Tania B. Lopez-Garcia · José Antonio Domínguez-Navarro · IEEE Transactions on Power Systems · 2024年4月

本研究介绍了一种应用类型化图神经网络解决最优潮流问题的新方法。与传统前馈神经网络模型得到的结果相比，类型化图神经网络允许用不同类型的节点表示输电系统的不同元件，从而提高了所得解决方案的准确性和可解释性。所提出的图神经网络架构无需训练数据，而是通过一个融入物理信息的损失函数进行训练，该损失函数不仅包含优化目标，还包含物理系统的运行约束。所得结果与内点法得到的结果相当，并且计算时间大幅缩短。

解读: 该物理信息引导的图神经网络技术对阳光电源的储能与光伏产品线具有重要应用价值。首先,可应用于ST系列储能变流器和PowerTitan系统的功率优化调度,提升大规模储能电站的运行效率。其次,该方法能优化SG系列光伏逆变器的MPPT控制策略,特别是在复杂拓扑的光伏电站中实现更快速的功率追踪。通过融合电网物...