随着新型电力系统发电侧、输电侧和用电侧不确定性的日益增加,电力系统拓扑结构关系逐渐复杂、规模程度不断升级。常规欧式空间数据解析方法在表征多源异构和非规则的拓扑结构关系时,往往呈现性能较差、准确度不高的问题。图神经网络(graph neural networks,GNNs)能够捕捉到不同节点和边之间的复杂依赖关系,并有效挖掘非欧式空间数据结构中的时空特征,适用于复杂电力系统拓扑结构关系的感知与建模。针对于此,基于前人的研究进展,介绍了GNNs的定义和特点,并分析了GNNs不同变体的特点及其优势。然后,归纳和总结了GNNs在电力系统状态感知、预测、图潮流计算等方面的应用现状,从感知-预测-优化角度探讨了GNNs与新型电力系统的适配关系。最后,针对GNNs潜在的问题难点和未来可行的发展方向进行了总结和展望。