SafePowerGraph-HIL：异构GNN在电力系统中的实时HIL验证以弥合仿真与现实之间的差距

本研究解决了电力系统中机器学习方法在现实条件下验证效果的难题。提出的SafePowerGraph-HIL框架通过在IEEE 9-bus系统中进行实时硬件在环（HIL）仿真，生成高保真数据，以训练异构图神经网络（HGNN），并在多种系统条件下进行验证，显示出高准确性和鲁棒性。这一工作推动了集成HIL与先进神经网络架构的进展，将增强电力系统的实时操作能力。