基于谱图论和图卷积神经网络的直流电网节点电压估计研究

摘要：

深度学习在电力系统领域应用已非常广泛,潮流计算是电力系统重要的基础性任务之一,传统算法依赖于迭代求解,不适用于快速估计场合.直流电网的潮流求解实质上是节点电压求解问题,为此,提出了一种基于谱图论和图卷积神经网络(graph convolution neural network,GCN)的直流电网电压估计模型.通过网络拓扑拉普拉斯矩阵的特征向量实现时域直流电网到谱域直流电网的空间正交变换,从而完成时域电气量信息与网络结构信息之间的数据融合,并配合图卷积网络实现对数据特征的有效提取,进而完成从初始谱域电气量到稳态时域电气量之间的映射.仿真结果表明,所提模型能够较好地实现从初始电气量到稳态节点电压的映射,具有较高的电压估计准确度.

关键词：谱图论、图卷积神经网络、直流电网、电压估计、拉普拉斯矩阵

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：四川省科技计划资助项目2019YJ0114

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：521-531,中插9