摘要：在完整的扩展等面积准则（EEAC）算法流程中,动态EEAC（DEEAC）是在解析的静态EEAC（SEEAC）与精确的集成EEAC（IEEAC）之间的桥梁环节。为了更好地综合IEEAC的精确性与SEEAC的快速性,文中研究了DEEAC的分段数对完整EEAC算法性能的影响规律。并在此基础上,融合因果分析及机器学习方法,在DEEAC中采用自适应分段的泰勒级数展开及降维映射,以替代在故障中及故障后的2分段展开方式。根据DEEAC与SEEAC所得稳定裕度之差,定义算例的时变度指标,并据此自动调整DEEAC环节的分段数。对36套中国区域和省级电力系统数据的3 272个算例,包括对称及不对称故障在内的仿真结果表明：自适应分段的DEEAC比固定分段的DEEAC的计算量平均增加4%,但显著提升了强时变算例的分析精度,减小了稳定分类器的降效性误判率。

关键词：扩展等面积准则 映象系统 时变程度 分段哈密顿化 算法族内的协调 

单位：东南大学电气工程学院; 江苏省南京市210096; 南瑞集团(国网电力科学研究院)有限公司; 江苏省南京市211106; 智能电网保护和运行控制国家重点实验室; 江苏省南京市211106; 浙江大学电气工程学院; 浙江省杭州市310027; 南洋理工大学电力与电子工程学院; 新加坡639798; 南京邮电大学先进技术研究院; 江苏省南京市210023