该研究提出了一种物理与机器学习协同的新范式，以提升电力网在不确定性和网络攻击下的态势感知能力。结合物理模型与轻量级机器学习模型，研究表明该方法能有效增强电力系统的安全性和稳定性。

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。