考虑电力系统拓扑变化的消息传递图神经网络暂态稳定评估

摘要：

近年来,数据驱动相关方法已经在电力系统暂态稳定评估等领域得到了广泛的应用.然而,传统数据驱动方法大多用于分析欧式数据,对电网拓扑连接关系的刻画受限,导致传统方法在新拓扑下的应用泛化能力不足.为此,该文基于消息传递图神经网络(message passing neural network,MPNN),提出一种基于稳态数据的电力系统暂态稳定评估方法.通过图数据处理和拓扑连接关系建模,训练得到能够描述电力系统拓扑变化的暂态稳定性评估模型.论文在新英格兰39节点系统上进行全面的仿真,生成包含600多种拓扑在内的百万级别样本数据.算例分析表明,与传统数据驱动方法相比,所提方法在面对拓扑频繁变化的运行场景数据集上具有更好的性能,对未学习过的新拓扑具有更强的泛化能力.

关键词：数据驱动、深度学习、暂态稳定性评估、图神经网络、拓扑变化

所属期刊栏目：41

分类号：TM712(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划项目;国家电网有限公司总部科技项目:人在回路的大电网调控混合增强智能基础理论

在线出版日期：2021-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2341-2349,中插6