Multi-scale Topology-aware Graph Neural Network Method for Distribution Line Parameter Identification

CHEN Chun; CHEN Yuxiang; CAO Yijia; HAN Ziang; SUN Chongbo; AN Yi

doi:10.7500/AEPS20250924002

您当前的位置：

首页 >

文章列表页 >

Multi-scale Topology-aware Graph Neural Network Method for Distribution Line Parameter Identification

Basic Research | 更新时间：2026-08-21

- Multi-scale Topology-aware Graph Neural Network Method for Distribution Line Parameter Identification
- Automation of Electric Power Systems Vol. 50, Issue 15, Pages: 277-287(2026)
- 作者机构：
  
  1.电网防灾减灾全国重点实验室（长沙理工大学），湖南省长沙市 410114
  2.国网经济技术研究院有限公司，北京市 102209
  3.国网江西省电力有限公司电力科学研究院，江西省南昌市 330012
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52577081)
- DOI：10.7500/AEPS20250924002
  CLC：
- Received：24 September 2025，
  
  Revised：2025-12-09，
  
  Online First：26 February 2026，
  
  Published：10 August 2026
- 稿件说明：
移动端阅览
陈春,陈宇翔,曹一家等.面向配电线路参数辨识的多尺度拓扑感知图神经网络方法[J].电力系统自动化,2026,50(15):277-287.

CHEN Chun,CHEN Yuxiang,CAO Yijia,et al.Multi-scale Topology-aware Graph Neural Network Method for Distribution Line Parameter Identification[J].Automation of Electric Power Systems,2026,50(15):277-287.
陈春,陈宇翔,曹一家等.面向配电线路参数辨识的多尺度拓扑感知图神经网络方法[J].电力系统自动化,2026,50(15):277-287. DOI： 10.7500/AEPS20250924002.

CHEN Chun,CHEN Yuxiang,CAO Yijia,et al.Multi-scale Topology-aware Graph Neural Network Method for Distribution Line Parameter Identification[J].Automation of Electric Power Systems,2026,50(15):277-287. DOI： 10.7500/AEPS20250924002.

摘要

准确辨识线路参数对于保障配电网安全可靠运行至关重要。拓扑动态变化、分布式电源广泛接入和量测缺失并存，使配电线路参数辨识难度显著增加，传统方法适用性受限。为此，提出一种面向配电线路参数辨识的多尺度拓扑感知图神经网络方法。将实际拓扑直接嵌入为模型的物理结构约束，使信息传递遵循真实连通关系并保持可解释性。在拓扑约束下，采用谱图卷积结合卷积深度自注意力进行拓扑感知的多尺度节点特征提取与融合。对相邻节点特征进行加法聚合以构造物理一致的边表示，再由共享权重的全连接层将边表示输出为对应线路的导纳参数。在IEEE 33节点与IEEE 123节点配电网的多种量测场景下进行验证，结果表明，该方法具有更强的有效性和鲁棒性。

Abstract

Accurate identification of distribution line parameters is fundamental to the safe and reliable operation of distribution networks. The coexistence of dynamic topology changes

widespread integration of distributed power sources

and missing measurements significantly increases the difficulty of distribution line parameter identification

limiting the applicability of traditional methods. To this end

a multi-scale topology-aware graph neural network method for distribution line parameter identification is proposed. The actual topology is directly embedded as a physical structural constraint within the model

ensuring that information propagation follows the true connectivity and maintains interpretability. Under topological constraints

spectral graph convolution combined with depth-wise self-attention is employed to extract and fuse multi-scale topology-aware node features. The features of adjacent nodes are aggregated via addition to construct physically consistent edge representations

which are then mapped to the corresponding line admittance parameters through a shared-weight fully-connected layer. The method is validated in various measurement scenarios for the IEEE 33-bus and IEEE 123-bus distribution networks. The results demonstrate that the method achieves superior effectiveness and robustness.

