[論文レビュー] Verification and Validation of Physics-Informed Surrogate Component Models for Dynamic Power-System Simulation

Petros Ellinas, Indrajit Chaudhuri+2 more|arXiv (Cornell University)|Mar 18, 2026

Model Reduction and Neural Networks被引用数 0

ひとこと要約

論文は、微分代数系パワーシステムシミュレーター内に組み込まれた物理情報を備えた代替部品モデルの検証と妥当性確認のフレームワークを提案し、界面誤差とシステム感度を結ぶ有限ホライズン境界を導出し、同期機モデルの物理情報付きニューラルネット surrogateを用いて実証する。

ABSTRACT

Physics-informed machine learning surrogates are increasingly explored to accelerate dynamic simulation of generators, converters, and other power grid components. The key question, however, is not only whether a surrogate matches a stand-alone component model on average, but whether it remains accurate after insertion into a differential-algebraic simulator, where the surrogate outputs enter the algebraic equations coupling the component to the rest of the system. This paper formulates that in-simulator use as a verification and validation (V\&V) problem. A finite-horizon bound is derived that links allowable component-output error to algebraic-coupling sensitivity, dynamic error amplification, and the simulation horizon. Two complementary settings are then studied: model-based verification against a reference component solver, and data-based validation through conformal calibration of the component-output variables exchanged with the simulator. The framework is general, but the case study focuses on physics-informed neural-network surrogates of second-, fourth-, and sixth-order synchronous-machine models. Results show that good stand-alone surrogate accuracy does not by itself guarantee accurate in-simulator behavior, that the largest discrepancies concentrate in stressed operating regions, and that small equation residuals do not necessarily imply small state-trajectory errors.

研究の動機と目的

• DAEベースのパワーシステムシミュレータ内で動的部品を surrogate に置き換える際の simulator-level 精度の必要性を動機付ける。
• 代数結合感度と動的誤差増幅とを結びつけ、許容される部品出力誤差と境界条件を有限ホライズンで結ぶ境界を導出する。
• 微分可能な worst-case 検索と適合補正を組み合わせた検証と妥当性確認の方法論を提供する。
• 第2次、第4次、第6次順の同期機モデルの PIML surrogate にフレームワークを適用し、物理情報付きニューラルネット surrogate を実証する。

提案手法

• サロゲートを微分代数パワーシステムモデルに組み込み、シミュレータとやり取りする界面変数を定義する。
• アルジェブラマップとダイナミクスのリプシッツ定数を用いて、界面誤差の境界を与えられた場合の simulator-level 誤差を認証する有限ホライズン境界を導出する。
• モデルベースの検証には微分可能な worst-case 検索（勾配ベース）を、界面変数のデータベースベース妥当性確認には適合補正を用いる。
• SM2、SM4、SM6 の PIML surrogate にフレームワークを適用し、最大誤差が生じる箇所を分析する。

実験結果

リサーチクエスチョン

• RQ1 界面変数の境界が与えられたとき、 surrogate 部品モデルはシミュレータ内で十分に正確に使用できるのか。
• RQ2 代数結合感度と動的増幅は surrogate の simulator-level 誤差にどのように影響するのか。
• RQ3 検証（モデルベース）と妥当性確認（データベースベース）を組み合わせて、DAEパワーシステムシミュレータへの surrogate 展開を認証できるのか。
• RQ4 ストレス下の運転領域や異なる機械順序モデルにおいて、物理情報付き surrogate にどのような故障モードが現れるのか。

主な発見

• 有限ホライズン受入れ境界が導出され、許容される部品出力誤差を結合感度、動的増幅、そしてホライズンと結ぶ。
• 良好な独立した surrogate の精度が、シミュレータ内の挙動の正確さを保証するとは限らない。
• 最大の相違はストレス運転領域や運転域境界付近に集中する。
• 残差方程式の満足は、必ずしもシミュレーションにおける小さな状態軌道誤差を意味しない。
• 適合補正による界面変数の妥当性確認は、シミュレータ関連誤差を境界づけ、定理1と関連づけられる。