使用图神经网络预测电网的 basin 稳定性
物理与社会
2022-05-06 v3 机器学习
系统与控制
系统与控制
摘要
随着可再生能源占比增加，由于其分散结构、惯性降低和波动性，电网动态稳定性的预测变得更为重要且具有挑战性。我们研究了应用图神经网络（GNN）以单节点 basin 稳定性（SNBS）为度量来预测复杂电网中同步动态稳定性的可行性。为此，我们生成了分别具有 20 和 100 个节点的两个合成电网数据集，并使用蒙特卡洛采样估计 SNBS。这些数据集用于训练和评估八种不同 GNN 模型的性能。所有模型均将无简化的完整图作为输入，并在节点回归设置中预测 SNBS。我们表明 SNBS 一般可被预测，且使用不同 GNN 模型时性能显著变化。此外，我们观察到我们方法有趣的迁移能力：在较小电网上训练的 GNN 模型可直接应用于较大电网而无需重新训练。
引用
@article{arxiv.2108.08230,
title = {Predicting Basin Stability of Power Grids using Graph Neural Networks},
author = {Christian Nauck and Michael Lindner and Konstantin Schürholt and Haoming Zhang and Paul Schultz and Jürgen Kurths and Ingrid Isenhardt and Frank Hellmann},
journal= {arXiv preprint arXiv:2108.08230},
year = {2022}
}
备注
17 pages, 25 pages including appendix, 18 pictures plus tikz pictures