1.一种基于长短期记忆网络的电网动态轨迹趋势预测方法，其特征是，能够数据驱动摆脱物理模型约束，同时保证预测过程的时效性与精准性，它包括以下内容：

1)考虑到轨迹具有转角、长度两个表征其几何特征最重要的属性，定义轨迹偏移距离为：

式中，dθ代表轨迹 间的角度偏移；dl代表轨迹 间的长度偏移，两轨迹间的夹角为θj-θi， 为基准向量，模值为1，方向同 一致；

2)以dl、dθ提取复杂系统发电机特征，并通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise)基于密度的聚类算法判断各发电机节点电压相轨迹差异性，通过功角值划分复杂多机网络为超前机群以及滞后机群；

3)根据同调机群辨识结果，基于扩展等面积法则对复杂多机网络进行双机等值，等效转子运动方程为：式中：S表示多机系统超前机群，A表示多机系统滞后机群；MS为超前机群的等效惯性时间常数，MA为滞后机群的等效惯性时间常数；Pm为发电机机械功率；Pe为发电机电磁功率；Δδ为等值机系统功角差；Δω为等值机系统转速差；ω0为同步转速；从(3)式中能够得出等值机系统等效功率数据；

4)对等值机系统得到的等效功率以及功角数据进行预处理，受LSTM(Long Short-Term Memory)时间递归神经网络的激活函数特性影响，对输入数据进行归一化处理，以加速时间递归神经网络的训练速度以及训练效果，具体处理式为：其中：x为输入信息；x'为经过归一化处理后的输入信息；max(x)对应待归一化变量的最大值，min(x)对应待归一化变量的最小值；

5)为通过LSTM充分挖掘时序信息的演进规律，将输入状态信息变化率一同作为输入量，以(5)式定义相邻时刻状态信息变化率：其中：lt为输入信息前后时刻变化率，xt为t时刻输入轨迹信息值；

为方便信息处理，同时提升训练效率，构建三维输入信息矩阵，将状态信息预测值同其变化率排列为二维矩阵形式，纵向延展其样本数量，构建三维信息矩阵为输入数据最终样本格式；

6)在网络结构的设计中，设定LSTM神经网络包含2个LSTM，每层包含1024个节点，选取均方根作为损失函数对预测结果进行评价，均方根误差计算公式为：式中： 对应样本训练过程的预测值，yi对应样本训练过程的真实值；N为预测结果验证数据个数；i为预测点序列编号；

7)将等效功角同等效功率数据作为输入量输入到LSTM预测模型，输入信息包含从故障起始时刻至故障清除时刻后三个时刻的等效功率及等效功角数据，输出预测得到的未来时间段内的等效功率及功角信息；

8)通过等值机系统等效机械功率以及经由LSTM预测得到的状态信息确定不稳定平衡点对应时刻，继而依据扩展等面积法则计算故障清除时刻对应的相对动能即剩余加速面积，并根据状态信息预测值计算剩余减速面积，最终确定需要通过控制措施增加的减速面积大小，计算公式为：Sc＝A-B-A1                               (7)式中：A表示系统能量累积过程，即加速能量；B表示系统能量耗散过程，即减速能量；A1表示根据长短期记忆网络拟合功率特性曲线所预估的剩余减速面积；SC表示控制措施应该增加的减速面积，即暂态偏差能量；

将SC转换为实际切机量，具体转换公式为：

式中：δm为通过LSTM预测得到的不稳定平衡点；δu为故障清除时刻对应的功角值；ΔPm为切除发电机出力的理论值大小；

9)为保证系统可靠回稳，通过计算切机控制实施后系统加减速面积差额对系统进行循环监视，判断系统稳定性，具体通过LSTM拟合切机后系统的功率特性曲线，继而计算系统相对动能以及剩余减速面积，若相对动能值大于预估的剩余减速面积，则表示系统将继续失去稳定，此时需要重复切机控制过程；反之，如果相对动能值小于预估剩余减速面积，则表明系统将逐步过渡到新的稳定运行状态，至此循环监视过程结束。