基于图神经网络实现电网拓扑动态稳定性评估的研究
机器学习
2026-05-06 v4 人工智能
数据分析、统计与概率
摘要
为缓解气候变化，需提高可再生能源在电力生产中的占比。由于去中心化、惯性降低以及生产波动性，可再生能源给电网的动态稳定性带来了新挑战。由于动态稳定性仿真对于大型电网而言难以处理且极其昂贵，图神经网络（GNNs）是降低电网动态稳定性分析计算开销的一种有前景的方法。作为 GNN 模型的测试平台，我们生成了关于合成电网动态稳定性的新型大型数据集，并将其作为开源资源提供给研究界。我们发现 GNN 仅从拓扑信息预测高度非线性目标时出奇地有效。首次实现了适用于实际用例的性能。此外，我们展示了这些模型准确识别电网中特定脆弱节点（即所谓的麻烦制造者）的能力。最后，我们发现基于小电网训练的 GNN 能对德克萨斯电网的大型合成模型生成准确预测，这说明了其在实际应用中的潜力。
引用
@article{arxiv.2206.06369,
title = {Toward Dynamic Stability Assessment of Power Grid Topologies using Graph Neural Networks},
author = {Christian Nauck and Michael Lindner and Konstantin Schürholt and Frank Hellmann},
journal= {arXiv preprint arXiv:2206.06369},
year = {2026}
}
备注
9 pages + appendix and references, 7 figures