基于图深度学习的薄弱支路辨识与溯因分析

摘要：

电力系统多样化的运行方式对薄弱支路辨识的速度与拓扑泛化性提出更高要求.结合图深度学习及解释方法对薄弱支路进行辨识与溯因分析.采用基于初始残差和单位映射的图卷积神经网络(graph convolutional network via initial residual and identity mapping,GCNII)搭建薄弱支路辨识模型,模型可基于拓扑关系聚合元件特征,结合邻近电网的安全态势评估支路的薄弱程度.采用基于互信息优化的解释方法分析辨识模型的决策依据,提取薄弱支路的主导因子.IEEE68节点系统、实际电网算例结果表明,辨识模型具有较好的辨识准确性和拓扑泛化性,溯因分析结果符合传统机理认知所得结论,可为连锁故障的实时预警和预防控制提供有效指导.

关键词：电力系统、连锁故障、薄弱支路、图深度学习

所属期刊栏目：43

分类号：TM73;TP18(输配电工程、电力网及电力系统)

资助基金：国家电网公司科技项目5100-202055298A-0-0-00

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1004-1016,中插12