Dynamic State Estimation from Sparse PMUs via Physics-Informed Graph Neural Operators

本文提出一种物理驱动的图神经网络操作符，用于电力系统动态状态估计。从少量发电机母线的稀疏、间歇性测量窗口中，操作符在一次前向传播中估计所有机器（包括未测量的）的转子角和速度轨迹。图注意力编码器处理测量数据，振荡方程作为硬约束或通过学习修正的软约束加以实施，以吸收模型误差。