基于可分离迭代图神经网络的电力系统状态估计算法OA
随着新型电力系统建设的深入推进,电网状态估计的模型规模急剧扩大,现有算法与计算架构难以满足时效性需求。针对上述问题,提出一种基于可分离迭代图神经网络(separable iterative graph neural network,SIGNN)的电力系统状态估计算法。该方法构建数据驱动的端到端状态估计框架,通过将图操作与神经网络操作解耦,形成多阶段迭代优化结构,利用含物理约束项的SIGNN架构深入挖掘电网拓扑信息与量测数据之间的高阶非线性空间关联。通过将传统状态估计复杂的迭代求解过程转化为高效的神经网络函数映射,有效克服传统方法对初值敏感和在大规模系统中计算耗时的缺陷。实验结果表明,相较于传统算法及常规数据驱动模型,所提算法在保证高估计精度的同时,显著提升计算效率,并具有优良的鲁棒性。
王慕岩;何博宇;靳小龙;彭静;亓富军;孙筱轩
天津大学电气自动化与信息工程学院智能配用电装备与系统全国重点实验室,天津300072 天津大学电气自动化与信息工程学院智能电网教育部重点实验室,天津300072天津大学电气自动化与信息工程学院智能配用电装备与系统全国重点实验室,天津300072 天津大学电气自动化与信息工程学院智能电网教育部重点实验室,天津300072天津大学电气自动化与信息工程学院智能配用电装备与系统全国重点实验室,天津300072 天津大学电气自动化与信息工程学院智能电网教育部重点实验室,天津300072国网山东省电力公司临沂供电公司,山东临沂276000国网山东省电力公司临沂供电公司,山东临沂276000国网山东省电力公司临沂供电公司,山东临沂276000
信息技术与安全科学
电力系统状态估计图神经网络可分离迭代图神经网络深度学习
《广东电力》 2026 (9)
P.56-69,14
国家电网有限公司总部科技项目(5700-202316601A-3-2-ZN)。
评论