摘要：针对现有数据驱动方法因关键变量选择不合理及数据特征挖掘不充分导致的评估性能受限问题，提出基于因果分解和逆向特征增强时间卷积网络的静态电压稳定评估方法。直接将底层量测数据作为输入特征，利用因果分解法辨识出对电压稳定裕度影响较大的变量，根据因果强度缩减原始特征集，形成关键特征子集，降低模型训练难度，提高计算效率；构建逆向特征增强的时间卷积模型，通过构造逆向特征提取支路和增加多头注意力机制，充分挖掘电力系统的数据特征，实现静态电压稳定裕度的评估。在改进的4机2区域系统和改进的IEEE 39节点系统上进行验证，结果表明该方法能够在保证估计精度的同时，大幅降低输入变量维度，有效提升算法性能。与其他方法相比，所提方法具有更高的评估精度，可有效提升电力系统的风险防控水平。
