Transient Stability Assessment of Power Systems Based on Multi-scale Graph Attention Network

FU Taiguoyi; DU Youtian; LYU Hao; LI Zonghan; LIU Jun

doi:10.7500/AEPS20240318003

您当前的位置：

首页 >

文章列表页 >

Transient Stability Assessment of Power Systems Based on Multi-scale Graph Attention Network

Basic Research | 更新时间：2025-06-16

- Transient Stability Assessment of Power Systems Based on Multi-scale Graph Attention Network
- Automation of Electric Power Systems Vol. 49, Issue 3, Pages: 60-70(2025)
- 作者机构：
  
  1.西安交通大学自动化科学与工程学院，陕西省西安市 710049
  2.电网安全全国重点实验室（中国电力科学研究院有限公司），北京市 100192
  3.西安交通大学电气工程学院，陕西省西安市 710049
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2021YFB2400800)
- DOI：10.7500/AEPS20240318003
  CLC：
- Received：18 March 2024，
  
  Revised：2024-10-16，
  
  Published Online：10 December 2024，
  
  Published：10 February 2025
- 稿件说明：
移动端阅览
傅太国屹,杜友田,吕昊等.基于多尺度图注意力网络的电力系统暂态稳定评估[J].电力系统自动化,2025,49(3):60-70.

FU Taiguoyi,DU Youtian,LYU Hao,et al.Transient Stability Assessment of Power Systems Based on Multi-scale Graph Attention Network[J].Automation of Electric Power Systems,2025,49(3):60-70.
傅太国屹,杜友田,吕昊等.基于多尺度图注意力网络的电力系统暂态稳定评估[J].电力系统自动化,2025,49(3):60-70. DOI： 10.7500/AEPS20240318003.

FU Taiguoyi,DU Youtian,LYU Hao,et al.Transient Stability Assessment of Power Systems Based on Multi-scale Graph Attention Network[J].Automation of Electric Power Systems,2025,49(3):60-70. DOI： 10.7500/AEPS20240318003.

摘要

已有基于图深度学习的暂态稳定评估方法考虑了电网的拓扑结构特征，但对电网拓扑结构图中多尺度子图间的信息传递特性没有进行有效建模，导

致判稳模型对电网局部与全局动态耦合关系的捕捉不足，降低了模型在复杂扰动下的判稳精度。因此，提出了一种融合多尺度子图信息传递过程的功角暂态稳定评估方法。首先，提出并构建了一种

阶图注意力网络，以不同尺度的电网拓扑子图作为图深度学习中特征提取的基本单元。然后，通过注意力机制为特征聚合分配自适应权重，以挖掘实际电网中不同细粒度区域之间的特性。最后，通过CEPRI-TAS-173系统验证了所提方法的可行性和有效性。

Abstract

Existing transient stability assessment methods based on graph deep learning consider the topological structure characteristics of power grids. However

the information transmission characteristics among multi-scale subgraphs in the topological structure of power grids are not effectively modeled

resulting in the insufficient capturing of the local and global dynamic coupling relationship of power grids by the stability judgment model

which reduces the stability judgment accuracy of the model under complex perturbations. Therefore

an assessment method for power angle transient stability integrating the information transmission process of multi-scale subgraphs is proposed. Firstly

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=73121005&type=

2.37066650

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=73121007&type=

1.43933344

-dimensional graph attention network is proposed and constructed

which regards the different-scale power grid topology subgraphs as the basic unit for feature extraction in graph deep learning. Then

adaptive weights are assigned to the feature aggregation through the attention mechanism to mine the characteristics between different fine-grained regions in the actual power grid. Finally

the feasibility and effectiveness of the proposed method are verified through the CEPRI-TAS-173 system.

关键词

Keywords

references

刘俊，孙惠文，吴柳，等 . 电力系统暂态稳定性评估综述［J］. 智慧电力， 2019 ， 47 （ 12 ）： 44 - 53 .

LIU Jun ， SUN Huiwen ， WU Liu ， et al . Overview of transient stability assessment of power systems ［J］. Smart Power ， 2019 ， 47 （ 12 ）： 44 - 53 .

杨珺，侯俊浩，刘亚威，等 . 分布式协同控制方法及在电力系统中的应用综述［J］. 电工技术学报， 2021 ， 36 （ 19 ）： 4035 - 4049 .

YANG Jun ， HOU Junhao ， LIU Yawei ， et al . Distributed cooperative control method and application in power system ［J］. Transactions of China Electrotechnical Society ， 2021 ， 36 （ 19 ）： 4035 - 4049 .

王伟胜，林伟芳，何国庆，等 . 美国得州2021年大停电事故对我国新能源发展的启示［J］. 中国电机工程学报， 2021 ， 41 （ 12 ）： 4033 - 4043 .

