基于图神经网络的区域电网拓扑辨识与N-1越限快速扫描设计.docxVIP

PAGE2

基于图神经网络的区域电网拓扑辨识与N-1越限快速扫描设计

摘要

随着新能源大规模接入与主动配电网的快速发展，区域电网运行方式日趋复杂，拓扑结构频繁变动使得传统的基于物理机理的潮流计算在实时安全校核中面临计算耗时过长、响应速度不足的严峻挑战。为此，本课题设计并实现了一种基于图神经网络的区域电网拓扑辨识与N-1越限快速扫描系统。该系统将电网物理模型抽象为图结构数据，利用图神经网络强大的拓扑特征提取能力，直接推理接线方式变化后的潮流分布，从而大幅加速安全校核进程。

本文首先分析了当前电网安全校核的痛点，确立了以数据驱动替代部分物理迭代计算的总体设计思路。其次，深入研究了图卷积网络（GCN）与图注意力网络（GAT）的适用性，完成了技术选型与系统架构设计。在需求分析阶段，明确了系统需具备拓扑自动构建、潮流快速推演、N-1故障扫描及越限预警等核心功能。在详细设计与实现阶段，构建了“节点-边”特征工程，设计了多任务损失函数以平衡电压与功率预测精度，并开发了基于Python的仿真验证平台。

测试结果表明，本设计在保证较高潮流预测精度的前提下，单次N-1扫描耗时较传统牛顿-拉夫逊法降低了两个数量级，有效解决了实时调度中安全校核滞后的问题。本课题的创新之处在于提出了一种融合拓扑结构特征与物理约束的GNN潮流计算模型，为智能电网背景下的在线安全评估提供了一种高效的技术方案。

第一章绪