关键词

Keywords

references

冯松杰，魏韡 . 考虑新能源消纳和电力保供的电力系统多时间尺度平衡方法［J］. 电力系统自动化， 2025 ， 49 （ 4 ）： 128 - 140 .

FENG Songjie ， WEI Wei . Multi-timescale balancing method for power systems considering renewable energy accommodation and power supply support ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 4 ）： 128 - 140 .

李虹，韩雨萌 . 计及新能源不确定性的配电网-多微电网协同优化调度［J］. 电工技术学报， 2025 ， 40 （ 17 ）： 5571 - 5588 .

LI Hong ， HAN Yumeng . Coordinated optimization scheduling of distribution networks and multiple microgrids considering the uncertainty of new energy ［J］. Transactions of China Electrotechnical Society ， 2025 ， 40 （ 17 ）： 5571 - 5588 .

LI Z ， HE J L ， ZHANG B ， et al . Influence of frequency characteristics of soil parameters on ground-return transmission line parameters ［J］. Electric Power Systems Research ， 2016 ， 139 ： 127 - 132 .

ASPROU M ， KYRIAKIDES E . Identification and estimation of erroneous transmission line parameters using PMU measurements ［J］. IEEE Transactions on Power Delivery ， 2017 ， 32 （ 6 ）： 2510 - 2519 .

FARZIN H ， FOTUHI-FIRUZABAD M ， MOEINI-AGHTAIE M . Role of outage management strategy in reliability performance of multi-microgrid distribution systems ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 3 ）： 2359 - 2369 .

王成山，王瑞，于浩，等 . 配电网形态演变下的协调规划问题与挑战［J］. 中国电机工程学报， 2020 ， 40 （ 8 ）： 2385 - 2396 .

WANG Chengshan ， WANG Rui ， YU Hao ， et al . Challenges on coordinated planning of smart distribution networks driven by source-network-load evolution ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 8 ）： 2385 - 2396 .

黄蔓云，卫志农，孙国强，等 . 数据挖掘在配电网态势感知中的应用：模型、算法和挑战［J］. 中国电机工程学报， 2022 ， 42 （ 18 ）： 6588 - 6599 .

HUANG Manyun ， WEI Zhinong ， SUN Guoqiang ， et al . Review of distribution system situation awareness based on data mining： modeling， algorithms and challenges ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 18 ）： 6588 - 6599 .

刘安迪，李妍，谢伟，等 . 基于多源数据多时间断面的配电网线路参数估计方法［J］. 电力系统自动化， 2021 ， 45 （ 2 ）： 46 - 54 .

LIU Andi ， LI Yan ， XIE Wei ， et al . Estimation method of line parameters in distribution network based on multi-source data and multi-time sections ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 2 ）： 46 - 54 .

SRINIVAS V L ， WU J Z . Topology and parameter identification of distribution network using smart meter and µPMU measurements ［J］. IEEE Transactions on Instrumentation and Measurement ， 2022 ， 71 ： 1 - 14 .

SHAH P ， ZHAO X W . Network identification using μPMU and smart meter measurements ［J］. IEEE Transactions on Industrial Informatics ， 2022 ， 18 （ 11 ）： 7572 - 7586 .

LIN Z Z ， WEN F S ， DING Y ， et al . WAMS-based coherency detection for situational awareness in power systems with renewables ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 5 ）： 5410 - 5426 .

VON MEIER A ， STEWART E ， MCEACHERN A ， et al . Precision micro-synchrophasors for distribution systems： a summary of applications ［J］. IEEE Transactions on Smart Grid ， 2017 ， 8 （ 6 ）： 2926 - 2936 .

李博通，孙铭阳，陈晓龙，等 . 无相位量测的多环中压配电网线路参数辨识方法［J］. 电力系统自动化， 2023 ， 47 （ 24 ）： 22 - 30 .

LI Botong ， SUN Mingyang ， CHEN Xiaolong ， et al . Line parameter identification method for multi-ring medium-voltage distribution network based on phaseless measurement ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 24 ）： 22 - 30 .

