了多區域多層次的聯合電力系統，因此世界各國對電力系統的動態安全分析研究十分重視，提出了一些新的理論分析方法[31]。
　　為了提高動態安全分析的實時性，文獻[32]提出了采用分解和協調理論的局部暫態安全分析和監測方法，將電力系統分為內部系統，根據調度自動化系統中的全系統實時結構導納矩陣，可以直接推導出外部系統的等值導納矩陣，這種方法可以減少數據采集和軟件處理工作，提高暫態安全分析和檢測的實時性和實用性。?②?人工智能方法在電力系統安全分析中的應用研究已成為這一研究領域的一個活躍分支。人工智能是指用機器來模擬人類的只能行為，包括機器感知（如模式識別、人工神經元網絡等）、機器思維（如問題求解、機器學習等）和機器行為（如專家系統等）。人工智能（Artificial?Intelligence）是當前發展迅速、應用最廣泛的學科，其中專家系統（Expert?System）和人工神經元網絡（ANN）是人工智能的兩個很活躍的分支。電力系統安全分析的各個方面幾乎都已經引入了專家系統的思想，并且已有了實際運行的安全分析專家系統[33]。文獻[34]詳細討論了電力系統預想事故排序問題的特征，認為預想事故排序問題只有采用專家系統和數值計算相結合來解決。文獻[36]介紹了一個為CQR的基于知識和常規算法的混合型安全分析專家系統。文獻[37]設計了暫態安全分析的一個專家系統總體框架，這是一個數值計算和知識處理的混合系統。文獻[38]針對美國Northern?State?Power?Company開發的一個動態安全趨勢分析專家系統作了詳細的介紹，而文獻[39]則報導了臺灣電力系統開發的靜態安全分析專家系統。建造專家系統最困難的是知識獲取，解決知識獲取問題的有效方法是實現知識自學習。目前認為用神經網絡實現是一種有前途的方法。ANN的一個主要特征是能夠學習，可以從輸入樣本中，通過自適應學習產生所期望的知識規劃，ANN是并行、分布、聯想式的網絡系統，很適合解決復雜的模式識別。由于人工神經網絡的BP模型可以模擬任意復雜的非線形關系，能很好地解決分類器問題，并通過自學習功能實現。因此，使用ANN進行靜態和動態安全分析受到各國的極大重視，已有一批成果在有關文獻中報到。文獻[40]首先將ANN引入電力系統動態安全分析中，提出了用BP模型估計臨界切除時間，研究表明：訓練的ANN對不同的網絡結構有較高的估計精度，而文獻[41]則研究了BP模型進行動態安全分析過程，在訓練樣本的形成和特征量的選取方面作了不少工作，文獻[42]提出了一種利用人工神經網絡來描述和擬合電力系統暫態安全性能的方法，介紹了一種集學習規劃和遺傳算法結合起來的快速學習算法，ANN通過訓練來模擬和求解出電力系統暫態穩定程度，確定系統的暫態安全域。?
　　3　存在問題和解決方法?在20世紀60年代后，國內外電力系統曾發生過多次嚴重的大面積和長時間停電事故，從而保證電力系統安全穩定問題已受到極大重視，并為此進行了大量的理論科學研究和工程實踐，但到目前還有不少問題尚未很好解決，如超高壓遠距離輸電與互聯電網的安全穩定分析方法與控制策略問題；大容量機組投入電力系統運行，如何解決好系統與大機組的安全協調問題；如何最優解決有功調度中系統安全問題與經濟問題的協調問題等。另外，近年來實時相角測量技術的發展已為現代電力系統安全穩定分析開辟了一個新的領域，為超高壓大電網的安全運行監控提供了新的手段。