基于图神经网络的非局部级联失效预测与缓解
物理与社会
2023-10-03 v1
摘要
电网中的级联失效（CFs）以非局部方式传播；在局部扰动之后，第二次失效可能发生在远处。为了研究非局部级联失效的雪崩动力学与缓解策略，数值模拟是必要的；然而其计算复杂度很高。在此，我们首先基于 Motter 和 Lai 模型提出每个节点的雪崩中心性（AC），一种与雪崩规模相关的度量。其次，我们利用小网络中的 AC 训练图神经网络（GNN）。接着，训练好的 GNN 预测更大规模网络及真实电网中的 AC 排序。该结果可有效用于雪崩缓解。我们开发的框架可应用于其他在大规模网络中模拟计算代价高昂的复杂过程。
引用
@article{arxiv.2208.00133,
title = {Prediction and mitigation of nonlocal cascading failures using graph neural networks},
author = {Bukyoung Jhun and Hoyun Choi and Yongsun Lee and Jongshin Lee and Cook Hyun Kim and B. Kahng},
journal= {arXiv preprint arXiv:2208.00133},
year = {2023}
}