专业术语统计报告_基于WAMS的电力系统暂态稳定性特征提取及评估方法研究

一、概要简析

【概要分析】
本文档《基于WAMS的电力系统暂态稳定性特征提取及评估方法研究》超用心地围绕研究主题展开了系统性探讨哦😜！文档总字符数足足有165857，其中中文字符59482个，英文字词12390个，妥妥体现了中英文混搭的学术写作小特色～从文档里扒出来的专业术语一共有1274个，涉及6个研究领域，主打就是扎堆在能量函数法(1077次)、暂态稳定性(1068次)、电力系统(1066次)这块儿～高频术语比如“电力系统”（出镜265次）、“暂态稳定”（露脸259次）等，一眼就能看出研究的核心小焦点✨！整体来说，这篇文献在相关研究领域超有学术价值，一顿系统分析+论述操作下来，给后续研究铺好了超重要的理论小地基和方法小参考～

【数据统计】

• 总字符数：165857
• 中文字符数：59482
• 英文字词数：12390

二、统计图表分析

2.1 三类术语层次分布

【数据统计】

• 论文名称术语：3个 (核心术语：特征提取、电力系统暂态稳定性、评估方法)
• 标题摘要术语：284个 (核心术语：电力系统、暂态稳定、面板数据)
• 正文术语：987个 (核心术语：电力系统、暂态稳定、特征量)
• 术语总数：1274个
• 频次占比：论文名称 2.4% | 标题摘要 28.7% | 正文 68.9%

【可视化图表】

类别	术语数量	频次	占比
论文名称	3	158	2.4%
标题摘要	284	1898	28.7%
正文	987	4553	68.9%
总计	1274	6609	100%

【图表评论】
旭日图超直观地展示了三类术语在文档不同部分的层次分布啦🌞！从内到外依次是论文名称术语、标题摘要术语和正文术语～论文名称层级藏着3个核心术语，总频次158次，占比2.4%，核心术语有“特征提取、电力系统暂态稳定性、评估方法”，这些小家伙直接概括了研究的核心主题哟～标题摘要层级有284个术语，总频次1898次，占比28.7%，核心术语像“电力系统、暂态稳定、面板数据”，悄悄透露了研究的次要关键词和方法论～正文层级最最丰富啦，有987个术语，总频次4553次，占比68.9%，核心术语比如“电力系统、暂态稳定、特征量”，把研究的具体技术细节和实验方法都扒得明明白白～从内到外一层层细化，论文名称术语锁定研究主题，标题摘要术语拓宽研究范围，正文术语钻进具体技术实现，搭出超完整的术语层次小体系，把文档的知识结构揭露得清清楚楚～

---

2.2 研究领域分布

【领域分析】

• 主要领域：能量函数法(1077次)、暂态稳定性(1068次)、电力系统(1066次)

【可视化图表】

研究领域	术语出现次数
电力系统	1066
暂态稳定性	1068
动态等值模型	1045
能量函数法	1077
WAMS系统	1054
机器学习	1060
总计	6370

【图表评论】
雷达图咻咻地展示了专业术语在六个研究领域的分布情况🎯，一眼就能看出文档的学科交叉小特性～从图里能瞅见，术语分布有这些小可爱特点：能量函数法 出场次数最多，足足1077次，妥妥是研究的核心小基础～暂态稳定性 和 电力系统 的频次分别是1068次和1066次，组成了研究的次要支撑小领域～而 动态等值模型 频次少丢丢，只有1045次，说明这个领域在本研究里露脸不多啦～各领域术语分布虽有小差异，但整体超均衡，标准差是10.3，妥妥反映了研究的多学科交叉融合小特点～这种分布格局说明，本研究不仅在核心领域挖得深，还广泛吸收了相关学科的理论和方法，搭出超完整的研究小体系～

---

2.3 专业术语分布

【集中度分析】

• 前5术语累计频次：967次
• 前5术语累计占比：20.5%
• 前10术语累计占比：29.6%

【可视化图表】

排名	术语	频次
1	电力系统	265
2	暂态稳定	259
3	特征量	225
4	训练	114
5	面板数据	104
6	聚类	104
7	电力系统暂态稳定	95
8	特征提取	88
9	暂态稳定性评估	72
10	电压	71
11	故障切除	66
12	文献	63
13	电力系统暂态稳定性	57
14	协整	54
15	暂态稳定性分析	50
前15累计		1687