宁家鑫，刘羽霄，章家维，等 . 数据驱动的三相配电网络拓扑与线路参数辨识［J］. 中国电机工程学报， 2021 ， 41 （ 8 ）： 2615 - 2628 .

NING Jiaxin ， LIU Yuxiao ， ZHANG Jiawei ， et al . Data-driven topology and line parameter identification of three-phase distribution grid ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 8 ）： 2615 - 2628 .

DUTTA R ， PATEL V S ， CHAKRABARTI S ， et al . Parameter estimation of distribution lines using SCADA measurements ［J］. IEEE Transactions on Instrumentation and Measurement ， 2021 ， 70 ： 1 - 11 .

杨冬锋，付强，刘晓军，等 . 配电网动态拓扑与线路参数联合在线辨识方法［J］. 电力系统自动化， 2022 ， 46 （ 2 ）： 101 - 108 .

YANG Dongfeng ， FU Qiang ， LIU Xiaojun ， et al . Joint online identification method for dynamic topology and line parameters of distribution network ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 2 ）： 101 - 108 .

ZHANG J W ， WANG P ， ZHANG N . Distribution network admittance matrix estimation with linear regression ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 5 ）： 4896 - 4899 .

WANG Y B ， XIA M C ， YANG Q ， et al . Augmented state estimation of line parameters in active power distribution systems with phasor measurement units ［J］. IEEE Transactions on Power Delivery ， 2022 ， 37 （ 5 ）： 3835 - 3845 .

赵启，王建，林丰恺，等 . 基于格拉姆角场与ResNet的输电线路故障辨识方法［J］. 电力系统保护与控制， 2024 ， 52 （ 10 ）： 95 - 104 .

ZHAO Qi ， WANG Jian ， LIN Fengkai ， et al . Transmission line fault identification method based on Gramian angular field and ResNet ［J］. Power System Protection and Control ， 2024 ， 52 （ 10 ）： 95 - 104 .

LU M ， JIN X Q ， WANG X Z ， et al . A robust identification method for transmission line parameters based on BP neural network and modified SCADA data ［C］// 2020 IEEE International Conference on Energy Internet （ICEI）， August 24-28 ， 2020 ， Sydney， Australia .

YANG N C ， HUANG R ， GUO M F . Distribution feeder parameter estimation without synchronized phasor measurement by using radial basis function neural networks and multi-run optimization method ［J］. IEEE Access ， 2022 ， 10 ： 2869 - 2879 .

YANG N C ， SEN A . Parameter estimation in unbalanced three-phase distribution lines using general regression neural networks with inconsistent data handling capacity ［J］. Applied Soft Computing ， 2023 ， 133 ： 1568 - 4946 .

QUE L Y ， YANG L Q ， QIAN H F ， et al . A robust line parameter identification method based on LSTM and modified SCADA data ［C］// 2020 IEEE 4th Conference on Energy Internet and Energy System Integration （EI2）， October 30-November 1 ， 2020 ， Wuhan， China .

PRASHAL G ， SUMATHI P ， PADHY N P . Line parameter and topology estimation using a deep neural network with learnable priors ［C］// 2023 IEEE International Conference on Power Electronics， Smart Grid， and Renewable Energy （PESGRE）， December 17-20 ， 2023 ， Trivandrum， India .

LI S ， HAO X D ， FAN H W ， et al . Parameter estimation of a static equivalent model of distribution network with distributed PV based on PSO and CNN ［C］// 2022 IEEE International Conference on Power Systems and Electrical Technology （PSET）， October 13-15 ， 2022 ， Aalborg， Denmark .

徐冰冰，岑科廷，黄俊杰，等 . 图卷积神经网络综述［J］. 计算机学报， 2020 ， 43 （ 5 ）： 755 - 780 .

