同步相量恢復和預測：一種基於圖的深度學習方法

由於通信延遲，電力系統狀態的數據完整性對於現代電網運行和控制至關重要，狀態測量不能立即在控制中心獲得，從而導致時間敏感型應用程式的回應緩慢。本文提出了一種新的基於圖的深度學習方法，利用電網拓撲和現有測量結果提前恢復和預測狀態。設計了圖卷積遞歸對抗網路來處理可用資訊並提取圖形和時間數據相關性。這種方法克服了現有同步相量恢復和預測實現的缺點，以提高整體系統性能。此外，該方法還提供了一種自適應數據處理方法來處理各種規模的電網。通過算例分析，該方法具有出色的恢復和預測精度，並進行了調查，以說明其對不良通信條件、測量雜訊和系統拓撲變化的魯棒性。