基于广域测量与图神经网络的电网暂态稳定在线评估系统设计.docxVIP

PAGE2

基于广域测量与图神经网络的电网暂态稳定在线评估系统设计

摘要

随着新型电力系统建设的深入推进，新能源装机占比持续提升，电力电子设备大量接入，导致系统转动惯量下降，暂态稳定特性日趋复杂。传统的离线计算或基于物理模型的在线评估方法难以满足毫秒级实时响应与高精度判别的双重需求。本课题设计并实现了一种基于广域测量系统（WAMS）相量测量单元（PMU）轨迹特征与图神经网络（GNN）的电网暂态稳定在线评估系统。系统利用PMU采集的实时电气量轨迹，通过特征工程提取关键暂态特征，构建反映电网拓扑结构的图数据模型，输入GNN进行深度推理，实现了电网暂态稳定性的快速判别与弱稳机群的精准识别。

论文首先分析了新型电力系统暂态稳定评估的紧迫性与现有技术的瓶颈，确立了毫秒级评估与D5000平台嵌入的设计目标。其次，研究了PMU数据清洗与特征提取技术，设计了基于时空特征融合的GNN评估模型，并制定了系统总体架构与功能模块划分。在详细设计阶段，重点阐述了PMU轨迹特征提取算法、GNN模型构建流程以及弱稳机群识别逻辑，并设计了与调度D5000系统的数据交互接口。系统实现部分完成了从数据预处理、模型训练到在线评估服务的全流程开发，并针对数据对齐与实时性要求提出了优化方案。测试结果表明，该系统在IEEE39节点标准测试系统上评估准确率超过98%，单次评估耗时小于50毫秒，能够有效识别暂态薄弱环节，