电力系统电压崩溃是电力系统失稳的重要原因。由于电压不稳定所造成的的影响很大,因此它往往会导致巨大的经济损失。静态电压稳定裕度指标是电力系距离电压崩溃点的度量,是电压稳定性研究的重要指标之一。本文通过对裕度指标计算方法所存在的不足进行研究,将其与神经网络方法相结合,从而达到快速获得电压稳定裕度的目标。本文工作主要包括:第二章,简要概述静态电压稳定分析相关基础理论,包括静态电压稳定指标的分类及其目前相关的研究进展、连续潮流法的相关理论及其在电力系统当中的应用,为后续研究奠定基础。第三章,针对基于P-V曲线求解电压稳定裕度过程中计算速度较慢、难以适用于大规模电力系统的问题提出了一种平行小波神经网络的方法,将神经网络的训练过程取代了传统连续潮流法繁琐的计算过程。最终仿真证明本文所提出的平行小波神经网络的有效性。第四章针对极限学习机在进行电压稳定裕度计算时精度不够理想的缺点作出了相关改进。极限学习机的精度受隐层节点数的影响较大,且在实际电力系统当中对算法的实时性要求较高,而连续潮流法求解电压稳定裕度又难以满足实时性的要求,因此提出了一种平行极限学习机的方法实现极限学习机的隐层节点数的快速寻优,进而提高其精度。第五章提出了一种平行序贯极限学习机的计算方法。虽然极限学习机的学习时间较短,但每当有大量数据进入时需要对数据重新进行训练,其实时性依然难以满足电压稳定裕度计算在线应用的要求,因此拟采用序贯极限学习机来获取电压稳定裕度。通过仿真对比可知序贯极限学习机的精度受到每次新加入数据块值、历史数据长度以及隐层节点数的影响较大,因此本文采用平行序贯极限学习机的方法训练,避免了连续潮流法计算过程中因步长选取不当引起的计算速度慢甚至不收敛的问题,实现了快速获取裕度数据的目的。