← 返回课程

微电网 · 配电系统

Physics-informed GNN for microgrid N-1 security prediction

本课程为物理信息图神经网络与微电网 N-1 安全预测建立潮流分析基础。先学习 Balanced Power Flow,再通过 Unbalanced Power Flow 探索三相四线模型,最后在浏览器中建立并求解真实 pandapower 网络。

Balanced Power Flow

交互教材 · 微电网 / 配电系统

从三相平衡背景、公式推导和配电馈线例题出发,通过实时参数控制与可编辑 Python 代码学习平衡 AC 潮流。

打开 Balanced Power Flow →

Unbalanced Power Flow

交互教材 · 微电网 / 配电系统

推导三相四线馈线模型,通过逐相负荷、单相光伏、中性点偏移、序分量与可编辑 Python 实验学习不平衡潮流。

打开 Unbalanced Power Flow →

PandaPower-based Implementation

交互教材 · 真实 pandapower / Python

建立平衡与三相网络,拖动参数、运行可编辑 Python、读取结果表并筛查线路退出工况。提供可以独立使用的 Notebook 下载。

打开 PandaPower-based Implementation →