融合GAT-Mamba-CrossAttention的多模态电力系统暂态稳定评估模型

融合GAT-Mamba-CrossAttention的多模态电力系统暂态稳定评估模型

摘要

随着可再生能源的大规模并网，电力系统暂态稳定性呈现出非线性增强、多尺度交互和跨域耦合等新特征，对传统分析方法构成了前所未有的挑战。本文针对高比例新能源电力系统暂态稳定评估问题，提出了一种融合图注意力网络、Mamba状态空间模型和交叉注意力机制的多模态深度学习评估方法。首先，对IEEE 39节点系统进行高比例新能源改造，结合气象数据生成覆盖多种扰动场景和运行方式的暂态仿真数据集；其次，分别采用图注意力网络提取电网拓扑空间特征、Mamba模型提取动态时序特征、1D-CNN与MLP提取气象波动环境特征；最后，引入交叉注意力机制实现多模态特征的深层交互与融合，建立面向复杂运行工况的暂态稳定评估模型。在IEEE 39节点系统上的仿真结果表明，所提方法在不同扰动场景下均能实现高精度、强鲁棒性的暂态稳定评估，为新型电力系统的安全稳定运行提供了有力支撑。

关键词：暂态稳定评估；高比例新能源；图注意力网络；Mamba；交叉注意力；多模态特征融合

1 引言

1.1 研究背景

在“双碳”目标的驱动下，以风电和光伏为代表的新能源发电装机容量持续快速增长，电力系统正经历从传统同步发电机主导向高比例电力电子化转型的深刻变革。这一变革在推动能源结构清洁化的同时，也给电力系统的安全稳定运行带来了严峻挑战。

暂态稳定性是指电力系统在遭受大扰动（如短路故障、发电机跳闸、线路开断等）