复杂振荡器网络的不稳定性预测：网络度量和机器学习的局限性和潜力

原文约300字，阅读约需1分钟。发表于：。

网络科学的一个核心问题是系统的功能特性如何从其结构中产生。将网络测量与振动系统的稳定性等功能特性相结合的图神经网络 (GNNs) 在预测这种稳定性方面表现出色，而网络测量则难以清晰地描述。

为了应对气候变化，需要提高可再生能源在电力生产中的份额。本研究利用图神经网络分析电力网动态稳定性的计算工作量，发现其在预测非线性目标和识别易受攻击节点方面非常有效。小型电力网上训练的GNN在对得克萨斯电力网的大型模型进行预测时也具有准确性和实用性。