用于电力系统状态估计的物理信息图神经网络

状态估计对于准确观测电网动态行为并最小化网络威胁风险至关重要。然而，现有的状态估计方法在准确捕捉电力系统动态方面面临挑战，这主要是由于编码电网拓扑和稀疏测量数据的局限性所致。本文提出了一种物理信息图学习状态估计方法，通过结合领域物理知识与图神经网络（GNN）来解决这些局限性。我们采用了一种 GNN 架构，相较于传统数据驱动方法，它能更有效地处理电力系统的图结构数据。基于物理的知识构建于支路电流公式之上，使得该方法适用于输电和配电系统。对三个 IEEE 测试系统的验证结果表明，所提方法的均方误差比传统方法降低了 20% 以上。