摘要：快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的 SIPSS-Lasso-BP 网络。该网络由基于电网状态相似度指标（similarity index of power system state，SIPSS）的样本筛选方法、最小绝对值收缩选择（least absolute shrinkage and select operator，Lasso）方法和BP（back propagation）神经网络共同组成。基于SIPSS的样本筛选方法以样本负荷能力极限值和电网状态相似度量化指标为依据，对训练样本进行筛选。Lasso 方法对训练样本进行回归分析，确定各状态量中对负荷能力极限最具有解释性的系统状态量。BP神经网络通过精简后的训练样本来离线拟合负荷能力极限并用于在线预测。通过新英格兰39节点算例和某省实际算例对SIPSS-Lasso-BP网络的测试结果表明，该方法能够在保证预测精度的情况下明显提高 BP 神经网络的离线训练效率。

关键词：静态电压稳定 神经网络 在线 电网状态相似度 最小绝对值收缩选择 

单位：浙江大学电气工程学院 浙江省杭州市310027 国网浙江省电力公司电力科学研究院 浙江省杭州市310014