Core Concepts
그래프 신경망 대리 모델을 사용하여 전력망 운영 위험을 신속하고 정확하게 정량화할 수 있다.
Abstract
이 연구에서는 전력망 운영 위험 정량화를 위한 DC OPF 대리 모델링 프레임워크를 개발했다. DC OPF 문제를 신속하게 해결하기 위해 그래프 신경망(GNN) 대리 모델을 사용했다. 기존 연구는 운영 의사결정 정확성에 초점을 맞췄지만, 이 연구는 위험 정량화에 초점을 맞췄다.
실제 확률 분포를 사용하여 GNN 대리 모델의 위험 추정 정확성을 평가했다. 4개의 합성 전력망(Case118, Case300, Case1354pegase, Case2848rte)을 사용하여 대리 모델 성능을 평가했다. GNN 대리 모델이 버스, 송전선, 시스템 수준의 상태를 정확하게 예측할 수 있으며, 전력망 운영 위험을 신속하고 정확하게 정량화할 수 있음을 보였다. 또한 대리 모델의 일반화 능력을 평가하기 위해 통계적 거리 척도를 사용했다. 이를 통해 대리 모델 예측의 정확도와 예측 시나리오와 훈련 데이터 간의 거리 간의 관계를 분석했다.
Stats
최소 예비력 요구량(MRR)을 초과하지 않을 확률은 Case118의 경우 Zone I에서 12%, Zone II에서 16%, Zone III에서 21%로 나타났다.
Case118 송전선 중 2개 송전선은 항상 최대 허용 용량에 도달할 것으로 예측되었다.
Case118에서 송전선 과부하 위험(RB
f)은 0 ~ 10,000달러 사이로 추정되었다.
Quotes
"그래프 신경망 대리 모델은 버스, 송전선, 시스템 수준의 상태를 정확하게 예측할 수 있으며, 전력망 운영 위험을 신속하고 정확하게 정량화할 수 있다."
"대리 모델의 일반화 능력을 평가하기 위해 통계적 거리 척도를 사용했다. 이를 통해 대리 모델 예측의 정확도와 예측 시나리오와 훈련 데이터 간의 거리 간의 관계를 분석했다."