该研究提出了一种物理与机器学习协同的新范式，以解决电力网在面对不确定性和攻击时的态势感知不足问题，从而增强防御能力和系统稳定性。

本文分析了深度学习在电力网中的应用，重点讨论了图神经网络在提高表示学习和决策制定能力方面的作用。然而，该方法仍面临挑战和限制。

通过图神经网络（GNN）开发了一种新方法，提高了电力网故障的智能诊断能力。该方法利用电气特征提取模型和知识图谱，整合节点的历史和未来状态来辅助故障检测。实验证明该方法准确率达到99.53%，并揭示了故障传播情况。

研究发现，图神经网络（GNN）可作为电力网络运行决策算法的代理模型，用于量化运行风险。GNN能够准确预测感兴趣的量，并具有在实时和提前几小时的风险量化中的潜力。