针对图神经网络 AC 功率流模型生成对抗输入
机器学习
2026-02-23 v1 系统与控制
系统与控制
摘要
本工作针对图神经网络模型的 AC 功率流问题，构建并求解优化问题，以生成输入点，使其在神经网络预测的AC功率流解与AC功率流方程解之间产生较大误差。我们在CANOS-PF图神经网络模型实例上进行验证，该模型由PF 基准库实现，运行于14节点测试网格。生成的对抗输入可导致电 reactive power误差高达3.4 per-unit，电压幅值误差达0.08 per-unit。当 minimizing 所需扰动以满足对抗约束时，我们发现仅需对单个节点电压幅值扰动约0.04 per-unit即可满足约束。该工作推动了对神经网络 AC 功率流代理模型的严格验证与鲁棒训练方法的发展。
引用
@article{arxiv.2602.17975,
title = {Generating adversarial inputs for a graph neural network model of AC power flow},
author = {Robert Parker},
journal= {arXiv preprint arXiv:2602.17975},
year = {2026}
}