作，提高暫態(tài)安全分析和檢測(cè)的實(shí)時(shí)性和實(shí)用性。?②?人工智能方法在電力系統(tǒng)安全分析中的應(yīng)用研究已成為這一研究領(lǐng)域的一個(gè)活躍分支。人工智能是指用機(jī)器來(lái)模擬人類的只能行為，包括機(jī)器感知（如模式識(shí)別、人工神經(jīng)元網(wǎng)絡(luò)等）、機(jī)器思維（如問(wèn)題求解、機(jī)器學(xué)習(xí)等）和機(jī)器行為（如專家系統(tǒng)等）。人工智能（Artificial?Intelligence）是當(dāng)前發(fā)展迅速、應(yīng)用最廣泛的學(xué)科，其中專家系統(tǒng)（Expert?System）和人工神經(jīng)元網(wǎng)絡(luò)（ANN）是人工智能的兩個(gè)很活躍的分支。電力系統(tǒng)安全分析的各個(gè)方面幾乎都已經(jīng)引入了專家系統(tǒng)的思想，并且已有了實(shí)際運(yùn)行的安全分析專家系統(tǒng)[33]。文獻(xiàn)[34]詳細(xì)討論了電力系統(tǒng)預(yù)想事故排序問(wèn)題的特征，認(rèn)為預(yù)想事故排序問(wèn)題只有采用專家系統(tǒng)和數(shù)值計(jì)算相結(jié)合來(lái)解決。文獻(xiàn)[36]介紹了一個(gè)為CQR的基于知識(shí)和常規(guī)算法的混合型安全分析專家系統(tǒng)。文獻(xiàn)[37]設(shè)計(jì)了暫態(tài)安全分析的一個(gè)專家系統(tǒng)總體框架，這是一個(gè)數(shù)值計(jì)算和知識(shí)處理的混合系統(tǒng)。文獻(xiàn)[38]針對(duì)美國(guó)Northern?State?Power?Company開(kāi)發(fā)的一個(gè)動(dòng)態(tài)安全趨勢(shì)分析專家系統(tǒng)作了詳細(xì)的介紹，而文獻(xiàn)[39]則報(bào)導(dǎo)了臺(tái)灣電力系統(tǒng)開(kāi)發(fā)的靜態(tài)安全分析專家系統(tǒng)。建造專家系統(tǒng)最困難的是知識(shí)獲取，解決知識(shí)獲取問(wèn)題的有效方法是實(shí)現(xiàn)知識(shí)自學(xué)習(xí)。目前認(rèn)為用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)是一種有前途的方法。ANN的一個(gè)主要特征是能夠?qū)W習(xí)，可以從輸入樣本中，通過(guò)自適應(yīng)學(xué)習(xí)產(chǎn)生所期望的知識(shí)規(guī)劃，ANN是并行、分布、聯(lián)想式的網(wǎng)絡(luò)系統(tǒng)，很適合解決復(fù)雜的模式識(shí)別。由于人工神經(jīng)網(wǎng)絡(luò)的BP模型可以模擬任意復(fù)雜的非線形關(guān)系，能很好地解決分類器問(wèn)題，并通過(guò)自學(xué)習(xí)功能實(shí)現(xiàn)。因此，使用ANN進(jìn)行靜態(tài)和動(dòng)態(tài)安全分析受到各國(guó)的極大重視，已有一批成果在有關(guān)文獻(xiàn)中報(bào)到。文獻(xiàn)[40]首先將ANN引入電力系統(tǒng)動(dòng)態(tài)安全分析中，提出了用BP模型估計(jì)臨界切除時(shí)間，研究表明：訓(xùn)練的ANN對(duì)不同的網(wǎng)絡(luò)結(jié)構(gòu)有較高的估計(jì)精度，而文獻(xiàn)[41]則研究了BP模型進(jìn)行動(dòng)態(tài)安全分析過(guò)程，在訓(xùn)練樣本的形成和特征量的選取方面作了不少工作，文獻(xiàn)[42]提出了一種利用人工神經(jīng)網(wǎng)絡(luò)來(lái)描述和擬合電力系統(tǒng)暫態(tài)安全性能的方法，介紹了一種集學(xué)習(xí)規(guī)劃和遺傳算法結(jié)合起來(lái)的快速學(xué)習(xí)算法，ANN通過(guò)訓(xùn)練來(lái)模擬和求解出電力系統(tǒng)暫態(tài)穩(wěn)定程度，確定系統(tǒng)的暫態(tài)安全域。?
　　3　存在問(wèn)題和解決方法?在20世紀(jì)60年代后，國(guó)內(nèi)外電力系統(tǒng)曾發(fā)生過(guò)多次嚴(yán)重的大面積和長(zhǎng)時(shí)間停電事故，從而保證電力系統(tǒng)安全穩(wěn)定問(wèn)題已受到極大重視，并為此進(jìn)行了大量的理論科學(xué)研究和工程實(shí)踐，但到目前還有不少問(wèn)題尚未很好解決，如超高壓遠(yuǎn)距離輸電與互聯(lián)電網(wǎng)的安全穩(wěn)定分析方法與控制策略問(wèn)題；大容量機(jī)組投入電力系統(tǒng)運(yùn)行，如何解決好系統(tǒng)與大機(jī)組的安全協(xié)調(diào)問(wèn)題；如何最優(yōu)解決有功調(diào)度中系統(tǒng)安全問(wèn)題與經(jīng)濟(jì)問(wèn)題的協(xié)調(diào)問(wèn)題等。另外，近年來(lái)實(shí)時(shí)相角測(cè)量技術(shù)的發(fā)展已為現(xiàn)代電力系統(tǒng)安全穩(wěn)定分析開(kāi)辟了一個(gè)新的領(lǐng)域，為超高壓大電網(wǎng)的安全運(yùn)行監(jiān)控提供了新的手段。