摘要
分布式光伏（PV）发电与电动汽车（EV）的大规模接入增加了配电网源荷条件的不确定性，使系统运行更加复杂。传统的基于迭代求解和日前预测的优化方法可能无法满足主动配电网的实时运行需求。因此，本文针对包含新兴源荷资源的配电网，提出了一种基于多时间尺度图注意力网络（GAT）的在线优化控制方法。首先，利用光伏发电模型和电动汽车充放电负荷模型生成随机时变源荷场景。其次，离线求解无功优化模型，构建考虑调控装置不同动态响应特性的控制决策数据集。随后，训练GAT学习从配电网运行状态到控制决策的非线性映射关系，构建多时间尺度在线决策模型。其中，长时间尺度模型负责调控离散型装置，短时间尺度模型负责调控连续型装置。以IEEE 33节点系统为例进行算例验证，GAT的平均推理时间为0.0703秒，而粒子群优化算法（PSO）为83.7667秒。小时级模型的MAE/RMSE分别为0.0398/0.0407，15分钟级模型的MAE/RMSE分别为0.0374/0.0397；优化后所有节点电压均维持在0.95～1.05 p.u.之间。该模型在所测试的运行分布条件下得到了验证，其更广泛的鲁棒性和现场适用性仍需进一步验证。
