物理信息异构图神经网络用于直流阻断器放置
系统与控制
2024-05-20 v1 机器学习
系统与控制
摘要
地磁扰动(GMD)对大规模电力系统可靠运行的威胁推动了缓解其影响的有效策略的发展。其中一种方法涉及安装变压器中性点阻断装置，该装置中断地磁感应电流(GIC)的路径以限制其影响。然而，这些装置的高成本以及在地磁扰动事件中经历高GIC的变压器的稀疏性，要求采用计算成本高昂的稀疏放置策略。为应对这一挑战，我们开发了一种物理信息异构图神经网络(PIHGNN)来解决基于图的直流阻断器放置问题。我们的方法将异构图神经网络(HGNN)与物理信息神经网络(PINN)相结合，以捕捉交直流网络中节点和边的多样性，并融入电网的物理规律。我们使用代理潮流模型训练PIHGNN模型，并通过案例研究进行验证。结果表明，PIHGNN能够有效且高效地支持GIC直流阻断器的部署，确保持续供电以满足社会需求。我们的方法有潜力为开发更可靠、更具弹性的电网做出贡献，使其能够抵御地磁扰动日益增长的威胁。
引用
@article{arxiv.2405.10389,
title = {Physics-Informed Heterogeneous Graph Neural Networks for DC Blocker Placement},
author = {Hongwei Jin and Prasanna Balaprakash and Allen Zou and Pieter Ghysels and Aditi S. Krishnapriyan and Adam Mate and Arthur Barnes and Russell Bent},
journal= {arXiv preprint arXiv:2405.10389},
year = {2024}
}
备注
Paper is accepted by PSCC 2024