WANG Weisheng ， LIN Weifang ， HE Guoqing ， et al . Enlightenment of 2021 Texas blackout to the renewable energy development in China ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 12 ）： 4033 - 4043 .

罗深增，李银红，石东源 . 广域测量系统可观性概率评估及其在PMU优化配置中的应用［J］. 电工技术学报， 2018 ， 33 （ 8 ）： 1844 - 1853 .

LUO Shenzeng ， LI Yinhong ， SHI Dongyuan . Wide area monitoring system observability probabilistic evaluation and it’s application in optimal PMU placement ［J］. Transactions of China Electrotechnical Society ， 2018 ， 33 （ 8 ）： 1844 - 1853 .

谢彦祥，肖汉，李嘉逸，等 . 电力系统暂态稳定评估方法研究现状及展望［J］. 电工电气， 2020 （ 11 ）： 1 - 9 .

XIE Yanxiang ， XIAO Han ， LI Jiayi ， et al . Research status and prospect of transient stability assessment methods of power system ［J］. Electrotechnics Electric ， 2020 （ 11 ）： 1 - 9 .

李雨婷，刘俊，刘嘉诚，等 . 基于去噪扩散概率模型不平衡样本增强的暂态稳定评估［J］. 电力系统自动化， 2024 ， 48 （ 21 ）： 148 - 157 .

LI Yuting ， LIU Jun ， LIU Jiacheng ， et al . Transient stability assessment based on imbalanced sample enhancement of denoising diffusion probabilistic model ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 21 ）： 148 - 157 .

陈厚合，王长江，姜涛，等 . 基于投影能量函数和Pin-SVM的电力系统暂态稳定评估［J］. 电工技术学报， 2017 ， 32 （ 11 ）： 67 - 76 .

CHEN Houhe ， WANG Changjiang ， JIANG Tao ， et al . Transient stability assessment in bulk power grid using projection energy function and support vector machine with pinball loss ［J］. Transactions of China Electrotechnical Society ， 2017 ， 32 （ 11 ）： 67 - 76 .

GOMEZ F R ， RAJAPAKSE A D ， ANNAKKAGE U D ， et al . Support vector machine-based algorithm for post-fault transient stability status prediction using synchronized measurements ［J］. IEEE Transactions on Power Systems ， 2011 ， 26 （ 3 ）： 1474 - 1483 .

李兵洋，肖健梅，王锡淮 . 融合邻域粗糙约简与深度森林的电力系统暂态稳定评估［J］. 电工技术学报， 2020 ， 35 （ 15 ）： 3245 - 3257 .

LI Bingyang ， XIAO Jianmei ， WANG Xihuai . Power system transient stability assessment based on hybrid neighborhood rough reduction and deep forest ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 15 ）： 3245 - 3257 .

甄永赞，阮程 . 基于代价敏感支持向量机和多变量决策树的分级自适应暂态电压稳定评估［J］. 电网技术， 2024 ， 48 （ 2 ）： 778 - 791 .

ZHEN Yongzan ， RUAN Cheng . Hierarchical self-adaptation transient voltage stability assessment based on cost-sensitive SVM and multivariate decision tree ［J］. Power System Technology ， 2024 ， 48 （ 2 ）： 778 - 791 .

KARAMI A . Power system transient stability margin estimation using neural networks ［J］. International Journal of Electrical Power & Energy Systems ， 2011 ， 33 （ 4 ）： 983 - 991 .

HASHIESH F ， MOSTAFA H E ， KHATIB A R ， et al . An intelligent wide area synchrophasor based system for predicting and mitigating transient instabilities ［J］. IEEE Transactions on Smart Grid ， 2012 ， 3 （ 2 ）： 645 - 652 .

高昆仑，杨帅，刘思言，等 . 基于一维卷积神经网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2019 ， 43 （ 12 ）： 18 - 26 .

GAO Kunlun ， YANG Shuai ， LIU Siyan ， et al . Transient stability assessment for power system based on one-dimensional convolutional neural network ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 12 ）： 18 - 26 .

赵恺，石立宝 . 基于改进一维卷积神经网络的电力系统暂态稳定评估［J］. 电网技术， 2021 ， 45 （ 8 ）： 2945 - 2957 .

ZHAO Kai ， SHI Libao . Transient stability assessment of power system based on improved one-dimensional convolutional neural network ［J］. Power System Technology ， 2021 ， 45 （ 8 ）： 2945 - 2957 .

ZHU L P ， HILL D J ， LU C . Hierarchical deep learning machine for power system online transient stability prediction ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 3 ）： 2399 - 2411 .

YAN R ， GENG G C ， JIANG Q Y ， et al . Fast transient stability batch assessment using cascaded convolutional neural networks ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 4 ）： 2802 - 2813 .

孙黎霞，白景涛，周照宇，等 . 基于双向长短期记忆网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2020 ， 44 （ 13 ）： 64 - 72 .

