科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着电力系统可再生能源渗透率的逐渐提升，为应对可再生能源的间歇性特点并确保电网安全运行，对配电网进行实时、准确、高容错的状态估计至关重要。针对配电网量测装置装配水平不完备、模型驱动状态估计对高不确定性环境适应性不足的问题，基于数据采集与监视控制（SCADA）系统和相量测量单元（PMU）获得的多个时间尺度的混合量测，提出了一种基于门控图神经网络（GGNN）的高容错配电网状态估计方法，利用图卷积层和类门控循环单元提取量测时空高维特征，挖掘量测量与状态量的时空与因果关系。最后基于IEEE 33节点系统与IEEE118节点系统进行了仿真验证，结果表明，GGNN能有效拟合配电网量测量到状态量的时空映射，相比传统最小二乘法和多层感知机具有更高的精度和容错性。
- 单位
