[論文レビュー] Generation of Synthetic Spatially Embedded Power Grid Networks

Saleh Soltan, Gil Zussman|arXiv (Cornell University)|Aug 18, 2015

Complex Network Analysis Techniques参考文献 29被引用数 4

ひとこと要約

本稿では、実際の送電網と同等の構造的および空間的特性を有する合成空間埋め込み送電網ネットワークを生成するため、地理的ネットワーク学習者・生成者（GNLG）アルゴリズムを提案する。ノード配置にはガウス・ミックスチャネル・モデル（GMM）を、接続性を確保するためのスパニングツリーと、耐障害性を高めるためのエッジ追加という進化にインspiredされた2つの手順を用いることで、実際の送電網（西部相互接続、SERC、FRCCなど）と同様の次数分布、経路長、クラスタ係数、線路長分布を有するネットワークを成功裏に生成した。

ABSTRACT

The development of algorithms for enhancing the resilience and efficiency of the power grid requires performance evaluation with real topologies of power transmission networks. However, due to security reasons, such topologies and particularly the locations of the substations and the lines are usually not publicly available. Therefore, we study the structural properties of the North American grids and present an algorithm for generating synthetic spatially embedded networks with similar properties to a given grid. The algorithm uses the Gaussian Mixture Model (GMM) for density estimation of the node positions and generates a set of nodes with similar spatial distribution to the nodes in a given network. Then, it uses two procedures, which are inspired by the historical evolution of the grids, to connect the nodes. The algorithm has several tunable parameters that allow generating grids similar to any given grid. Particularly, we apply it to the Western Interconnection (WI) and to grids that operate under the SERC Reliability Corporation (SERC) and the Florida Reliability Coordinating Council (FRCC), and show that it generates grids with similar structural and spatial properties to these grids. To the best of our knowledge, this is the first attempt to consider the spatial distribution of the nodes and lines and its importance in generating synthetic power grids.

研究の動機と目的

• セキュリティおよびプライバシー上の懸念から、公開可能な地理的に正確な送電網トポロジーが不足しているという問題に対処するため。
• 実際の送電ネットワークの構造的および空間的特性を再現する合成送電網ネットワークを生成するための手法を開発するため。
• 実際の送電網の脆弱性を露呈させることなく、グリッドの耐障害性および効率性アルゴリズムのパフォーマンス評価を可能にするため。
• 研究用に再現可能でチューニング可能な、匿名化され、現実的な送電網トポロジーを生成するフレームワークを提供するため。

提案手法

• ベイジアン情報基準（BIC）を用いて最適なコンポーネント数を特定することで、ガウス・ミックスチャネル・モデル（GMM）を用いて変電所の空間的密度を推定する。
• 適合されたGMMからサンプリングすることで、元のグリッドの空間的分布に一致する合成ノード位置を生成する。
• ネットワークの接続性を保証するため、生成されたノード上にスパニングツリーを構築し、送電網の歴史的発展を模倣する。
• 耐障害性を向上させるために追加エッジを追加し、パラメータを調整することで、ターゲットグリッドの構造的特性に一致させる。
• 2段階の接続プロセスを用いる：まずスパニングツリーで接続性を確保し、次に制御されたエッジ追加によって耐障害性を強化する。
• κ、α、β、γ、N などのパラメータを調整することで、合成ネットワークの次数分布、クラスタリング、線路長特性をキャリブレーションする。

実験結果

リサーチクエスチョン

• RQ1 実際の送電ネットワークの空間的分布および構造的特性を正確に反映する合成送電網ネットワークを生成することは可能か？
• RQ2 送電網の歴史的発展—接続性と耐障害性の優先順位—をモデル化することで、合成ネットワーク生成をどのように支援できるか？
• RQ3 GMMベースのアプローチは、WI、SERC、FRCCのような大規模送電網における変電所の空間的クラスタリングをどの程度正確に捉えることができるか？
• RQ4 生成された合成ネットワークは、平均経路長、クラスタ係数、次数分布、線路長分布といった主要指標を、実際のグリッドと再現できるか？
• RQ5 機密インフラデータを露呈させることなく、重要な構造的および空間的特徴を保持する匿名化された、現実的な送電網トポロジーを生成することは可能か？

主な発見

• GNLGアルゴリズムは、西部相互接続（WI）、SERC、FRCCの各グリッドに対して、実際のグリッドと類似した構造的特性を有する合成ネットワークを成功裏に生成した。複数の指標による検証が行われた。
• WIの場合、合成ネットワークの平均経路長は20.26（実際のグリッドは19.71）であり、クラスタ係数は0.048（実際は0.049）で、線路長分布のカルバック・ライブララー距離は0.081であった。
• SERCの場合、生成されたネットワークの次数分布の勾配は-4.12（実際のグリッドは-3.93）であり、分布間のK-S統計量は0.047で、強い類似性を示した。
• FRCCの場合、合成ネットワークの次数分布の勾配は-2.40（実際は-2.76）で、K-S統計量は0.032、線路長分布のKL距離は0.12であり、高い忠実度が確認された。
• 1,312ノードと1,780エッジを有するFRCCの事例から、同様の特性を持つより小さなネットワークも生成可能であることが示された。
• この手法により、脆弱性および耐障害性研究に適した匿名化されたネットワーク生成が可能であり、標準サーバー上ではWIの生成時間は3.5分未満であった。