基于残差时空图神经网络的电力系统暂态稳定评估

针对传统数据驱动方法在用于电力系统暂态稳定评估时,由于未考虑到系统的时空变化特性而导致泛化能力不强的问题,提出了一种引入注意力机制的残差时空图神经网络方法。将电力系统的网络拓扑结构与电力系统量测数据相结合,引入时间注意力和空间注意力机制,从而提高了模型的泛化能力。为了解决训练过程中存在的梯度消失问题,引入残差结构,同时加快了训练速度。以10机39节点系统为算例进行仿真验证,结果表明,该模型能在部分节点未配置同步相量测量单元的情况下获得较好的评估结果;通过适当选取故障时刻采样数据,可以进一步提高模型的评估性能。