基于图卷积神经网络的电网节点电压稳定性在线评估方法.docxVIP

PAGE2

基于图卷积神经网络的电网节点电压稳定性在线评估方法

摘要

随着电力系统规模扩大和新能源渗透率提升，电网运行方式愈发复杂多变，电压稳定性问题日益突出。传统基于模型驱动的评估方法依赖精确网络参数和完整量测，计算量大、实时性差，难以满足在线评估需求。本文设计并实现了一种基于图卷积神经网络（GCN）的电网节点电压稳定性在线评估系统。该系统将电网拓扑抽象为图数据结构，以节点为图顶点、线路为边，利用少量PMU或SCADA量测数据作为节点特征，通过多层GCN提取节点间的空间耦合特征，直接输出各节点的电压稳定裕度指标。系统采用B/S架构，包含数据接入、图构建、GCN推理、可视化展示等模块，仅需约20%关键节点量测即可实现全网裕度预测，推理时间小于100毫秒。论文遵循工程化设计流程，完成了需求分析、总体设计、详细设计、Python实现与功能测试，并通过IEEE39节点标准算例验证了系统的有效性。测试表明，系统在50%量测缺失下预测精度仍达95%以上，显著提升了在线评估的鲁棒性与实时性，为调度人员提供辅助决策支持。

第一章绪论

1.1研究背景

现代电力系统是规模最大、结构最复杂的人造动态系统之一。随着“双碳”目标推进，风电、光伏等间歇性能源大规模并网，电网潮流分布的不确定性显著增强。

电压稳定问题已成为诱发大停电事故的主要风险之一。2003年美加大停电、2012年印度大停电等事