关注公众号（小红书同名），查看往期更多资讯
联系小编：Fightingforall23（注明来意）
详细内容，请点击本帖底部 阅读原文
往期群聊：【群聊邀请|一网打尽】电力方向新增4群+海量帮助+科研探讨+同行交流，最新的群聊邀请，等你来！广告勿入！
公众号从未参与任何广告中介、文章代写、付费代码、文章走后门代发等活动，一切打着公众号名义的金钱和利益交易均为诈骗，请谨慎！
【正文】
近日，休斯顿大学Xingpeng Li团队在国际顶级期刊IEEE Transactions on Power Systems (TPWRS)
论文亮点：
在这篇论文中，我们提出了一种先进的机器学习（ML）模型，通过分析电力系统的历史数据模式，有效结合空间和时间（ST）相关性来优化调度决策。
🔹 创新方法：时空相关模型
空间相关性：利用图神经网络（GNN）建模电力网络的空间特性，研究发电单元和线路间的关联。
时间序列分析：通过长短期记忆网络（LSTM）捕捉历史数据的时间动态。
🔹 主要功能
预测发电机调度计划：高效预测发电单元的承诺状态，简化传统调度流程。
分类关键线路与非关键线路：识别电网中的关键线路，用于简化安全约束单元承诺（SCUC）模型。
优化计算性能：在不损失解质量的前提下，大幅度提升计算效率。
🔹 显著效果
通过整合 ST 相关性，所提出的模型能够有效减少 SCUC 问题的规模，同时保持高质量的优化结果，为电网调度提供更高效、更精准的解决方案。
资源开放获取
💻 代码与数据下载：
👉 获取 Python（Jupyter Notebook）代码和数据：https://rpglab.github.io/resources/GNN-LSTM_C-V-R-SCUC_Python/
（开放许可 CC BY 4.0）
📄 免费阅读论文全文：
👉 点击下载论文：
https://ieeexplore.ieee.org/document/10246391
特别鸣谢
研究工作由 Arun Venkatesh Ramesh 博士 及团队完成！🙌
快来探索时空深度学习在电力系统中的创新应用，共同推动智能电网的发展！💡
扫码关注！
一个电气领域前沿动态与科研资源平台
论文分享 | 期刊投稿
科研汇报 | 学术招聘
点亮在看，你最好看！
1.【MESPO|2024招生】MESPO团队2024年博士及RA招生现状（更多请关注公众号）
2.【SCI期刊|IF 9.4】12月15！JES 期刊"混合储能在多能源系统运行规划中的作用探究"征稿中(无版面费)+专刊群聊邀请
3.【SCI征稿|影响因子6.4】2025年7月31！MDPI 六大期刊“采用新能源及其他设备实现智能电网灵活高效运行”专题征稿！
4.【SCI征稿|Frontiers】11月23！专题“韧性电网：信息-物理系统安全、模拟和自适应防御策略” 征稿进行中！+专刊群聊
5.【团队介绍|芬兰MESPO】芬兰阿尔托大学李正茂教授“AI/优化+综合能源系统（冷热电氢水等）规划和运行”团队介绍+互助群聊邀请
