전력 계통 위상 변화에 대한 확률적 전력 흐름을 위한 계층적 그래프 신경망

요약

본 논문은 전력 계통의 확률적 전력 흐름(PPF)을 예측하기 위해 토폴로지 분해 기반 계층적 양방향 그래프 신경망(TDD--HBGNN)을 제안합니다. 이 모델은 정전 등 보지 못한 토폴로지에서도 높은 일반화 성능을 보여, 기존 방법론 대비 전압 및 위상각 오차를 현저히 낮추었습니다.

핵심 포인트

• 토폴로지 분해 기반의 HBGNN으로 PPF 예측 정확도를 높임.
• N-1, N-2 정전 상황 등 보지 못한 토폴로지에서 강점을 보임.
• 결합된 전압-각도 오차 측면에서 기존 방법론 대비 우위를 입증함.
• 파라미터 효율성을 유지하며 낮은 추론 지연 시간을 달성함.