XU Bingbing ， CEN Keting ， HUANG Junjie ， et al . A survey on graph convolutional neural network ［J］. Chinese Journal of Computers ， 2020 ， 43 （ 5 ）： 755 - 780 .

WANG Z W ， XIA M ， LU M ， et al . Parameter identification in power transmission systems based on graph convolution network ［J］. IEEE Transactions on Power Delivery ， 2022 ， 37 （ 4 ）： 3155 - 3163 .

HUANG Z K ， XIA M ， LU M ， et al . AWL-GCN： branch parameter identification considering grid spatial structure constraints ［J］. IEEE Transactions on Industrial Informatics ， 2023 ， 19 （ 5 ）： 6939 - 6949 .

杨秀，傅骞，汤波，等 . 基于动态时空适应图神经网络的电网线路参数辨识方法［J/OL］. 中国电机工程学报［ 2025-09-22 ］. https：//link.cnki.net/urlid/11.2107.tm.20240930.1550.011 https://link.cnki.net/urlid/11.2107.tm.20240930.1550.011 .

YANG Xiu ， FU Qian ， TANG Bo ， et al . Parameter identification for power grid line based on dynamic spatiotemporal adaptive graph neural network ［J/OL］. Proceedings of the CSEE ［ 2025-09-22 ］. https：//link.cnki.net/urlid/11.2107.tm.20240930.1550.011 https://link.cnki.net/urlid/11.2107.tm.20240930.1550.011 .

LIU Y X ， ZHANG N ， WANG Y ， et al . Data-driven power flow linearization： a regression approach ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 3 ）： 2569 - 2580 .

LAMPERT M ， SCHOLTES I . The self-loop paradox： investigating the impact of self-loops on graph neural networks ［EB/OL］. ［ 2025-09-22 ］. https：//arxiv.org/abs/2312.01721 https://arxiv.org/abs/2312.01721 .

THURNER L ， SCHEIDLER A ， SCHAFER F ， et al . Pandapower—an open-source Python tool for convenient modeling， analysis， and optimization of electric power systems ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 6 ）： 6510 - 6521.12.01721 .

WU Z H ， PAN S R ， LONG G D ， et al . Graph WaveNet for deep spatial-temporal graph modeling ［C］// Proceedings of the Twenty-eighth International Joint Conference on Artificial Intelligence ， August 10-16 ， 2019 ， Macao， China .

余光正，张俊杰，陈甜甜，等 . 基于多准则决策分析的新型电力系统配电网自平衡能力评估方法［J］. 电力系统保护与控制， 2025 ， 53 （ 11 ）： 30 - 40 .

YU Guangzheng ， ZHANG Junjie ， CHEN Tiantian ， et al . A multi-criteria decision analysis-based method for assessing self-balancing capability in new power distribution networks ［J］. Power System Protection and Control ， 2025 ， 53 （ 11 ）： 30 - 40 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Charging Load Forecasting Method for Electric Vehicles Considering Dynamic Reconfiguration of Distribution Networks

Enhancement Method for Photovoltaic Accommodation Capacity of Distribution Networks Based on Self-attention Diffusion Reinforcement Learning

Generalized Load Modeling and Parameter Identification for Distribution Networks Considering Fault Ride-through Capability of Distributed Photovoltaic

Frequency Coupling Impedance Model: Theoretical Basis, Modeling Methods and Application Constraints

Scenario Generation Method for Low-carbon Scheduling of Virtual Power Plants Based on Carbon-aware Modulated Diffusion Model

Related Author

WAN Yizhi

LIU Youbo

XU Xiao

LI Zhengbo

LI Chen

XIANG Yue

LIU Junyong

YANG Wenwei

Related Institution

College of Electrical Engineering, Sichuan University

Economic Research Institute of State Grid Sichuan Electric Power Company

College of Automation, Guangdong University of Technology

School of Electrical Engineering and Automation, Wuhan University

Electric Power Research Institute of State Grid Qinghai Electric Power Company

⁰