Predicting Voltage Stability Using Graph Convolutional Networks

doi:10.1155/je/8588270

Predicting Voltage Stability Using Graph Convolutional Networks

2026-01-01

1

OA

AI

DOI：10.1155/je/8588270

原文链接

查看原文

摘要

En 中文

实时电压稳定性评估对于安全电网运行至关重要，但传统的基于仿真的方法存在高计算延迟问题。尽管机器学习提供了有前景的替代方案，但标准模型往往无法利用电网的固有拓扑和物理特性。本文通过提出一种新颖的图深度学习框架来解决这一差距，用于预测快速电压稳定指数（FVSI）。本工作的关键技术贡献有三点：（1）引入了一种新颖的物理信息图注意力网络（PI-GAT），其中注意力机制由物理线路阻抗明确引导，以增强模型的可解释性和准确性；（2）首次将FVSI预测表述为时空图学习问题，并附带包括时空GCN（TGCN）在内的架构综合基准；（3）集成了一个基于dropout的框架，为预测提供实用的实时不确定性量化。在IEEE 14节点系统上的评估表明，所提出的基于图的模型在准确性和鲁棒性方面显著优于经典基线。该框架为实时电压监测提供了一种可扩展、可解释且具有不确定性感知的解决方案。

Keyword:

fast voltage stability index (FVSI)

graph neural networks (GNNs)

machine learning in power systems

physics-informed graph attention network (PI-GAT)

temporal GCN (TGCN)

uncertainty quantification

voltage stability assessment

Predicting Voltage Stability Using Graph Convolutional Networks

摘要

AI总结

期刊

机构