该项目研究了图神经网络在电力系统分析中的应用。 它旨在比较图神经网络 (GNN) 与传统多层感知器 (MLP) 模型在相同模型复杂度下的性能。 代码是在 Jupyter Notebook IDE 中使用 pytorch 框架开发的。
神经网络（NN）的最新进展框架被称为图神经网络（GNN），在电力系统中，电网可以被表示为一个具有高维特征和总线之间相互依赖关系的图，为电力系统分析提供更好的机器学习状态，在GNN框架中整合电网拓扑结构用于电力流的应用。
在电网中，总线可以被看作是节点，而线可以被看作是边。节点的特征是电压、电压角、有功功率和无功功率，而线路的特征可以是线路电流和线路电阻。
Pytorch实现图神经网络 (GNN) 与传统多层感知器 (MLP)的电力系统分析 （完整源码和数据包）
Pytorch实现图神经网络 (GNN) 与传统多层感知器 (MLP)的电力系统分析 （完整源码和数据包）
Pytorch实现图神经网络 (GNN) 与传统多层感知器 (MLP)的电力系统分析 （完整源码和数据包）
2022-11-24 16:26:26
64.68MB