본 논문은 대규모 예방적 보안 제약 직류 최적 전력 흐름 문제를 해결하기 위한 자기 지도 학습 기반의 프라이머-이중 학습 프레임워크를 제안한다. 이 프레임워크는 최적 해결책을 필요로 하지 않는 자기 지도 학습 방식을 통해 대규모 문제에 대한 근사 최적 해를 신속하게 생성할 수 있다.
본 연구는 일일 예측 시장과 실시간 시장에 에너지 저장 장치를 입찰하여 이윤을 극대화하는 통합 모델을 제안한다. 실시간 입찰은 일일 정산과 무관하지만, 일일 예측 입찰은 예측된 실시간 가격을 기반으로 해야 한다는 것을 보여준다. 또한 실시간 가격 예측을 위해 트랜스포머 기반 모델을 활용하고, 실시간 입찰을 위해 장단기 메모리-동적 프로그래밍 하이브리드 모델을 사용한다.
병렬 시간 통합 기법인 Parareal을 사용하여 절연체 없는 고온 초전도 코일의 복잡한 과도 현상을 효율적으로 시뮬레이션할 수 있다.