基于图卷积网络的电力系统暂态稳定评估与关键节点识别方法.docxVIP

PAGE2

基于图卷积网络的电力系统暂态稳定评估与关键节点识别方法

摘要

随着新能源大规模接入，现代电力系统拓扑结构日益复杂，暂态稳定评估的实时性与准确性面临严峻挑战。传统时域仿真耗时过长，而常规机器学习方法难以有效捕捉电网的拓扑关联特征。本课题旨在设计一种基于图卷积网络（GCN）的暂态稳定评估与关键节点识别系统，将电网映射为图数据，利用GCN提取节点间动态关联，实现稳定裕度的快速评估与薄弱节点的精准定位。

全文按照需求分析、总体设计、详细设计、系统实现与测试的工程递进思路展开。首先，分析了电网在线评估的痛点与系统需求；其次，构建了数据层、模型层与应用层的总体架构，并完成图数据存储与模块交互设计；接着，详细设计了电网图构建、GCN推理及关键节点识别等核心算法流程；最后，基于PyTorch与DGL框架完成系统编码，并通过IEEE标准系统进行功能与性能验证。本设计的核心创新在于将拓扑结构与动态状态融合入图卷积特征传播机制，并引入梯度加权类激活映射定位关键节点，为电网安全预警提供了高效的新范式。

第一章绪论

1.1研究背景

现代电力系统正向高比例可再生能源与高比例电力电子设备的双高方向演进，系统运行形态发生深刻变革。风电与光伏的强随机性及逆变器弱抗扰性，使得电网故障后的暂态响应更为复杂，暂态失稳风险显著增加。在此背景下，调度中心需在毫秒级时间窗口内完成稳定评估与控制决策，以防范