基于多任务学习的电网调度操作物理一致性校验OA

电网调度操作的物理一致性校验是保障系统安全的关键。为解决传统方法难以检测“数据正确但物理违规”异常的问题,本文提出一种基于多任务学习的物理信息图神经网络(multi-task learning physics-informed graph neural network,MTL-PI-GNN)校验方法。鉴于电网天然的图结构特性,该方法将电网拓扑抽象为图,并构建GNN代理模型学习从操作指令到潮流状态的映射,同时通过引入潮流方程残差作为物理正则项来确保预测结果的物理保真度。在此基础上,通过构建统一的物理一致性评分指标,实现了对调度操作是否满足电气规律的定量判别。仿真结果表明,MTL-PI-GNN在潮流预测精度和异常检测准确率方面均显著优于传统方法,验证了所提出的物理一致性校验框架在不同运行条件下的有效性与鲁棒性。