随着可再生能源渗透率增大、与社会活动联系更紧密、大规模电力电子化等新情况的出现,电力系统运行的复杂性、随机性不断加重,不安全状态的多样性和重要性尤为突出。实际运行中可能出现的不安全状态数量增多,一旦发生带来的损失巨大,是未来电力系统运行需要研究的重要问题。对电网运行的各种可能的状态展开研究面临的困难是这些状态难以从实际运行中获取,通过仿真生成也存在许多困难。另一方面,研究复杂难以解析建模的问题的有效方法是数据驱动的方法,应用数据驱动方法展开研究也需要大量潮流状态作为样本。因此,提出能生成大量电力系统运行样本的方法是面向未来电力系统的关键需求。目前的解决方案主要为连续潮流法和计划潮流法,单连续潮流法生成样本数据集的分布无法反映运行空间的全貌,而计划潮流法具有无法收敛的风险、对运行方式计划制定人员的素质要求极为苛刻且工作量巨大。二者均基于传统潮流计算,存在关键不足是样本生成速度过慢且可能面临潮流不收敛、病态潮流等问题,严重制约数据驱动方法的应用。本文提出一种潮流样本生成方法,可有效解决上述问题,其核心是变换潮流计算的求解目标,从传统方法给定功率求解电压变换为给定电压求解功率,不需要求解潮流方程,仅需要代值计算。相比潮流计算方法,本方法的本质改进在于将等式约束的非线性问题变换为不等式约束的非线性问题。理论分析表明,本方法能够降低样本生成难度、极大加快样本生成速度。对IEEE14节点至300节点系统不同规模的算例实验验证表明,本方法比传统潮流计算方法高出一个数量级以上,且没有收敛性问题,能够快速生成大量潮流样本。并且,本方法生成的数据集具有更好的分布,训练得到的人工神经网络模型具有更好的泛化性能。