arXiv · AI· Carmine Delle Femine, Leire Garin Atxaga, Asier Diaz-Iglesias, Juan Pablo Maroto Herrera, Ane Miren Florez-Tapia, Marco Quartulli, Izaro Goienetxea Urkizu·· 1 天前AI 评分20
分层图神经网络用于潮流计算:让物理结构塑造层级
Hierarchical GNNs for power flow: letting physics shape the hierarchy
AI 导读
分层潜空间通信模块通过两组缩减图交换信息,提升了潮流模型在跨电网新运行场景下的泛化能力。 Kron 架构在 3 个拓扑下的宏族平衡电压误差为 0.851±0.110,比逐母线均值参考低 51.3%,且优于 Quotient(1.235±0.225)31.0%。 该模型在 100 倍少于 GENCO 参考训练的更新次数下共享参数;目前尚未在未训练拓扑上超越参考,外推至新拓扑是后续目标。
来源:arXiv · AI · arxiv.org