基于时空图神经网络的电力系统状态估计研究

来源：计算机应用与软件杂志2026年第1期北京时间：

作者：覃苏玲，温蜜，王燕飞, ,

摘要：随着电网运行波动性持续加剧，电力系统的状态感知与控制面临严峻挑战。为提升配电网状态估计的精确性与适应性，通过深度挖掘电力大数据的时空关联特性，提出一种基于时空关联特性的图神经网络配电网状态估计方法。该方法首先将配电网拓扑映射为图结构，进而融合图卷积神经网络(Graph Convolutional Network, GCN)进行空间特征提取，并引入门控循环单元(Gated Recurrent Unit, GRU)捕捉动态时序依赖，实现高维时空特征的联合建模。最后，基于改进的IEEE39节点系统开展仿真验证，结果表明所提方法在估计准确度、抗干扰性以及泛化能力方面均表现优异。

关键词：状态估计, 时空特性, 电力大数据, 图卷积神经系统