【图表评论】
环形图和柱状图超清晰展示了高频术语的分布情况和集中度啦🥳！从图里能看到，前5个高频术语累计频次飙到967次，占总频次的20.5%，集中度超高有没有～前10个高频术语累计占比也达到了29.6%，更能证明研究主题超聚焦～排名第一的术语“电力系统”出场265次，是研究的核心小概念～排名第二的术语“暂态稳定”出现259次，排名第三的术语“特征量”出场225次，这仨搭成了研究的核心术语小体系～从排名第5开始，术语频次唰唰下降，呈现出长尾分布的小特征，说明研究围着少数核心概念展开，其他术语都是给核心概念打辅助、做细化的～这种分布模式超符合学术文献的一般规律，既体现了研究的深度，又有满满的广度～

---

2.4 术语共现网络

【共现分析】

• 核心节点：暂态稳定
• 最强关联对：暂态稳定 - 电力系统 (173次)
• 主要聚类：以图像增强、注意力机制等为核心的术语聚类
• 共现关系总数：19对

【可视化图表】

术语A	术语B	共现次数
暂态稳定	电力系统	173
暂态稳定	电力系统暂态稳定	112
暂态稳定	暂态稳定性分析	63
暂态稳定	电力系统暂态稳定性	61
电力系统暂态稳定	电力系统暂态稳定性	57
特征量	电力系统	21
特征提取	电力系统	12
特征提取	电力系统暂态稳定	6
特征提取	电力系统暂态稳定性	3

【图表评论】
术语共现网络图超有趣地展示了高频术语之间的关联关系🔗，把文档的知识结构扒得明明白白～网络里有10个节点和19条边，搭成了以“暂态稳定”为中心的术语小聚类～最强关联对是“暂态稳定”和“电力系统”，共现次数高达173次，说明这俩概念在研究里关系超铁～从网络结构看，主要形成了3个聚类：聚类一以“电力系统”为核心，包含“特征量”、“训练”等术语，对应以电力系统为核心的相关研究方面的研究；聚类二以“暂态稳定”为核心，有“聚类”、“暂态稳定性评估”等术语，是以暂态稳定为核心的相关研究方面的内容；聚类三则盯着“电力系统暂态稳定”相关的研究方向～各聚类之间靠“训练”等术语牵线搭桥，搭出完整的知识小网络～这个网络结构把研究的核心主题和它们的关系展示得清清楚楚，帮我们超轻松理解文档的整体框架和知识体系～

---

2.5 核心概念词云

【词云数据统计】

• 词云术语总数：20个
• 加权总频次：204.2次

【可视化图表】

排名	术语	加权频次
1	电力系统	26.5
2	暂态稳定	25.9
3	特征量	22.5
4	训练	11.4
5	计算模式	10.5
6	面板数据	10.4
7	聚类	10.4
8	电力系统暂态稳定	9.5
9	特征提取	8.8
10	暂态稳定性评估	7.2

【图表评论】
词云图用加权频次超直观地亮出了文档的核心概念体系☁️！图里有20个术语，加权总频次达到204.2次～排名前五的术语分别是“电力系统”（26.5次）、“暂态稳定”（25.9次）、“特征量”（22.5次）、“训练”（11.4次）和“计算模式”（10.5次）～这些术语字号最大、位置最显眼，妥妥是研究的核心概念小团体～从词云整体分布看，术语按重要程度从大到小、从中心向四周排排坐，形成超有层次感的视觉小结构～排名靠前的术语反映了研究的核心主题和方法，中等排名的术语体现了研究的具体内容和小细节，排名靠后的术语则展示了研究的边缘小话题或未来小方向～词云图不仅总结了全文的关键概念，还帮读者超快抓住研究要点，是理解文档内容的超实用小帮手～

---

2.6 英文缩写分布

【缩写统计】

• 缩写总数：30个
• 缩写总频次：264次
• 高频缩写 Top 5：
  1. IEEE：49次
  2. NA：28次
  3. ANN：18次
  4. ADF：18次
  5. PHMM：16次
• 前5缩写累计占比：48.9%

【可视化图表】

排名	缩写	频次
1	IEEE	49
2	NA	28
3	ANN	18
4	ADF	18
5	PHMM	16
6	SVM	14
7	DHMM	14
8	HMM	12
9	CEPRI	11
10	CVM	11
前10累计		191

