基于图神经网络的变压器短路电流计算方法

TM41; 近年来,随着电力系统复杂程度日益提高,变压器运行安全已成为影响电力系统稳定运行的关键因素.目前流经变压器短路电流计算多基于电网拓扑结构及变压器等效阻抗等数据,此类方法的灵活性和实时性较低,未考虑系统实际运行方式,难以满足电力系统实时运行的要求.为此,基于图卷积神经网络,提出一种考虑潮流条件下的变压器短路电流计算方法,通过引入变压器各侧母线和区域拓扑,训练得到变压器短路电流计算模型.引入注意力机制,使模型对不同运行条件下的电网潮流动态更为敏感.经过某区域实际电网算例验证,该方法计算得到的短路电流相较于参考值误差较小,且计算误差分布集中,可基本满足实际运行中对于短路电流计算的要求....

Full description

Saved in:
Bibliographic Details
Published in全球能源互联网 Vol. 7; no. 3; pp. 303 - 311
Main Authors 邹德旭, 洪志湖, 代维菊, 黎文浩, 徐衍会, 郑乐
Format Journal Article
LanguageChinese
Published 南方电网云南电网有限责任公司电力科学研究院,云南省 昆明市 650217%南方电网科学研究院有限责任公司,广东省 广州市 510700%华北电力大学电气与电子工程学院,北京市 海淀区 100226 01.05.2024
Editorial Office of Journal of Global Energy Interconnection
Subjects
变压器
图卷积神经网络
注意力机制
短路电流
变压器
注意力机制
attention mechanism
transformer
短路电流
graph convolutional neural networks
图卷积神经网络
short-circuit current
Online AccessGet full text
ISSN2096-5125
DOI10.19705/j.cnki.issn2096-5125.2024.03.007

Cover

More Information
Summary:TM41; 近年来,随着电力系统复杂程度日益提高,变压器运行安全已成为影响电力系统稳定运行的关键因素.目前流经变压器短路电流计算多基于电网拓扑结构及变压器等效阻抗等数据,此类方法的灵活性和实时性较低,未考虑系统实际运行方式,难以满足电力系统实时运行的要求.为此,基于图卷积神经网络,提出一种考虑潮流条件下的变压器短路电流计算方法,通过引入变压器各侧母线和区域拓扑,训练得到变压器短路电流计算模型.引入注意力机制,使模型对不同运行条件下的电网潮流动态更为敏感.经过某区域实际电网算例验证,该方法计算得到的短路电流相较于参考值误差较小,且计算误差分布集中,可基本满足实际运行中对于短路电流计算的要求.
ISSN:2096-5125
DOI:10.19705/j.cnki.issn2096-5125.2024.03.007