Salah Ghamizi · Jun Cao · Aoxiang Ma · Pedro Rodriguez · IEEE Transactions on Power Systems · 2024年9月

高效求解配电网中的三相不平衡潮流对于电网分析和仿真至关重要。迫切需要能够处理大规模不平衡电网的可扩展算法，以提供准确、快速的解决方案。为此，深度学习技术，尤其是图神经网络（GNN）应运而生。然而，现有文献主要集中在平衡网络，在支持三相不平衡电网方面存在重大空白。本文介绍了 PowerFlowMultiNet，这是一种专门为三相不平衡电网设计的新型多图 GNN 框架。该方法在多图表示中分别对每一相进行建模，有效捕捉了不平衡电网的固有不对称性。引入了一种利用消息传递的图嵌入机制，以捕捉电力系统网络内...

解读: 该多图神经网络潮流计算技术对阳光电源配电侧产品具有重要应用价值。在PowerTitan大型储能系统并网场景中，可实时分析三相不平衡工况下的潮流分布，优化ST系列储能变流器的三相功率调度策略，提升不平衡补偿能力。对于分布式光伏集群（SG逆变器阵列），该算法可快速评估不对称故障下的系统状态，为iSola...