【图表评论】
环形图展示了英文缩写在文档里的分布情况啦🔤！文档里一共出现30个不同的英文缩写，总频次有264次～排名前五的缩写分别是“IEEE”（49次）、“NA”（28次）、“ANN”（18次）、“ADF”（18次）和“PHMM”（16次），前5个缩写累计占比达到48.9%，集中度超高一捏捏～从缩写类型看，主要有期刊名称缩写（比如“IEEE”）、作者姓名缩写（比如“NA”）、技术术语缩写（比如“ANN”）和评价指标缩写（比如“ADF”）等～这些缩写高频出镜，说明文档引用了超多该领域的经典文献，用了通用的技术术语和评价标准，超能体现研究的规范性和专业性～缩写的分布特征也帮读者了解该领域的学术交流小习惯哟～

---

三、原文章节举例

3.3 基于时间分段的原始特征量的构建

电力系统暂态稳定的动态过程可以用一系列物理量进行记录和表征，它们能够在故障之后给相关技术人员提供及时而又准确的信息，包括对系统造成的冲击、系统的相关响应等，这种动态响应的方法得到广泛的采用。国内外以动态特征量作为暂态稳定输入特征集的相关研究文献在动态特征量的选取中既有重复也各有特点，如文献[25]总结前人工作的基础上提出了16个系统特征，文献[58]提出了34个系统特征，文献[61]提出了11个系统特征，文献[62]提出了25个系统特征。为了客观地评价各种动态特征组合与系统暂态稳定性判别的关联强弱，本文在结合WAMS原始数据的基础上，综合总结现有文献的特征提取方法，采用相关文献所选择的部分特征量并根据对问题的理解，补充了一些新的候选特征（比如故障切除前一瞬间和故障切除后的动态特征量等）。按照时间顺序，本文构造的输入特征集共包括故障前、故障发生时刻、故障切除时刻、故障切除后以及混合时刻五组共58个特征变量。各组状态量的时序分布情况如图3-1所示。

图3-1 动态特征时序分布示意图

在进行特征选择之前，先对所采取的特征变量做简单的说明。

$M$ 表示发电机的惯性常数； $\omega$ 表示发电机的转速； $\delta$ 表示发电机的功角； $P_m$ 表示发电机的机械功率； $P_e$ 表示发电机的有功出力； $V_{ki}$ 表示发电机的动能；coi表示惯性中心坐标； $N$ 是发电机总台数， $t_{0+}$ 表示故障发生时刻， $t_{cr}$ 表示故障切除时刻。多机系统在惯量中心（coi）坐标的各台发电机转子运动方程如（3-1）

所示，

$$\begin{array}{l}\frac{d{\delta }_i}{dt}={\omega }_s{\omega }_i\\ T_{Ji}\frac{d{\omega }_i}{dt}=P_{mi}^{\prime }-P_i-\frac{T_{Ji}}{T_{JCOI}}-P_{COI}\end{array}\}\text{\hspace{1em}(3-1)}$$

其中 $P_{mi}^{\prime }$ 表示考虑了暂态电势的第i台发电机的机械功率，coi的等值转子角度计算公式见式3-2。

$${\delta }_{coi}=\frac{1}{M_{\Sigma }}\sum _{i=1}^N{M}_i\times {\delta }_i\text{\hspace{1em}(3-2)}$$

其中 $M_{\Sigma }={\sum }_{i=1}^N{M}_i$

coi的等值转子角加速度计算公式见式3-3

$${\omega }_{coi}=\frac{1}{M_{\Sigma }}\sum _{i=1}^N{M}_i\times {\omega }_i\text{\hspace{1em}(3-3)}$$

coi的等值转子加速度计算公式见式3-4。

$$a_{coi}=\frac{1}{M_{\Sigma }}\sum _{i=1}^N{M}_i\times a_i\text{\hspace{1em}(3-4)}$$

---

四、原文章节举例

4.2.2 HMM 的定义

HMM常用定义式（4-1）描述，简记为式（4-2）：

$$\lambda =(N,M,\pi ,A,B)\text{\hspace{1em}(4-1)}$$

$$\lambda =(\pi ,A,B)\text{\hspace{1em}(4-2)}$$

参数说明如下：

（1）N是Markov Chain状态的数目，N个状态记做 ${\theta }_1,{\theta }_2,\dots ,{\theta }_N$ ，如果t时刻Markov状态链处于状态 $q_t$ ，明显地 $q_t\in ({\theta }_1,{\theta }_2,\dots ,{\theta }_N)$

（2） $M$ 是每个状态对应可能出现的观测值的个数，记为 $V_1,V_2,\dots ,V_M$ ，如果t时刻的观测值为 $O_t$ ，明显地 $O_t\in (V_1,V_2,\dots ,V_M)$

