典型文献
基于谱图论和图卷积神经网络的直流电网节点电压估计研究
文献摘要：
深度学习在电力系统领域应用已非常广泛,潮流计算是电力系统重要的基础性任务之一,传统算法依赖于迭代求解,不适用于快速估计场合.直流电网的潮流求解实质上是节点电压求解问题,为此,提出了一种基于谱图论和图卷积神经网络(graph convolution neural network,GCN)的直流电网电压估计模型.通过网络拓扑拉普拉斯矩阵的特征向量实现时域直流电网到谱域直流电网的空间正交变换,从而完成时域电气量信息与网络结构信息之间的数据融合,并配合图卷积网络实现对数据特征的有效提取,进而完成从初始谱域电气量到稳态时域电气量之间的映射.仿真结果表明,所提模型能够较好地实现从初始电气量到稳态节点电压的映射,具有较高的电压估计准确度.
文献关键词：
谱图论;图卷积神经网络;直流电网;电压估计;拉普拉斯矩阵
中图分类号：
作者姓名：
王渝红;沈靖;曾琦;傅云涛;叶葳
作者机构：
四川大学电气工程学院,四川省成都市 610065;国网四川省电力公司技能培训中心,四川省成都市 610031
文献出处：
引用格式：
[1]王渝红;沈靖;曾琦;傅云涛;叶葳-.基于谱图论和图卷积神经网络的直流电网节点电压估计研究)[J].电网技术,2022(02):521-531,中插9
A类：
谱图论
B类：
图卷积神经网络,直流电网,节点电压,电压估计,电力系统,已非,潮流计算,算是,传统算法,算法依赖,迭代求解,graph,convolution,neural,network,GCN,电网电压,网络拓扑,拉普拉斯矩阵,特征向量,谱域,空间正交,正交变换,电气量,结构信息,数据融合,图卷积网络,数据特征,有效提取
AB值：
0.237114
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
