基于MoE-GraphSAGE的暂劫性转矩角和电压稳定性综合评估
系统与控制
2025-11-13 v1 机器学习
系统与控制
摘要
可再生能源和电力电子设备的大规模并网已增加电力系统稳定性的复杂度，使得暂劫性稳定性评估更加具有挑战性。传统方法在准确性和计算效率方面存在局限。为此，本文提出了MoE-GraphSAGE，一种基于混合专家（MoE）的图神经网络框架，用于统一的暂劫性稳定性评估（TAS）和电压稳定性（TVS）评估。该框架利用GraphSAGE捕获电网的时空拓扑特征，并采用带有门控机制的多专家网络联合建模不同的不稳定模式。在IEEE 39-bus系统上的实验结果表明，MoE-GraphSAGE在准确性和效率方面均优于现有方法，为复杂电力系统上的在线多任务暂劫性稳定性评估提供了有效解决方案。
引用
@article{arxiv.2511.08610,
title = {MoE-GraphSAGE-Based Integrated Evaluation of Transient Rotor Angle and Voltage Stability in Power Systems},
author = {Kunyu Zhang and Guang Yang and Fashun Shi and Shaoying He and Yuchi Zhang},
journal= {arXiv preprint arXiv:2511.08610},
year = {2025}
}