基于图神经网络的实时小信号安全评估
系统与控制
2024-06-06 v1 系统与控制
摘要
安全评估是电力系统运营商最关键的功能之一。然而，日益增长的复杂性和不可预测性使这项任务变得越来越复杂且计算困难。近期，机器学习方法因其处理复杂建模应用的能力而受到关注。一些方法包括使用卷积神经网络、决策树等深度学习。尽管这些方法生成了有前景的结果，但大多数方法仍需要长时间的训练和计算资源。本文提出了一种图神经网络（GNN）方法，用于来自相位测量单元（PMU）的数据进行小信号安全评估。利用电网固有的图结构，GNN可减少训练时间并提高实时应用的效率。此外，利用图属性，可确定最佳PMU布置，该方法在PMU数据有限的情况下表现出有效性。针对IEEE 68-bus系统和NPCC 140-bus系统的仿真数据用于验证所提方法的有效性。
引用
@article{arxiv.2406.02964,
title = {Real-Time Small-Signal Security Assessment Using Graph Neural Networks},
author = {Glory Justin and Santiago Paternain},
journal= {arXiv preprint arXiv:2406.02964},
year = {2024}
}
备注
10 pages