多保真度潮流求解器

我们提出一种多保真度神经网络（MFNN），专为在高保真故障数据稀缺条件下快速高维电网潮流仿真与故障分析而设计。所提模型包含两个网络——第一个以直流近似作为低保真数据训练，并与一个以低、高保真潮流数据训练的高保真神经网络耦合。每个网络均含一个潜变量模块，以离散电网拓扑向量参数化模型以实现泛化（例如，含 $n$ 条电力线路及 $k$ 处断开或故障（若有）），且目标高保真输出为线性与非线性函数的加权和。我们在 14 总线与 118 总线测试案例上测试模型，并依据不平衡故障数据及高-低保真样本比评估其 $n-k$ 潮流预测精度。本文结果显示，MFNN 具有潜力与局限，其潮流求解较直流近似快达两个数量级且更精确。