基于图卷积神经网络的直流送端系统暂态过电压评估

随着新能源接入电力系统并通过直流送出,送端系统的暂态过电压问题逐渐突出。因此,为快速准确估计送端系统在直流闭锁、换相失败等预想扰动场景下各直流近区节点暂态过电压严重度,提出一种基于图卷积神经网络(graph convolutional network, GCN)的直流送端系统暂态过电压评估模型。该模型以电网发生直流故障前的潮流状态参数与网络拓扑作为输入特征,可以同时预估电网多个关键节点(如风电场汇集节点)的暂态过电压严重度。利用含跨区直流异步互联的两区域系统进行算例分析,验证该模型可以适应多种网架拓扑结构、不同新能源发电占比等差异化电网运行方式,具有较强的泛化能力。同时,所提模型揭示了对过电压严重度影响最大的关键因素,具有一定的可解释性,可为暂态过电压的预防控制提供有效指导。