使用时变图RNN进行实时 risky 故障链搜索
机器学习
2025-03-14 v1 系统与控制
信号处理
系统与控制
摘要
本文提出了一种数据驱动的图形框架，用于在电网中实时搜索 risky 级联故障链（FCs），对提升电网在气候变化面前的韧性至关重要。随着气候变化驱动的极端天气事件增多，识别 risky FCs 对缓解级联故障和确保电网稳定变得尤为重要。然而，电网组件之间时空依赖关系的复杂性以及系统规模增长带来的搜索空间指数级膨胀，对建模和 risky FC 搜索构成了重大挑战。为解决这一问题，我们将搜索过程建模为部分可观测马尔可夫决策过程（POMDP），随后通过时变图循环神经网络（GRNN）求解。该方法捕捉了系统拓扑和动力学所诱导的时空结构，同时高效地在GRNN的潜在空间中总结系统历史，从而实现对 risky FCs 的可扩展且有效的识别。
引用
@article{arxiv.2503.09775,
title = {Real-Time Risky Fault-Chain Search using Time-Varying Graph RNNs},
author = {Anmol Dwivedi and Ali Tajer},
journal= {arXiv preprint arXiv:2503.09775},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2303.08864