找到 3 条结果
基于矩阵补全的部分可观测条件下配电网络拓扑与参数学习
Learning to Learn Topology and Parameters of Distribution Grid with Matrix Completion under Partial Observability
Garima Prashal · Parasuraman Sumathi · Narayana Prasad Padhy · IEEE Transactions on Power Systems · 2025年5月
针对量测受限导致的配电网拓扑与参数信息不完整问题，提出一种融合图卷积网络与物理约束的拓扑增强型模型（TE-GCN）。通过引入节点间物理连接关系并嵌入潮流方程作为节点特征，提升模型可解释性与物理一致性。对于无电压量测的隐藏节点，采用神经网络结合潮流约束补全电压矩阵，并利用GCN估计拓扑结构。该方法将原始-对偶分裂算法展开为神经网络，以变分自编码器替代拓扑投影，优化网络结构学习。在四个含真实负荷数据的IEEE标准系统上的实验验证了其有效性。
解读: 该配电网拓扑与参数学习技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。在分布式光伏与储能大规模接入场景下，配电网拓扑信息往往不完整且动态变化，该研究提出的TE-GCN模型可基于有限量测数据重构网络拓扑并估计线路参数，为ST系列储能变流器的并网控制策略优...
GMFLDA：基于图卷积网络的lncRNA-疾病关联预测改进方法
GMFLDA: Improved Prediction of lncRNA-Disease Association via Graph Convolutional Network
Kwangsu Kim · Jihwan Ha · IEEE Access · 2025年5月
随着多种异构网络的快速发展，整合多源结构以捕捉实体间与实体内关系的需求日益增长。基于网络的方法在节点标签预测与潜在关联挖掘中表现出色，广泛应用于推荐系统、基因互作及lncRNA-疾病关联预测等领域。本文提出GMFLDA，一种融合图卷积网络与深度矩阵分解的机器学习框架。该模型利用GCN提取lncRNA与疾病的高保真特征表示，并通过多层感知机实现深度矩阵分解以推断潜在关联。实验结果显示，该模型在留一法和五折交叉验证中AUC分别达0.9183与0.9057，性能优于五种前沿方法，展现出卓越的预测能力，...
解读: 该图卷积网络与深度矩阵分解融合方法对阳光电源智能运维体系具有重要借鉴价值。其多源异构网络整合思路可应用于iSolarCloud平台的故障预测：通过构建设备-故障-环境参数的多层关联网络，利用GCN提取SG光伏逆变器、ST储能变流器的运行特征，结合矩阵分解推断潜在故障模式。该方法的高保真特征提取能力可...
基于图卷积网络的韧性约束经济调度
Resilience-Constrained Economic Dispatch With Graph Convolutional Network
Yifei Wang · Hanyang Liu · Xi Wu · Jun Liu 等6人 · IEEE Transactions on Power Systems · 2025年7月
近年来，由于极端事件频发，电力系统韧性备受关注。现有方法难以将韧性指标直接嵌入经济调度模型，因其依赖统计采样，无法建立运行点与韧性指标间的解析映射关系。本文提出一种基于图卷积网络（GCN）的韧性约束经济调度（RCED）框架，可在优化中显式引入特定韧性指标作为目标或约束。该框架包含离线与在线两阶段：离线阶段通过连锁故障仿真构建训练集，并利用GCN学习运行点与韧性指标的映射关系，进而转化为混合整数线性方程组；在线阶段动态求解满足韧性要求的调度方案。算例验证了所提方法的有效性与优势。
解读: 该韧性约束经济调度技术对阳光电源PowerTitan大型储能系统及ESS集成方案具有重要应用价值。GCN建立的运行点-韧性指标映射关系可直接嵌入ST系列储能变流器的能量管理系统，在极端天气或电网故障场景下，实时优化储能充放电策略，提升系统抗扰动能力。该方法可与iSolarCloud云平台结合，通过离...