Vorhersage der Schwere von Kaskadenausfällen mit statistisch erweiterten Graphischen Neuronalen Netzen

Durch den zunehmenden Anteil erneuerbarer Energien und die häufigeren Extremwetterereignisse wird es schwieriger, Szenarien zu erkennen, die zu katastrophalen Kaskadenausfällen führen können. Traditionelle Leistungsfluss-basierte Werkzeuge zur Bewertung des Risikos von Kaskadenausfällen sind zu langsam, um den Raum möglicher Ausfälle und Last-/Erzeugungsmuster vollständig zu untersuchen. Wir erweitern die wachsende Literatur zu schnelleren, auf Graphischen Neuronalen Netzen (GNN) basierenden Techniken, indem wir zwei neuartige Techniken für die Schätzung der Ausfallgröße aus den anfänglichen Netzzuständen entwickeln.