摘要：针对高比例分布式光伏配电网调控和运行方式的复杂性而采用传统方法难以辨识其脆弱性的问题，提出一种基于边缘特征图注意力神经网络(Edge-Feature Graph Attention Network， EGAT)进行状态估计、进一步结合越限指标以识别配电网脆弱性的方法。首先，将配电网母线作为图网络节点，母线间的传输线路视为边，根据节点和线路的关系矩阵构建配电网拓扑结构数据集；其次，将每条传输线路的功率和其连接的母线电压组成边缘特征矩阵。随后，利用EGAT层对特征提取学习，其中每个母线和传输线路被赋予一个注意力权重。然后，针对光伏配电网不同的运行场景，训练EGAT模型并整合加入迁移学习。最后，通过构建节点脆弱性指标和线路脆弱性指标，全面评估在不同场景下的配电网脆弱性情况。通过算例测试显示，该方法能有效应对高比例分布式光伏接入配电网时的脆弱性辨识挑战，准确识别高比例分布式光伏配电网中光伏出力不同以及拓扑结构变化而产生的脆弱节点和线路。
文章目录
引言
1边缘特征图注意力神经网络
1.1 节点电压注意力模块
1.2边缘功率注意力模块
1.3EGAT架构
1.4 迁移学习
2脆弱性评价指标
2.1节点电压脆弱性指标
2.2线路功率脆弱性指标
3算例分析
3.1实验数据及参数
3.2 模型仿真
4 结论
