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 GNN MLP 图神经网络 电力系统分析
潮流计算方法的步骤: 建立潮流的数学模型 确定适宜的计算方法 制定计算流程图 编制计算机程序 对计算结果进行分析和确定,检查程序的正确性 形成节点导纳矩阵; 给各节点电压设初值; 将节点电压初值代入,求出修正方程式的常数项向量; 将节点电压初值代入,求出雅可比矩阵元素; 求解修正方程式,求出变量的修正向量; 求出节点电压的新值; 如有PV节点,则检查该类节点的无功功率是否越限; 检查是否收敛,如不收敛,则以各节点电压的新值作为初值自第3步重新开始下一次迭代,否则转入下一步。 计算支路功率分布,PV节点无功功率和平衡节点注入功率,最后输出结果,并结束。
2022-11-16 20:05:12 1.24MB 电力系统分析
1
电力系统软件的仿真参考书主要是similink有稳态分析和暂态分析两种
1
电力系统分析 第三章 电力系统潮流的计算机算法.pdf
2022-07-10 09:14:03 6.47MB 文档资料
清华大小电力系统分析课程试卷.7z清华大小电力系统分析课程试卷.7z清华大小电力系统分析课程试卷.7z
华电《电力系统分析基础》第4章 复杂电力系统潮流的计算机算法.ppt
2022-06-29 09:00:49 1.53MB 互联网
高等电力系统分析课件:电力系统潮流计算1-概念方程及计算方法.ppt
2022-06-29 09:00:39 534KB 互联网
电力系统分析:ch07电力系统的质量控制-1.ppt
2022-06-29 09:00:37 3.09MB 互联网
电力系统分析:第二章 电力元件各元件的特性和等值电路.ppt
2022-06-29 09:00:27 3.19MB 互联网
电力系统分析:电力系统的电压调整.ppt
2022-06-29 09:00:26 8.04MB 互联网