（3） $\pi$ 是初始概率分布， π={πi}\pi = \{\pi_i\}π={πi​} ，其中：

$${\pi }_i=P\left(q_1={\theta }_i\right),1\le i\le N\text{\hspace{1em}(4-3)}$$

（4） $A$ 是状态转移概率矩阵， A={aij}N×NA = \left\{a_{ij}\right\}_{N\times N}A={aij​}N×N​ ，其中：

$$a_{ij}=P\left(q_{t+1}={\theta }_j\mid q_t={\theta }_i\right),1\le i,j\le N\text{\hspace{1em}(4-4)}$$

（5） $B$ 是观测矩阵， B={bjk}N×MB = \left\{b_{jk}\right\}_{N\times M}B={bjk​}N×M​ ，其中：

$$b_{jk}=P\left(O_t=V_k\mid q_t={\theta }_j\right),1\le j\le N,1\le k\le M\text{\hspace{1em}(4-5)}$$

HMM的双重随机过程，如图4-1所示，第一重随机过程：Markov状态转移链可以由 $\pi$ 和 $A$ 来描述，输出为状态转移的序列，状态转移矩阵 $A$ 能够描述各个状态转换的概率；第二重随机过程由 $B$ 描述，输出为观测值序列，表征某一个状态与某个观测值之间的统计规律。

图4-1HMM示意图

---

五、总结

本报告超认真地对《基于WAMS的电力系统暂态稳定性特征提取及评估方法研究》做了系统的专业术语统计与分析啦📝！文档总字符数165857，中文字符59482个，英文字词12390个，一共扒出专业术语1274个～高频术语“电力系统”（265次）、“暂态稳定”（259次）等搭成了研究的核心概念小体系～

文档涉及6个研究领域，主要扎堆在能量函数法(1077次)、暂态稳定性(1068次)、电力系统(1066次)，超有多学科交叉的研究小特点～术语共现网络有10个节点和19条边，最强关联对“暂态稳定”与“电力系统”共现173次，搭成了以“暂态稳定”为中心的术语小聚类～

英文缩写一共出现30个，总频次264次，前五缩写“IEEE”（49次）等累计占比48.9%，反映了文档引用的经典文献和技术标准～

总的来说，本报告通过多维度术语统计，把文档的知识结构和研究焦点扒得明明白白，超全面的哟～

---

六、原文部分参考文献

[1] 薛禹胜. 综合防御由偶然故障演化为电力灾难-北美“8.14”大停电的警示[J]. 电力系统自动化，2003，27（18）：1-5.
[2] 刘宇，舒治淮，程逍，等．从巴西电网“2.4”大停电事故看继电保护技术应用原则[J].电力系统自动化，2011，35(8)：12-15，71.
[3] 李春艳，孙元章，陈向宜，等．西欧“11.4”大停电事故的初步分析及防止我国大面积停电事故的措施[J]. 电网技术，2006，30(24)：16-21.
[4] 唐葆生．伦敦南部地区大停电及其教训[J]. 电网技术，2003，27(11)：2-5，12.
[5] 甘德强，胡江滋，韩祯样，等．2003年国际若干停电事故思考[J].电力系统自动化，2004，28(3)：1-4，9.
[6] 祝瑞金，李莉华，郑淮，等．北美历次重大停电事故的比较分析及启示[J].华东电力，2004，32(1): 18-22.
[7] 蓝毓俊. 2003年世界上几起大停电事件的经验教训和启示[J]. 电力设备, 2004, 5(12): 67-70.
[8] 王健, 丁屹峰, 宋方方, 等.2011年国外大停电事故对我国电网的启示[J].现代电力, 2012, 29(5): 1-5.
[9] 邓应松，大停电后发电机启动顺序优化方法研究[D]. 河北：华北电力大学，2013.
[10] 2012年世界各国停电事故[J]. 水利电力科技，2012,38(4),30-32.
[11] 李娜。可控负荷提供系统备用的机制研究与容量评估[D]. 济南：山东大学，2013.
[12] IEEE/CIGRE joint task force on stability terms and definitions. Definition and classification of power system stability [J]. IEEE Trans on Power Systems, 2004, 19(2): 1387-1401.
[13] 电力系统安全稳定导则[S].DL755-2001.
[14] 国家电网公司.国家电网公司电力系统安全稳定计算规定[Z].北京：国家电网公司,2006.
[15] 国家电网公司.国家电网公司电力系统安全稳定计算规定编制说明[Z].北京：国家电网公司，2006.