SUN Lixia ， BAI Jingtao ， ZHOU Zhaoyu ， et al . Transient stability assessment of power system based on bi-directional long-short-term memory network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 13 ）： 64 - 72 .

王铮澄，周艳真，郭庆来，等 . 考虑电力系统拓扑变化的消息传递图神经网络暂态稳定评估［J］. 中国电机工程学报， 2021 ， 41 （ 7 ）： 2341 - 2350 .

WANG Zhengcheng ， ZHOU Yanzhen ， GUO Qinglai ， et al . Transient stability assessment of power system considering topological change： a message passing neural network-based approach ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 7 ）： 2341 - 2350 .

钟智，管霖，苏寅生，等 . 基于图注意力深度网络的电力系统暂态稳定评估［J］. 电网技术， 2021 ， 45 （ 6 ）： 2122 - 2130 .

ZHONG Zhi ， GUAN Lin ， SU Yinsheng ， et al . Power system transient stability assessment based on graph attention deep network ［J］. Power System Technology ， 2021 ， 45 （ 6 ）： 2122 - 2130 .

张亮，安军，周毅博 . 基于时间卷积和图注意力网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2023 ， 47 （ 7 ）： 114 - 122 .

ZHANG Liang ， AN Jun ， ZHOU Yibo . Transient stability assessment of power system based on temporal convolution and graph attention network ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 7 ）： 114 - 122 .

黄天恩，孙宏斌，郭庆来，等 . 基于电网运行大数据的在线分布式安全特征选择［J］. 电力系统自动化， 2016 ， 40 （ 4 ）： 32 - 40 .

HUANG Tian’en ， SUN Hongbin ， GUO Qinglai ， et al . Online distributed security feature selection based on big data in power system operation ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 4 ）： 32 - 40 .

YING R ， YOU J ， MORRIS C ， et al . Hierarchical graph representation learning with differentiable pooling ［J］. Advances in Neural Information Processing Systems ， 2018 ， 31 ： 4805 - 4815 ．

MORRIS C ， RITZERT M ， FEY M ， et al . Weisfeiler and Lehman go neural： higher-order graph neural networks ［J］. Proceedings of the AAAI Conference on Artificial Intelligence ， 2019 ， 33 （ 1 ）： 4602 - 4609 .

SHERVASHIDZE N ， SCHWEITZER P ， VAN LEEUWEN E J ， et al . Weisfeiler-Lehman graph kernels ［J］. The Journal of Machine Learning Research ， 2011 ， 12 ： 2539 - 2561 ．

VELIČKOVIĆ P ， CUCURULL G ， CASANOVA A ， et al . Graph attention networks ［EB/OL］. ［ 2024-01-01 ］. https：//arxiv.org/abs/1710.10903v3 https://arxiv.org/abs/1710.10903v3 .

CLEVERT D A ， UNTERTHINER T ， HOCHREITER S . Fast and accurate deep network learning by exponential linear units ［EB/OL］. ［ 2024-01-01 ］. https：//doi.org/10.48550/arX iv.1511.07289 https://doi.org/10.48550/arXiv.1511.07289 .

LIN T Y ， GOYAL P ， GIRSHICK R ， et al . Focal loss for dense object detection ［C］// 2017 IEEE International Conference on Computer Vision （ICCV）， October 22-29 ， 2017 ， Venice， Italy ： 2999 - 3007 .

KIPF T N ， WELLING M . Semi-supervised classification with graph convolutional networks ［EB/OL］. ［ 2024-01-01 ］. https：//arxiv.org/abs/1609.02907v4 https://arxiv.org/abs/1609.02907v4 .

HAMILTON W ， YING Z ， LESKOVEC J . Inductive representation learning on large graphs ［EB/OL］. ［ 2024-01-01 ］. https：//doi.org/10.48550/arXiv.1706.02216 https://doi.org/10.48550/arXiv.1706.02216 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Multi-task Transient Stability Assessment Based on Feature-level Fusion of Heterogeneous Data

Adaptive Assessment of Power System Transient Stability Based on Active Transfer Learning

Transient Stability Assessment of Power System Based on Bi-directional Gated Recurrent Unit

Transient Stability Assessment of Power System Based on Bi-directional Long-short-term Memory Network

Related Author

LIU Jun

QIAN Beiqi

CHEN Qian

ZHANG Zhengwei

LIU Mingyang

WANG Suying

NIU Yinghao

LI Baoqin

Related Institution

School of Electrical Engineering, Xi'’an Jiaotong University

College of Energy and Electrical Engineering, Hohai University

Electric Power Research Institute of State Grid Henan Electric Power Company

School of Electrical Engineering, Beijing Jiaotong University

School of Electrical Engineering and Automation, Wuhan University

⁰