[論文レビュー] OPFData: Large-scale datasets for AC optimal power flow with topological perturbations

Sean Lovett, Miha Zgubic+7 more|arXiv (Cornell University)|Jun 11, 2024

Energy Load and Power Forecasting被引用数 6

ひとこと要約

論文は OPFData を導入する。入手可能な solved AC-OPF 問題の最大級のコレクションを提供し、データ駆動モデルの訓練を可能にするトポロジー摂動を含む大規模な電力網を対象とする。

ABSTRACT

Solving the AC optimal power flow problem (AC-OPF) is critical to the efficient and safe planning and operation of power grids. Small efficiency improvements in this domain have the potential to lead to billions of dollars of cost savings, and significant reductions in emissions from fossil fuel generators. Recent work on data-driven solution methods for AC-OPF shows the potential for large speed improvements compared to traditional solvers; however, no large-scale open datasets for this problem exist. We present the largest readily-available collection of solved AC-OPF problems to date. This collection is orders of magnitude larger than existing readily-available datasets, allowing training of high-capacity data-driven models. Uniquely, it includes topological perturbations - a critical requirement for usage in realistic power grid operations. We hope this resource will spur the community to scale research to larger grid sizes with variable topology.

研究の動機と目的

• データ駆動手法のために、解かれた AC-OPF 問題の大型で公開可能なデータセットの必要性を動機づける。
• 実運用で典型的なトポロジー変化を含み、巨大なグリッド規模にスケールするデータセットを提供する。
• 摂動を含む AC-OPF の機械学習モデルの訓練とベンチマークを可能にする。
• 電力網最適化の速度と効率向上に関する研究を促進する。

提案手法

• 解かれた AC-OPF 問題インスタンスの大規模なコレクションを組み立て、公開する。
• 現実的なグリッド運用を反映するためにトポロジー摂动を取り入れる。
• データセットを高容量モデルの訓練にすぐに利用できるようにする。
• 可変トポロジーを伴うより大規模なグリッド規模へ向けたスケーラブルな研究を促進するよう、データセットを位置づける。

実験結果

リサーチクエスチョン

• RQ1 トポロジー摂動を伴う解かれた AC-OPF 問題の大規模で公開可能なデータセットは、データ駆動型最適化手法を加速させることができるか？
• RQ2 このようなデータセットで訓練されたデータ駆動モデルは、訓練分布を超えるトポロジーやグリッドサイズにどの程度一般化するか？
• RQ3 AC-OPF 解法の性能と訓練の安定性に対するトポロジー摂動の実用的影響は何か？

主な発見

• このデータセットは、これまでで最大級の、すぐ利用可能な solved AC-OPF 問題のコレクションである。
• トポロジー摂動を独自に含んでおり、グリッド運用の現実性という重要な要件に対応している。
• このリソースは、可変トポロジーを伴うより大規模なグリッドサイズでの高容量データ駆動モデルの訓練を可能にすることを意図している。