随着“西电东送、南北互供、全国联网”战略的实施，我国电网的大规模、强非线性、稳定特性复杂等特点更加突出。区域电网互联在实现资源优化配置、减少备用容量、提高系统稳定性和经济性的同时，也给电网安全稳定评估带来新的问题和挑战。一方面大量新装备、先进控制技术在电力系统的推广应用，运行监控中心获得的电网实时状态数据更丰富、维数更高；另一方面，系统规模的扩大致使系统内各种因素的不可预测性增强，运行方式千变万化，以往的依靠预想事故离线仿真指导在线运用的监控模式已难以有效驾驭现代电网，“数据海量、知识匮乏”的现象日益突出。传统的基于时域仿真及能量函数类稳定评估方法因自身不足而难于对此发挥主导作用，人工智能技术具有学习能力强、评估速度快、提供其它潜在有用信息被认为是一种非常有前景的替代人工经验实现电网智能决策分析的有效工具。因而，研究可靠的电网智能在线决策支持工具，实现电网运行监控的智能化决策具有显著的理论意义和实际价值。本文围绕基于人工智能技术的电网安全稳定评估理论与技术方法展开研究。　　 本文的主要研究成果包括：　　 （1）评估了目前的基于人工智能理论的电网安全评估方法存在的不足。设计了一种基于特征空间裁减和数据挖掘技术的具有层次型结构的电网安全评估框架。应用特征空间裁减技术实现量测空间到安全评估关键输入空间的有效降维，不仅减轻了后续智能学习模型的设计难度和训练负担，提高了收敛效率，同时有利于加深对影响电网安全稳定水平的关键因素的认识。数据挖掘技术能在裁减后的训练样本空间中提取电网稳定评估的知识，实现系统稳定水平的快速评估。该框架可解释性强，能提供电网运行监控的重点状态量、灵敏的预防控制措施等有利于提高电网运行监控水平的关键信息。　　 （2）提出了一种基于遗传算法和k阶近邻法的嵌入式特征选择技术。它以保留尽可能少的特征变量而包含尽可能多的电网稳定知识为目标构造遗传算法的适应度指标，依靠遗传算法强大的全局寻优能力，从海量的特征组合中自动提取一组最优特征子集，实现量测空间到关键输入空间的有效降维。研究对遗传算法的变异策略进行革新，能加快收敛速度，降低早熟概率。在稳定评估关键动态特征选择中的应用验证了算法的有效性。　　 （3）针对电网安全评估研究中对影响系统稳定性的关键稳态特征研究较薄弱的现状，详细分析了关键稳态输入特征的组成与网络规模、扰动位置的关系，并初步探讨了稳态运行特征集的组成随网络拓扑结构变化而呈现出的规律。提出了适用电网结构变动的关键稳态特征的提取方法。　　 （4）研究和提出两种基于模式发现的电网安全评估技术。首先运用模式发现算法从裁减后的特征空间中提取电网稳定评估的模式，后续通过两种方式实现对模式的再处理，形成具有完备预测分类功能的稳定评估预测器。第一种方式利用决策树生成树型判决规则，获得电网安全评估的产生式规则。第二种方式则运用k阶近邻法将未知方式归入某一模式从而获得该方式下故障CCT值域。测试结果证实这两种技术的有效性。　　 （5）针对基于留数分析和递归切割的模式发现算法在数据挖掘过程中显现出的不足，对模式发现算法进行改良。改良后的算法采用基于最小信息损失墒的离散化方法对数据进行分割，并针对不同状态量对知识提取的贡献不同采取不同的切割策略。对基于改进模式发现算法的电网安全评估技术进行了对比测试。　　 （6）针对模式发现算法固有的缺陷，提出了一种基于子空间扩展的聚类学习算法，并据此构造了新的基于聚类算法的电网安全评估方法。算法采用留数定义作为样本相近度的评价指标，以样本为初始超方体空间的中心，逐步扩展子空间，构造包含样本聚类信息的最大子空间。采用子空间边界样本构成聚类模式。通过子空间的迭代扩展，获得聚类结果。　　 论文围绕建立一种基于特征裁减和数据挖掘的电力系统安全评估理论与方法而展开研究。论文结构如下：第一章总结分析基于人工智能理论实现电网安全评估的已有技术，提出研究思路。第2章提出和测试了基于遗传算法和七阶近邻法的嵌入式特征选择算法。第3章重点研究了稳定评估关键稳态特征集的组成与网络规模、扰动位置及网络拓扑结构的关系。论文提出和改进的三种智能学习模型及其在安全评估中的应用测试分别在第4-6章介绍。第7章针对南方电网进行了智能稳定评估的应用研究。