1.一种电力系统动态安全评估综合模型及时空可视化方法，其特征在于，包括以下步骤：

步骤一)：构建动态安全指标，基于电力系统历史运行数据与预想事故集，建立动态安全评估初始样本集；

步骤二)：构建特征选择框架，对初始样本集进行特征选择，形成处理后的高效样本集；

步骤三)：基于随机位森林构建在线动态安全评估综合模型，并利用高效样本集对模型进行离线训练及更新；

步骤四)：利用持续更新的动态安全评估模型完成对动态安全状态的在线评估，并利用时空可视化方法实现对动态安全信息的可视化呈现；

在步骤三)中，基于机器学习工具RBF，构建在线动态安全评估综合模型，使用特征选择后的高效样本集对动态安全评估模型进行训练及更新，构建运行变量与TSM之间的映射关系；

在RBF中，首先各输入特征量与其平均值作差，其差值再除以特征量的标准差以达成标准化的目的，然后对多个被分配随机权重的三层稀疏神经网络进行梯度提升，通过以上经过梯度提升的神经网络，将标准化后的特征转化为随机特征，最后利用此随机特征，基于随机森林进行训练和预测；

称得到的三层稀疏神经网络为随机位，其构建过程中涉及两个参数：一是连接到每个隐藏神经元的特征数，二是隐藏神经元的数量；与隐藏神经元相连的特征量被随机分配，层间权重服从标准的正态分布；使用梯度提升算法，生成更多的随机位；算法包括B个S步的提升链，每条提升链均经过标准的梯度提升过程，且每一步都生成C个随机位特征；最终，将由以上步骤生成的随机位与随机森林相结合，形成RBF；

针对基于近实时的电力系统运行状态进行潮流分析与动态仿真获得的模型更新训练样本集，建立可接受规则来决定是否用新的样本对模型进行更新训练，相关规则定义如公式(6)：式中：Yk为第k个新样本的实际TSM值； 为利用离线模型预测此样本的预测TSM值；5％为自定义的阈值，可根据实际作相应调整；如果 为可接受，那么此样本不用于更新模型，反之则用于更新模型；

其中，TSM由各潜在故障点的极限切除时间构建，如公式(1)所示：

式中：CCTi为电力系统某个位置在第i个事故下的极限切除时间；ACTi为故障点在第i个事故的实际切除时间；TSMi为该位置的暂态稳定裕度。

2.根据权利要求1所述的一种电力系统动态安全评估综合模型及时空可视化方法，其特征在于：基于电力系统历史运行数据与预想事故集，进行详细的潮流分析和时域模拟；基于日前电力系统运行状态，进行故障前的潮流分析与动态仿真，以此获得离线训练样本集；

基于近实时的电力系统运行状态，进行所述分析并获取模型更新训练样本集。

3.根据权利要求2所述的一种电力系统动态安全评估综合模型及时空可视化方法，其特征在于：所构成的动态安全评估初始样本集中每个样本都用一个向量{x1,...,xP,y}来表示，其中xn(n＝1,...,P)代表某个故障前电力系统稳态运行的参数变量，y是假设发生该故障前系统的动态安全指标，即暂态稳定裕度(Transient Stability Margin，TSM)，构建电力系统运行变量与TSM的映射关系。

4.根据权利要求3所述的一种电力系统动态安全评估综合模型及时空可视化方法，其特征在于：所述故障前电力系统稳态运行的参数变量包括各节点的电压幅值、负载；各发电机的有功、无功出力；各分流器的无功出力；各节点之间的潮流、有功/无功损失。

5.根据权利要求1至4其中之一所述的一种电力系统动态安全评估综合模型及时空可视化方法，其特征在于：在构建样本集时，考虑多种影响电力系统运行的因素，包括：紧急事故、电网检修计划、经济调度、波峰/波谷变化、负荷特性、发电机/负载功率分布，通过最大程度模拟实际电网运行状态，扩大样本集对运行状态的覆盖率，其中，紧急事故、电网检修计划、经济调度影响的电力系统运行条件的变化属于电力网络拓扑变化；负荷需求随着时间改变也会发生变化，天气和季节是影响负荷需求的一个重要因素；实际电网运行中往往存在多种类型的负载，比如恒功率、恒阻抗、恒电流等；随着新能源的逐渐渗透与分布式发电的发展，根据实际电网需求可能会造成发电机和负载的功率分布变化。

6.根据权利要求1至4其中之一所述的一种电力系统动态安全评估综合模型及时空可视化方法，其特征在于：由电力系统运行状态及时域仿真得到的样本包含大量的变量，利用MIC与PCC，检测变量与TSM之间的非线性/线性关系，其中PCC作为探索变量之间线性关系的一个工具，ρ(x,y)为两变量X，Y的皮尔逊相关系数，即PCC，计算公式如(2)所示：式中：n为单个变量的维度； 及 分别为X和Y所含元素的平均值，MIC可根据两变量的部分对应数据对给出一个值来衡量两个变量之间的相关性程度。

7.根据权利要求6所述的一种电力系统动态安全评估综合模型及时空可视化方法，其特征在于：给定一对有限向量(X，Y)的集合D，定义D中的X值被分割为x个部分，Y值被分割为y个部分，将这种划分称为x‑y网格，给定一网格G，定义被分割后的数据点的分布为D|G，被G分割后的各个网格的分布通过将每个网格的概率质量视为D中的点被划入此网格的中点的分数，对于固定的D，通过使用不同的网格G，自然得到不同的点分布D|G，对于有限的集合D，正整数x，y，及长度为n的两连续变量，n为变量的个数，其MIC计算公式如式(3)：*

I(D,x,y)＝maxI(D|G)                    (5)

0.6

式中：B(n)通常设置为n ；I(D|G)代表D|G内数据点之间的互信息；MIC正常取值范围为

0至1，并且具有如下几个属性：

(1)对于具有趋于无噪声的函数关系的两变量，其MIC值趋于1；

(2)对于更广泛类别的无噪声关系，其MIC值趋于1；

(3)对于在统计学上相互独立的两变量，其MIC值趋于0；

选取与TSM高度相关的变量以进行特征选择，通过基于MIC及PCC的特征选择方法，构建特征选择框架以实现关键变量的挑选，有效地降低样本集的维度，建立高效样本集。

8.根据权利要求1所述的一种电力系统动态安全评估综合模型及时空可视化方法，其特征在于，在步骤四)中，包括以下步骤：

1)基于由同步相量测量单元采集的实时电力系统运行变量，利用更新后的动态安全评估模型，进行实时动态安全评估，给出相应的TSM预测结果；

2)根据TSM预测结果及实际广域互联大系统的地理分布信息，利用空间插值技术，形成在空间上连续可视化的TSM分布图；

3)随时间变化，连续可视化的TSM分布图也会产生相应波动以反映动态安全信息的变化，以实现从“时间、空间、状态”三个维度对电网整体或某些特殊位置的动态安全信息实时监控。