基于可学习图谱基的电力系统暂态神经算子研究

论文研究 Fourier neural operator 预测电力系统暂态轨迹时的空间谱基选择，对比由电网耦合网络导出的图 Fourier 变换与可学习谱基。在覆盖未见故障位置和运行工况偏移的三个协议下，可学习谱基相对参数与预算匹配的 DFT 变体在分布内提升 7-14%，增益来自适应而非坐标本身；将学习版与冻结版平均可得到最佳偏移鲁棒预测器，两者分歧可作为无标签告警，标记全部偏移案例且无误报。