融合物理引导与时序图神经网络的配电系统异构缺失量测在线数据协同恢复模型

《Energy and AI》:Measurement Data Recovery for Power Distribution Systems Based on Physics-Guided Spatio-Temporal Graph Neural Network and Online Data Fusion

【字体: 大 中 小 】 时间:2026年04月25日 来源:Energy and AI 9.6

编辑推荐:

  研究人员提出了一种融合物理引导与时序图神经网络的配电系统异构缺失量测在线数据协同恢复模型(PSTG-ODF)。该方法针对配电系统中多源异质量测数据存在空间拓扑不匹配、物理耦合关系未被充分利用以及在线数据利用率不足等问题,设计了多通道图构建策略,独立对不同类型量

  
研究人员提出了一种融合物理引导与时序图神经网络的配电系统异构缺失量测在线数据协同恢复模型(PSTG-ODF)。该方法针对配电系统中多源异质量测数据存在空间拓扑不匹配、物理耦合关系未被充分利用以及在线数据利用率不足等问题,设计了多通道图构建策略,独立对不同类型量测建立加权图,并通过并行时空图神经网络架构分别建模其时空相关性。在此基础上引入基于欧姆定律(Ohm's law)与基尔霍夫定律(Kirchhoff's laws)的物理约束模块,实现不同类型量测间的相互校准与联合恢复。在模型应用阶段,研究人员设计了基于透明度掩码(transparency mask)的自适应在线数据融合机制,动态评估各测点数据可信度,将初步恢复值与在线可用量测的加权偏差作为惩罚项,结合物理规律偏离程度构建二次优化模型,进一步提升恢复精度。实验结果表明,该模型在IEEE 33节点及实际配电系统中均显著优于现有方法,能够在不同缺失时长与缺失率条件下保持较高恢复精度,并满足实时性要求。
研究背景方面,配电系统在运行过程中会由于设备故障、通信延迟等原因导致量测数据缺失,影响状态估计、故障诊断等高级应用的可靠性。现有方法在异质拓扑表示、物理耦合关系利用以及在线数据融合等方面存在局限,难以同时满足高精度、物理一致性和实时性要求。为此,研究人员开展了融合物理知识与数据驱动方法的协同恢复技术研究,旨在提升配电系统异质量测数据的恢复性能与工程适用性。
关键技术方法方面,研究人员采用多通道图构建方式,为电流、功率、电压等不同量测类型分别建立独立的加权图,并结合图卷积网络(GCN)与长短期记忆网络(LSTM)并行提取时空特征。随后引入物理引导模块,将基尔霍夫电流定律(KCL)、基尔霍夫电压定律(KVL)及欧姆定律等以优化目标形式嵌入,约束恢复结果符合电力系统物理规律。在应用阶段,研究人员基于Dempster-Shafer(D-S)证据理论计算测点可信度,构建透明度掩码,并在二次优化模型中融合在线可用量测与初步恢复值,实现自适应修正。实验数据来源于IEEE 33节点标准测试系统及中国天津实际配电馈线数据集。
研究结果方面,整体性能比较显示,PSTG-ODF在不同恢复场景下的RMSE、MAE与MAPE指标均优于DCRNN、AGCRN、STGCN、BSVT、Softwalk、SAITS、CSDI等基线方法,尤其在节点注入有功功率(PN)与无功功率(QN)的恢复中误差降低显著。缺失时长影响实验表明,随着连续缺失时长从1个时段增至12个时段,PSTG-ODF的性能优势进一步扩大,验证了其在长期数据缺失情况下的稳定性。缺失率影响实验表明,在高缺失率条件下,物理引导模块能够有效利用异质量测间的物理耦合关系维持较高的恢复精度。消融实验证实,时空联合建模与物理引导模块的引入均显著提升了恢复精度,而在线数据融合模块可进一步降低误差,尤其在测量覆盖率高或缺失率较低的场景中效果更为明显。参数敏感性实验表明,物理约束阈值λ=0.1与SLSQP最大迭代次数40可在精度与计算成本间取得较好平衡。实际应用验证中,PSTG-ODF在两个实际配电馈线系统中同样保持了优越性能。物理一致性分析结果显示,物理引导模块显著降低了恢复结果对基尔霍夫定律与欧姆定律的偏离程度。时效性分析表明,单步恢复时间约为2.59秒,满足配电系统采样周期要求,且资源占用在合理范围内。
讨论与结论方面,研究人员指出PSTG-ODF能够兼顾数据驱动的高精度与物理规律的一致性,在多种缺失场景和实际系统中均表现出良好的泛化能力。该方法可嵌入配电调度中心的数据预处理环节,为状态估计、故障诊断等应用提供高质量的量测数据支撑,对推动人工智能在能源领域的工程化应用具有重要意义。论文发表于《Energy and AI》。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号