PIDGeuN：基于图神经网络的全场测量网络化微电网暂态动力学预测

本文提出一种物理信息动态图神经网络（PIDGeuN），用于在存在扰动的情况下准确、高效且鲁棒地预测微电网的非线性暂态动力学。PIDGeuN 的图结构天然地表示了微电网的拓扑结构。仅利用实际可测量的状态信息，PIDGeuN 采用时间延迟嵌入公式来完整复现系统动力学，避免了传统方法对控制器等内部动态状态的依赖。基于精心设计的消息传递机制，PIDGeuN 引入了两种物理信息技术以提升预测性能：一是用于确定母线间相互依赖关系的物理-数据融合方法，二是尊重电力系统已知物理定律（即基尔霍夫定律）的损失项，以确保模型预测的可行性。大量测试表明，PIDGeuN 能够在长时间尺度上对非线性微电网的暂态动力学提供准确且鲁棒的预测。因此，PIDGeuN 为大规模网络化微电网（NMs）的建模提供了有力工具，并可在 NMs 稳定与弹性运行的实时应用中用于预测或预防控制。