新能源占比持续攀升，电力电子变流器数量激增，系统状态变量从几十维膨胀到上百维——“维数灾”正在成为新型电力系统稳定性分析的头号难题。刘崇茹教授团队提出的LASSO数据驱动降维方法，将跟网型变流器从14维降至10维、构网型从13维降至9维、多机并联系统降至原系统70%以下，为“维数灾”提供了切实可行的解决方案。
维数灾从何而来
高比例电力电子化的必然结果
新型电力系统的核心特征是“高比例电力电子化”——风电、光伏通过变流器并网，储能通过变流器充放电，柔性直流输电依赖大量换流阀。每台变流器都包含多时间尺度的控制环节（锁相环、电压外环、电流内环、功率控制环等），每个控制环节引入1-2个状态变量。
单台跟网型变流器状态量14维，单台构网型变流器13维。当变流器数量达到数十台时，系统总状态量可达数百维——这些状态量在时间尺度上跨越毫秒级（电流内环）到秒级（直流电压、功率环），在空间上通过电网拓扑相互耦合，形成了高度复杂的动态系统。
传统降维方法的局限
理论分析法与奇异摄动法的不足
理论分析法针对性强但通用性不足，每类变流器拓扑、每种控制结构都需要单独推导。奇异摄动法根据响应速度分离“快慢变量”，但状态量选取依赖线性化模型，无法把握完整动态特性。
两种方法的根本问题在于：电力电子变流器系统本质上是强非线性的，线性化环节会引入模型误差，可能遗漏对系统动态特性有关键影响的非线性特征。因此，需要一种不依赖线性化模型、能直接基于系统完整动态响应进行状态量筛选的新方法。
LASSO降维如何解决维数灾
数据驱动路径的核心突破
所提方法通过“数据生成→LASSO筛选→物理补充→降维建模”四步完成降维。数据生成环节通过多场景时域仿真获取系统完整非线性响应；LASSO回归自动筛选关键状态量；物理知识补充确保物理内涵完整；最终构建低阶降维模型。
与传统方法相比，这一路径的三个核心突破是：第一，不依赖线性化模型，从根源避免模型误差；第二，自动筛选，无需人工设定阈值；第三，通用性强，可应用于不同变流器拓扑和控制结构。
三类场景的验证结果
跟网型变流器：14维降至10维（降幅28.6%），主导特征值误差<5%。构网型变流器：13维降至9维（降幅30.8%）。多机并联系统：降至原系统70%以下。三类场景均验证了降维模型与详细模型的主导特征值运动轨迹高度吻合，时域响应一致。
从维数灾到工程实用
降维至70%的阶数意味着计算负担的大幅降低。以一台包含50台跟网型变流器的系统为例，原系统阶数为700维（50×14），降维后约为500维（50×10）——特征值计算时间可缩短40%以上。对于大规模系统稳定性扫描、概率稳定性分析等需要重复计算的场景，效率提升更为显著。
研究团队指出，当前聚焦于小扰动稳定分析，下一步将拓展至大扰动场景下的降维仿真分析，为新型电力系统的全面稳定性评估提供技术支撑。
当系统状态量从数十维膨胀到数百维，传统的“全阶建模+全维分析”范式必然被打破。LASSO数据驱动降维提供了一种“高维感知、低维决策”的新思路——用数据驱动方法从海量状态量中精准识别关键特征，再用低维模型完成高效分析。这套方法论不仅服务于当前的研究场景，更是未来电力系统智能化分析的基础性工具。
