静态电压稳定一直是电力系统研究中备受关注的问题。随着人工智能与大数据技术在电力系统中的不断应用,利用人工智能算法来分析电力系统静态电压稳定性成为热点。此外,为了更好地掌握电力系统的实时运行状态和未来发展趋势,态势感知理论在电力系统中的研究也在不断开展。态势感知的关键是采集电网运行数据、实时状态分析和未来状态预测,适用于电力系统的静态电压稳定性实时分析和预测。基于此,本文将态势感知理论应用到电网静态电压稳定性评估上,分别从电网实时态和未来态两个层面对电网静态电压稳定性进行评估与分析。本文主要研究内容如下:(1)针对电网实时运行状态,研究了基于随机矩阵理论的电网静态电压稳定评估方法,利用数据挖掘技术,采用随机矩阵理论来进行分析评估电网的实时静态电压稳定性。首先对电网节点电压幅值、电压相角、支路首末端输入有功和无功等运行数据进行相关性分析,选取节点电压幅值数据来构建随机矩阵模型,根据平均谱半径指标评估电网实时静态电压稳定性。仿真结果表明,该方法可以实时评估电力系统的静态电压稳定性。(2)在此基础上,提出了一种基于熵权法的电网薄弱节点综合评估方法,结合数据模型和物理模型对电力系统的薄弱节点进行识别。一方面,从数据特性的角度来分析,将随机矩阵理论运用到电网薄弱节点识别方面,利用节点电压幅值数据,构建随机矩阵模型,将平均谱半径和熵理论相结合,提出了谱半径熵评估指标。另一方面,考虑电网物理特性,采用奇异值熵指标来评估薄弱节点。谱半径熵和奇异值熵分别从数据特性和物理特性的角度反映了节点负荷扰动对节点电压幅值的影响。综合考虑上述两个指标,采用熵权法来确定指标权重值,从而计算电网薄弱节点综合评估指标,识别出电网中的薄弱节点。通过仿真算例分析,验证了所提方法的有效性。(3)针对未来运行状态,提出了一种基于在线序列极限学习机的静态电压稳定预测方法。采用在线序列极限学习机方法建立电网数据预测模型,对节点电压幅值进行预测,从而得到未来时刻下节点电压的变化情况,并根据电压稳定指标对电网未来运行状态下静态电压稳定进行评估与预判。通过算例仿真分析,验证了所提方法的正确性和有效性,该方法可为电力系统调度人员提供一定的理论指导。