摘要
本发明属于电力系统级联故障预测领域,涉及基于物理信息引导的图神经网络电网级联故障预测方法,包括:获取级联故障的运行数据,将级联故障的运行数据输入训练好的电网级联故障预测模型,得到预测结果;电网级联故障预测模型包括:共嵌入图神经网络和结构编码模块;本发明利用基于考虑电网线路属性的多步随机游走矩阵和节点度数表征的结构编码进行数据增强,提高了捕获拓扑信息的能力;本发明利用共嵌入图神经网络促进电网节点和电网线路的交互,提高了电网级联故障预测的准确性;本发明通过电网的功率传输分布因子改变共嵌入图神经网络的节点‑边交互聚合函数,提升了对实际电网复杂交互关系的描述能力,提高了对电网级联故障预测的准确性。
技术关键词
级联故障
线路特征
结构编码特征
节点特征
编码模块
矩阵
邻居
物理
数据
更新模型参数
元素
电力系统
因子
功率
变量
标签
系统为您推荐了相关专利信息
状态空间模型
网络
编解码结构
编解码器
遥感图像数据
识别方法
校准
眼球运动轨迹
空间分布特征
融合特征
运动数据实时采集
深度强化学习模型
运动模式识别
运动状态分析
智能信息处理
节点特征
异构
多头注意力机制
学习方法
柔性作业车间调度