一种基于稀疏Sobolev图神经网络的分布式新能源源-荷协同优化方法

本发明涉及一种基于稀疏Sobolev图神经网络的分布式新能源源‑荷协同优化方法，首先，构建融合物理连接、地理邻近与行为相似性的多源异构图结构，将电力系统抽象为动态图表示，为图神经网络建模奠定基础。其次，引入稀疏Sobolev图神经网络(S2‑GNN)，结合高阶图滤波器与多分支卷积结构，能够在保持图结构稀疏的前提下提取源荷节点之间的多阶拓扑语义关系，实现对时序行为与远距离依赖的深度建模。构建基于协同势函数的源荷匹配评分机制，并引入多目标灰狼优化算法，联合考虑调节效率与成本约束，优化源荷响应策略，缓解新能源波动对系统运行的影响。设计了结构扰动建模与节点嵌入稳定性监测机制，结合增量式模型更新策略，实现模型的在线自适应演化。