利用图神经网络进行电力系统状态估计
机器学习
2023-02-02 v2 信息论
系统与控制
系统与控制
math.IT
摘要
状态估计（SE）算法的目标是基于电力系统中可用的一组量测来估计作为状态变量的复母线电压。由于相量测量单元（PMUs）正日益用于输电电力系统，亟需一种能够快速利用PMUs高采样率的SE求解器。本文提出训练一个图神经网络（GNN），以PMU电压和电流量测作为输入来学习估计值，以期在评估阶段获得快速且准确的预测。GNN使用合成数据集训练，这些数据集通过在电力系统中随机采样量测集合并用以PMUs为输入的线性SE求解器所得解作为标签来创建。所呈现的结果展示了GNN在各测试场景中的预测精度，并探讨了预测对缺失输入数据的敏感性。
引用
@article{arxiv.2201.04056,
title = {State Estimation in Electric Power Systems Leveraging Graph Neural Networks},
author = {Ognjen Kundacina and Mirsad Cosovic and Dejan Vukobratovic},
journal= {arXiv preprint arXiv:2201.04056},
year = {2023}
}
备注
6 pages, 6 figures, conference paper