← 返回列表四川大学 邱高：电力系统物理信息智能控制与运行优化（英文版）
2025-08-29T07:24:40.000Z已保存的公开摘要。此页不是完整正文，附件尚未迁移。
文章聚焦于电力系统中物理信息智能控制与运行优化的前沿研究，核心在于融合物理模型与人工智能技术以提升电网安全性与效率。研究团队由刘俊勇教授领导，邱高等人提出了一系列创新方法：针对多时段动态输电能力约束的运营规划问题，通过深度学习辅助模型简化高维约束，并利用解析梯度加速求解，效率提升超17倍；在实时动态TTC控制中，结合自组织映射与强化学习实现多智能体协同决策，显著增强对风光波动场景的适应性；此外，基于聚类分析的输电限额分档方法通过场景分类优化保守边界，释放了互联通道传输潜力。
研究进一步开发了物理引导的学习技术，如基于图神经网络的实时交直流潮流计算模型，通过嵌入电路方程约束确保物理合规性，计算效率达毫秒级；针对最优潮流问题，提出拓扑可迁移的PG-GNN框架，利用基尔霍夫定律引导训练并证明其对拓扑扰动的稳定性；在暂态稳定预防控制中，物理信息动作网络结合哈密顿神经网络实现了高鲁棒性励磁控制，有效抑制复杂故障下的振荡。这些技术通过"物理原理+数据驱动+专家经验"的三元知识体系，构建了可解释、可泛化的智能决策系统，为高比例新能源电网的灵活运行提供支撑。