基于图神经网络的电力系统强迫振荡态势感知研究.pdfVIP

摘要

随着互联电网规模扩大以及高比例新能源入网，系统中潜在的强迫振荡源增多，严

重威胁电力系统的安全稳定运行。对于有明确扰动源的强迫振荡事件，快速准确定位振

荡源是实现强迫振荡抑制的首要工作。快速准确预测强迫振荡在电力系统中的传播和发

展态势可以采取预防性措施，降低强迫振荡的危害。但目前的强迫振荡定位方法未能充

分利用电网拓扑信息，在一定程度上限制了定位的精度。同步相量测量单元的大量安装

和深度学习的快速发展，为电力系统振荡态势感知提供一种新的研究思路。本文首先针

对强迫振荡定位及传播预测问题提出基于时空图卷积神经网络的解决方案。然后，基于

图神经网络的参数化解释器对现有的模型进行解释。进而，提出一种基于发现不变原理

的时空图卷积神经网络的强迫振荡定位及传播预测方法。本文的主要工作如下：

（1）提出一种基于时空图卷积神经网络的强迫振荡定位及传播预测方法。首先，根

据节点特征和拓扑信息构建图数据，考虑强迫振荡传播的快速性，通过切比雪夫多项式

扩大节点感受野，提取振荡的空间特征信息。同时利用门控循环神经单元提取节点的振

荡波动时序特征，通过时空图卷积神经单元融合空间和时间特征。然后，将定位和传播

预测问题分别建模为图分类和回归问题，训练对应的模型。最终，在仿真系统中验证了

所提方法的有效性、抗噪性和泛化性。

（2）提出使用图神经网络参数化解释器解释基于时空图卷积神经网络的强迫振荡

定位及传播预测模型的方法。首先，根据电力系统邻接矩阵及母线节点特征构建图数据。

然后使用待解释模型提取图数据的节点表示信息，整合变换获得图数据中边的嵌入层。

通过多层感知机提取表征振荡空间信息的隐藏变量，对隐藏变量进行离散化，根据输入

实例及边的掩码生成采样图。然后，使用待解释的时空图卷积神经网络获取预测结果。

最终，通过反向传播获得表征传输线重要程度的掩码矩阵。算例分析表明，所提方法能

从电力系统拓扑结构的角度实现对原模型的解释。

（3）提出一种基于发现不变原理实现内在可解释性的时空图卷积神经网络的强迫

振荡定位及传播预测方法。该方法在时空图卷积神经网络的基础上添加生成基本原理的

模块，提取表征图数据的节点表示信息，并由多层感知机生成边的掩码矩阵，进而获得

传输线的重要度得分，由此划分因果子图和非因果子图。利用共享的时空图卷积神经网

络分别学习因果子图和非因果子图的空间拓扑信息及振荡波动时序特征，完成定位或预

测任务。最后，在仿真系统中验证所提方法的准确性、有效性及其可解释性。

关键词：强迫振荡，图神经网络，振荡源定位，传播预测，可解释性

Abstract

Withtheexpansionofinterconnectedgridandthehighproportionofnewenergysources

onthegrid,thepotentialsourcesofforcedoscillationsinthesystemincrease,whichseriously

threatenthesafeandstableoperationofthepowersystem.Forforcedoscillationeventswith

cleardisturbancesources,locatingquicklyandaccuratelytheoscillationsourcesistheprimary

tasktoachieveforcedoscillationsuppression.Fastandaccuratepredictionofthepropagation

anddevelopmentofforcedoscillationsinthepowersystemcantakepreventivemeasuresto

reducethedamageofforcedoscillations.However,thecurrentmethodsforlocatingforced

oscillationsdonotmakefulluseofthetopologicalinformationofthepowergrid,whichlimits

the