用于中压电网可靠性评估的图同构网络
机器学习
2026-02-19 v2 人工智能
摘要
随着向可再生能源转型和传统容量下降,保障电网可靠性日益具有挑战性。配电系统运营商(DSOs)旨在通过验证n-1准则来实现电网可靠性,确保在元件故障时连续运行。电网基于图的复杂数据蕴含了n-1评估的关键信息:图结构以及关于变电站/电缆的数据。与传统机器学习方法不同,图神经网络(GNNs)直接处理图结构数据。本文提出使用图同构网络(GINs)进行中压电网的n-1评估。所设计的GIN框架可泛化至未见过的电网,并利用图结构及变电站/电缆数据。所提GIN方法比传统数学优化方法更快且更可靠地进行电网评估,将预测时间缩短约1000倍。研究结果为应对计算挑战并提升电网评估的可靠性与效率提供了一种有前景的方法。
引用
@article{arxiv.2310.01181,
title = {Graph Isomorphic Networks for Assessing Reliability of the Medium-Voltage Grid},
author = {Charlotte Cambier van Nooten and Tom van de Poll and Sonja Füllhase and Jacco Heres and Tom Heskes and Yuliya Shapovalova},
journal= {arXiv preprint arXiv:2310.01181},
year = {2026}
}
备注
Under review