基于物理认知的随机游走指纹技术：用于可扩展电网图的分类

Physics-Aware Random Walk Fingerprints for Scalable Power Grid Graph Classification

本文提出一种名为 MC-PA-RWF 的轻量级图表示框架，将物理边状态引入随机游走传播过程，用于电力系统的级联故障分类。该方法通过构建多通道加权图提取特定指纹并拼接为紧凑向量。在三个 PowerGraph 基准系统上的实验表明，MC-PA-RWF+ 在最大评估设置下达到约 98.04% - 99.32% 的平衡准确率，相比最强 GNN 基线提升失败类 F1 值 1.60 -- 5.84 个百分点，且在所有三个系统中具有统计显著性增益。