[論文レビュー] AI-Driven Stabilization in Power Grids through Controlling Line Admittances

S. H. Park, Hoyun Choi+4 more|arXiv (Cornell University)|Jan 5, 2026

Power System Optimization and Stability被引用数 0

ひとこと要約

Adaptive Admittance Controller (AAC) は、ラインア admittance を適応的に調整することでグリッドを自律的に安定化し、主要なレギュレータ位置を特定します。小規模なレギュレータ集合でも英国グリッド上で周波数安定性を大幅に改善します。

ABSTRACT

The global transition from traditional power plants to renewable energy sources introduces new challenges in grid stability, primarily because inverter-based technologies provide insufficient inertia. To address this, we introduce an artificial intelligence algorithm that autonomously stabilizes power grids by adaptively tuning admittance regulators in response to disturbances. This Adaptive Admittance Controller (AAC) algorithm not only stabilizes the system in real time but also identifies the best regulator locations, thereby unifying grid planning and real time control within a single framework. When tested on a real UK power grid, the AAC markedly reduces frequency deviations and rapidly restores nominal operation. In addition, the algorithm isolates a small number of key regulators and intervenes only on these, lowering both system complexity and cost. The AAC algorithm further reduces the nonlinearity effect, quickly stabilizing the frequency and power flow. This intelligent control scheme enables power grids to reliably return to stable operating conditions under a broad spectrum of fault scenarios. The proposed framework can also be used to mitigate cascading failures by adaptively controlling critical links in a variety of networked infrastructures, such as cascades of traffic congestion on road networks or fuse failures in energy-saving systems.

研究の動機と目的

• 再生可能エネルギー主導のグリッドでの低慣性に起因する安定性課題に対処する。
• レギュレータ位置を jointly 選択し、導電率を調整する RL ベースの統合フレームワークを開発する。
• 周波数変動を減らしつつ導入コストを最小化する選択的介入を示す。
• 少数のラインを制御することで、故障シナリオ全体でほぼ最適な安定化を達成できることを示す。

提案手法

• 安定化問題をエージェントによって実行される単一ステップの強化学習タスクとして定式化する。
• グラフ畳み込み（Chebyshev 変換）を用いて、グリッド状態と故障に基づき全ラインの導電率調整を出力する。
• 各ラインを per-line の制御決定 c_ij と導電率調整の大きさ q_ij で表現し、レギュレータの存在 χ_ij に導 guided。
• Ŷ_ij = 2^{δy_ij}Y_ij, ただし δy_ij = c_ij q_ij χ_ij。
• 価値ネットワークを用いず PPO を用いて、故障シナリオ上の即時報酬を最大化する。
• PTDF に基づく方法を超えた重要レギュレータ位置を識別するため、3つのラインランキング指標 S^(1–3) を導入する。

実験結果

リサーチクエスチョン

• RQ1 AAC は広範な単一ライン故障シナリオ集合で周波数変動を低減できるか。
• RQ2 どの送電ラインが制御に最も効果的で、ほぼ最適な安定性を達成するのにかかるコストはどれくらいか。
• RQ3 substantial な安定化を達成するには何人レギュレータが必要か、少数のサブセットで足りるか。
• RQ4 AAC は過渡的周波数動作と定常状態の電力フローの両方を改善し、これらの改善は相関しているか。

主な発見

• AAC はテストされた故障シナリオ全体で平均周波数変動を約53％削減する。
• 最適なレギュレータ配置は、トップ5本のラインを用いた S^(2) ランキングで達成でき、コストを大幅に抑えつつ安定性を著しく向上させる（約95％削減）。
• S^(2) によって選定されたトップ5ラインは、レギュレータ配置のための PTDF ベースのランキングよりも優れている。
• トップ5レギュレータでの訓練は、全レギュレータモデルを上回る性能を示すことさえある。
• AAC は過渡的ダイナミクスと定常状態の両方を安定化させ、周波数変動の低減と電力フローの回復には強い相関がある（ρ ≈ 0.83）。
• 英国グリッドではごく少数のレギュレータでほぼ最適化に近い安定化を実現できる（L=114 ライン； global minimum の場合 N_regulator ≈ 35–45、コスト効率の設定で5）。