近年来,随着电力系统互联规模扩大和直流传输容量的增加,电力系统的稳定性问题日益凸显,特别是发生直流功率大扰动时(如直流闭锁、换相失败等),直流送端系统易发生暂态过电压,对交直流侧的输电设备造成较大冲击,严重影响电力系统的稳定性。针对上述问题,构建了基于直流控制系统动态过程的暂态过电压估算方法和基于卷积神经网络(convolutional neural networks,CNN)的暂态过电压估算方法,主要研究内容如下:(1)针对传统暂态过电压估算方法缺乏元件控制系统动态行为交互作用的相关研究,导致估算结果不够准确的问题,提出一种基于控制系统动态过程的暂态过电压估算方法。首先,分析送端系统元件在交直流故障扰动下的动态特性,获得影响暂态过电压的主要环节和机理,建立暂态过电压与控制环节的有效映射;然后,通过对比分析不同控制参数对暂态过电压的影响,确定影响暂态过电压的关键因素;最后,通过推导传递函数,表征交直流故障时电网元件控制系统的动态过程,降低暂态过电压的估算误差。(2)鉴于构建电网元件控制系统动态过程来提高暂态过电压估算精度时,需对电力系统复杂数学模型进行简化,暂态过电压估算模型的构建较困难,因此提出一种基于CNN的暂态过电压估算方法,可避免复杂的模型构建过程而且具有较高的评估精度。首先,基于CNN输入特征构建的基本原理,搭建具有多层隐含层的非线性网络结构,将广域量测装置(wide areameasurement system,WAMS)采集的各节点电压、相角及功率作为输入层,依据电网节点的拓补关系及故障发生到切除的时间顺序进行拼接,得到表征电网状态的矩阵。然后,优化调整CNN的超参数,采用梯度下降法进行有监督训练,通过逐层优化输入层与卷积层之间的权重矩阵,实现关键特征值的自动提取。最后,利用CNN的深层架构构建暂态过电压与输入数据间的映射模型,快速准确地估算直流送端系统暂态过电压。