Transient stability assessment involves the determination of whether all generators in the power system would maintain synchronous operation when it is subjected to a large disturbance. Assessing the transient stability status of a power system in an accurate and timely manner is of high importance in order to plan and initiate relevant corrective control actions where required. The wide-area monitoring systems enable to acquire synchronized measurements of important system variables from geographically dispersed locations via the phasor measurement units (PMUs), which can be used for measurement-based transient stability assessment. In this work, a stacked ensemble model that uses post-contingency wide-area synchrophasor measurements of bus voltage magnitude, voltage angle, frequency and rate of change of frequency is proposed to classify the post-contingency transient stability status of a power system to be unstable or stable. The model includes four individual long short-term memory network classifiers as base-learners and a LightGBM classifier as a meta-learner. An important differentiation of this work is that the proposed method does not assume that each bus is equipped with a PMU. Furthermore, robustness of the proposed model is analyzed in the presence of measurement noise and against the scenario of missing measurements. The performance of the proposed ensemble model is investigated in two generic test systems, the Nordic and the 127-bus WSCC test systems, as well as the practical Turkish power system.

暂态稳定性评估涉及确定电力系统中的所有发电机在受到较大干扰时是否将保持同步运行。为了及时地计划和启动相关的纠正控制措施，准确，及时地评估电力系统的暂态稳定状态非常重要。广域监视系统能够通过相量测量单元（PMU）从地理位置分散的位置获取重要系统变量的同步测量值，该相量测量单元可用于基于测量的瞬态稳定性评估。在这项工作中，使用了集成的集成模型，该模型使用事后评估的广域同步相量来测量总线电压幅值，电压角，提出频率和频率变化率以将电力系统的事后暂态稳定状态分类为不稳定或稳定。该模型包括四个单独的长期短期记忆网络分类器（作为基础学习器）和一个LightGBM分类器（作为元学习器）。这项工作的一个重要区别是，所提出的方法不假定每个总线都配备有PMU。此外，在存在测量噪声并且针对缺少测量的情况下分析了所提出模型的鲁棒性。在两个通用测试系统（北欧和127总线WSCC测试系统）以及实际的土耳其电力系统中研究了提出的集成模型的性能。该模型包括四个单独的长期短期记忆网络分类器（作为基础学习器）和一个LightGBM分类器（作为元学习器）。这项工作的一个重要区别是，所提出的方法不假定每个总线都配备有PMU。此外，在存在测量噪声并且针对缺少测量的情况下分析了所提出模型的鲁棒性。在两个通用测试系统（北欧和127总线WSCC测试系统）以及实际的土耳其电力系统中研究了提出的集成模型的性能。该模型包括四个单独的长期短期记忆网络分类器（作为基础学习器）和一个LightGBM分类器（作为元学习器）。这项工作的一个重要区别是，所提出的方法不假定每个总线都配备有PMU。此外，在存在测量噪声并且针对缺少测量的情况下分析了所提出模型的鲁棒性。在两个通用测试系统（北欧和127总线WSCC测试系统）以及实际的土耳其电力系统中研究了提出的集成模型的性能。在存在测量噪声的情况下，针对缺少测量值的情况，对所提出模型的鲁棒性进行了分析。在两个通用测试系统（北欧和127总线WSCC测试系统）以及实际的土耳其电力系统中研究了提出的集成模型的性能。在存在测量噪声的情况下，针对缺少测量值的情况，对所提出模型的鲁棒性进行了分析。在两个通用测试系统（北欧和127总线WSCC测试系统）以及实际的土耳其电力系统中研究了提出的集成模型的性能。