发表机构
Agència de Gestió d’Ajuts Universitaris i de Recerca (AGAUR); Departament de Recerca i Universitats of the Generalitat de Catalunya（加泰罗尼亚大学与研究资助管理局（AGAUR）; 加泰罗尼亚自治区研究与大学部）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
研究利用变分图自动编码器检测潮流解可行性的问题，核心方法是提出VGAE，主要贡献为用IEEE 118节点系统评估AI驱动求解器所提供解的有效性。
AI 中文摘要
近年来，包括图神经网络在内的数据驱动方法被用于加速潮流计算，但对传统求解器可获取的解的可行性关注甚少。本文提出一种变分图自动编码器（VGAE），利用IEEE 118节点系统检测潮流解的可行性，以评估人工智能驱动求解器提供的解的有效性。
英文摘要
Data-driven methods, including graph neural networks, have been studied for accelerating power flow calculations in recent years, but very little attention has been paid to the solution feasibility, which can be obtained by traditional solvers. This paper presents a Variational Graph Autoencoder (VGAE) that detects the power flow solution feasibility, using the IEEE 118-bus case, to assess the validity of the solutions provided by AI-driven solvers.
CommentsConference
Journal refISGT 2026
