Apr, 2024

用于增强抽水蓄能水电短期预测的电力和液压数据融合的图神经网络

PDF
TL;DR利用谱时图神经网络将泵储水电站的感应器数据进行融合以提高状态预测精度和通用性。
pumped-storage hydropower plantsgraph neural networksstate forecastingsensor data fusionspectral-temporal graph neural networks
发现论文，激发创造
  • 基于图神经网络的城市排水网络实时水力预测的代理模型

    基于图神经网络的代理模型提供了可解释且高效的解决方案，用于实时推理城市排水网络的水力预测问题，并通过物理引导机制将流量平衡和洪水发生约束限制在预测变量中，相较于基于神经网络的模型和基于物理模型，该代理模型在相同训练轮数后具有更好的水力预测准确性且加速了城市排水网络的实时预视。

    Apr, 2024

  • 基于深度神经网络的电力系统实时状态估计与预测

    该论文提出了一种基于深度神经网络的实时电力系统监控、状态估计和预测方法，该方法在 IEEE 118 总线基准系统上的实验表明，相较于现有的 PSSE 求解器，该方法的性能提高了接近一个数量级。

    Nov, 2018

  • 水力平衡预测中的图神经网络

    将基于物理的建模和图神经网络（GNN）进行结合，提出一种新的数据生成方法和训练策略，以解决压力估计问题，并在荷兰的大规模供水管网中获得显著的性能提升。

    Nov, 2023

  • 基于图神经网络的潮流模型

    本论文研究了使用图神经网络方法对历史电力系统数据进行训练，以预测电量流计算结果。通过在测试系统上的结果表明，使用所提出的图神经网络电量流模型可以比传统的直流（DC）功量流方法和深度神经网络（DNN）模型以及卷积神经网络（CNN）模型得到更准确有效的数据处理方案。

    Jul, 2023

  • 演化网络拓扑下的电网运行风险评估的图神经网络

    该研究探讨了图神经网络在没有明确的高分辨率信息（发电机状态、电网拓扑和电力调度决策）的情况下，能否识别未来几个小时内电网的风险状况。研究发现，基于图神经网络的可靠性和风险评估具有快速而准确的预测能力。

    May, 2024

  • 电力系统状态估计中图神经网络的可扩展性和样本效率分析

    本论文针对基于图神经网络应用于因子图的相量测量装置的状态估计器进行了全面评估，通过多种训练集大小的实验及不同规模的电力系统进行实验，结果表明该算法在提高系统行为分析效率方面具有高精度、高效率、低内存占用和低推断时间的特点。

    Feb, 2023

  • 物理信息图神经网络在水配供系统中的应用

    提出一种基于物理学知识的深度学习机器学习模型，应用于水力状态估计，通过少量图卷积神经网络层和基于消息传递的创新算法，模拟流行的水力模拟器 EPANET，具有较快的运行速度和高准确性。

    Mar, 2024

  • 利用图神经网络实现电力网拓扑动态稳定性评估

    为了应对气候变化，需要提高可再生能源在电力生产中的份额。在分散化、惯性减小和生产波动性等方面，可再生能源为电力网络引入了新的挑战。本研究利用图神经网络以分析电力网动态稳定性的计算工作量，发现其在仅基于拓扑信息的情况下预测非线性目标非常有效。此外，应用所提出的方法，还能准确识别出电力网的易受攻击的节点。最后，发现在小型电力网上训练的 GNN 在对得克萨斯电力网的大型模型进行预测时，也具有准确性和实用性。

    Jun, 2022

  • 基于图神经网络的电力故障级联预测

    通过基于图神经网络的无流模型，我们能够预测由分支故障引起的电力故障级联，评估模型并与其他影响模型进行比较，结果表明该模型优于其他模型，并且降低计算时间近两个数量级。

    Apr, 2024

  • 物理引导的图神经网络用于实时的交直流功率流分析

    本文提出了一种基于物理引导的图神经网络来对交流 / 直流混合系统进行更快速的电力流分析，并取得了比传统基于模型的基准更高的计算效率。

    Apr, 2023