了多区域多层次的联合电力系统，因此世界各国对电力系统的动态安全分析研究十分重视，提出了一些新的理论分析方法[31]。
　　为了提高动态安全分析的实时性，文献[32]提出了采用分解和协调理论的局部暂态安全分析和监测方法，将电力系统分为内部系统，根据调度自动化系统中的全系统实时结构导纳矩阵，可以直接推导出外部系统的等值导纳矩阵，这种方法可以减少数据采集和软件处理工作，提高暂态安全分析和检测的实时性和实用性。 ② 人工智能方法在电力系统安全分析中的应用研究已成为这一研究领域的一个活跃分支。人工智能是指用机器来模拟人类的只能行为，包括机器感知（如模式识别、人工神经元网络等）、机器思维（如问题求解、机器学习等）和机器行为（如专家系统等）。人工智能（Artificial Intelligence）是当前发展迅速、应用最广泛的学科，其中专家系统（Expert System）和人工神经元网络（ANN）是人工智能的两个很活跃的分支。电力系统安全分析的各个方面几乎都已经引入了专家系统的思想，并且已有了实际运行的安全分析专家系统[33]。文献[34]详细讨论了电力系统预想事故排序问题的特征，认为预想事故排序问题只有采用专家系统和数值计算相结合来解决。文献[36]介绍了一个为CQR的基于知识和常规算法的混合型安全分析专家系统。文献[37]设计了暂态安全分析的一个专家系统总体框架，这是一个数值计算和知识处理的混合系统。文献[38]针对美国Northern State Power Company开发的一个动态安全趋势分析专家系统作了详细的介绍，而文献[39]则报导了台湾电力系统开发的静态安全分析专家系统。建造专家系统最困难的是知识获取，解决知识获取问题的有效方法是实现知识自学习。目前认为用神经网络实现是一种有前途的方法。ANN的一个主要特征是能够学习，可以从输入样本中，通过自适应学习产生所期望的知识规划，ANN是并行、分布、联想式的网络系统，很适合解决复杂的模式识别。由于人工神经网络的BP模型可以模拟任意复杂的非线形关系，能很好地解决分类器问题，并通过自学习功能实现。因此，使用ANN进行静态和动态安全分析受到各国的极大重视，已有一批成果在有关文献中报到。文献[40]首先将ANN引入电力系统动态安全分析中，提出了用BP模型估计临界切除时间，研究表明：训练的ANN对不同的网络结构有较高的估计精度，而文献[41]则研究了BP模型进行动态安全分析过程，在训练样本的形成和特征量的选取方面作了不少工作，文献[42]提出了一种利用人工神经网络来描述和拟合电力系统暂态安全性能的方法，介绍了一种集学习规划和遗传算法结合起来的快速学习算法，ANN通过训练来模拟和求解出电力系统暂态稳定程度，确定系统的暂态安全域。 
　　3　存在问题和解决方法 在20世纪60年代后，国内外电力系统曾发生过多次严重的大面积和长时间停电事故，从而保证电力系统安全稳定问题已受到极大重视，并为此进行了大量的理论科学研究和工程实践，但到目前还有不少问题尚未很好解决，如超高压远距离输电与互联电网的安全稳定分析方法与控制策略问题；大容量机组投入电力系统运行，如何解决好系统与大机组的安全协调问题；如何最优解决有功调度中系统安全问题与经济问题的协调问题等。另外，近年来实时相角测量技术的发展已为现代电力系统安全稳定分析开辟了一个新的领域，为超高压大电网的安全运行监控提供了新的手段。