一种面向实时最优潮流的KKT条件学习图神经网络构建方法

本发明涉及电力系统技术领域，具体公开了一种面向实时最优潮流的KKT条件学习图神经网络构建方法，包括建立ACOPF模型及其约束条件；通过非线性规划方法对ACOPF模型求解，首先将ACOPF模型的不等式约束转化为等式约束，通过在拉格朗日函数上应用KKT条件来解决对偶问题；首先建立PG‑GNN模型，将KKT条件作为目标，引入梯度下降算法来训练一个GNN，PG‑GNN模型学习近似ACOPF的解，通过使用KKT条件作为损失函数，PG‑GNN模型学习遵循电力系统物理规律的模式；然后采用大量的历史拓扑实例和N‑1事故情况来建立训练数据集；通过训练数据集来对PG‑GNN模型进行训练。本发明的优点是避免了对ACOPF数据进行耗时的标记，使得GNN可以在没有标签的情况下学习并应用于实际问题，同时减少了人工标记数据的工作量。