Nov, 2023
PowerFlowNet:利用消息传递 GNNs 提高功率流近似
PowerFlowNet: Leveraging Message Passing GNNs for Improved Power Flow Approximation
Nan Lin, Stavros Orfanoudakis, Nathan Ordonez Cardenas, Juan S. Giraldo, Pedro P. Vergara
TL;DRPowerFlowNet 是一种使用图神经网络的电流流估计方法,在简单的 IEEE 14 总线系统中比传统的 Newton-Raphson 方法更快 4 倍,在法国高压网络中快 145 倍,且在性能和执行时间方面明显优于其他传统估计方法,其在实际电流流分析中表现出巨大潜力,通过深入的实验评估验证了该方法的功效、可扩展性、可解释性和架构可靠性,为电力系统分析中图神经网络的行为和潜在应用提供了深刻见解。