[논문 리뷰] Adversarially Robust Learning for Security-Constrained Optimal Power Flow

Priya L. Donti, Aayushya Agarwal외 3명|arXiv (Cornell University)|2021. 11. 12.

Adversarial Robustness in Machine Learning인용 수 8

한 줄 요약

이 논문은 전력망 고장 상황을 적대적 공격으로 모델링함으로써 확장 가능한 N-k 보안 제약 최적 전력 흐름(SCOPF)을 위한 유연한, 기울기 기반의 최소-최대 프레임워크인 CAN∂Y를 제안한다. 은닉 미분을 활용해 전력망 물리 법칙과 운영 결정을 통해 기울기를 효율적으로 계산함으로써, 4622bus 시스템에서 N-3 SCOPF를 21분 내에 해결했으며, 기준 OPF 대비 탇재 가능성을 3–4배 감소시켰다.

ABSTRACT

In recent years, the ML community has seen surges of interest in both adversarially robust learning and implicit layers, but connections between these two areas have seldom been explored. In this work, we combine innovations from these areas to tackle the problem of N-k security-constrained optimal power flow (SCOPF). N-k SCOPF is a core problem for the operation of electrical grids, and aims to schedule power generation in a manner that is robust to potentially k simultaneous equipment outages. Inspired by methods in adversarially robust training, we frame N-k SCOPF as a minimax optimization problem - viewing power generation settings as adjustable parameters and equipment outages as (adversarial) attacks - and solve this problem via gradient-based techniques. The loss function of this minimax problem involves resolving implicit equations representing grid physics and operational decisions, which we differentiate through via the implicit function theorem. We demonstrate the efficacy of our framework in solving N-3 SCOPF, which has traditionally been considered as prohibitively expensive to solve given that the problem size depends combinatorially on the number of potential outages.

연구 동기 및 목표

• 대규모 전력 시스템에서의 조합적 고장 시나리오로 인한 N-k SCOPF의 계산 비가역성 문제를 해결하기 위해.
• 최대 k개의 동시 고장에 견딜 수 있는 확장 가능한, 유연한 프레임워크를 개발하기 위해.
• 전력망 물리 법칙과 운영 결정의 은닉 미분을 통해 효율적인 기울기 기반 최적화를 가능하게 하기 위해.
• 수십억 개의 잠재적 N-3 고장 시나리오를 포함한 실제 시스템에서 실용적인 확장성을 입증하기 위해.

제안 방법

• 전력 조정을 수비자로, 고장 패tern을 적대적 공격으로 간주하여 N-k SCOPF를 연속적인 최소-최대 최적화 문제로 재구성한다.
• 고장 선택을 고장 공간에서의 프로젝션 기반 기울기 하강(PGD) 공격으로 모델링하며, 은닉 도함수로부터 기울기 정보를 활용한다.
• 은닉 함수 정리(implicit function theorem)를 적용하여 전력 흐름 물리 법칙과 고장 후 재조정을 나타내는 은닉 방정식의 해를 통해 도함수를 계산한다.
• 해결기 구조를 재사용하고, 구조적 기울기 계산을 통해 외부 최소화 단계의 계산 효율성을 최적화한다.
• 모든 N-k 시나리오를 명시적으로 열거하지 않기 위해 고장 집합의 연속적 근사치를 사용한다.
• 전체 SCOPF 파이프라인을 통해 끝에서 끝까지 역전파(backpropagation)를 가능하게 하기 위해 유연한 최적화 레이어를 통합한다.

실험 결과

연구 질문

• RQ1 실제 전력 시스템에서 N-1 또는 N-2 사례를 넘어서 N-k SCOPF를 확장하기 위해 적대적 공격에 강건한 최적화 기법을 어떻게 적용할 수 있는가?
• RQ2 은닉 미분을 어떻게 활용하여 전력 흐름 방정식과 고장 후 재조정 결정을 통해 기울기를 효율적으로 계산할 수 있는가?
• RQ3 기울기 기반 최소-최대 접근법은 기존 OPF 또는 N-1 SCOPF 솔버 대비 N-k 타당성 위반을 얼마나 줄일 수 있는가?
• RQ4 모든 고장 시나리오를 명시적으로 열거하지 않더라도, 대규모 시스템(예: 4622bus)에서 N-3 SCOPF에 대해 이 방법이 확장 가능한가?
• RQ5 공격 단계에서 식별된 악성 고장 시나리오들이 실제 시스템의 취약성과 어떻게 비교되는가?

주요 결과

• CAN∂Y는 실제 4622노드 전력 시스템에서 잠재적 고장 시나리오 수가 380억 개 이상인 N-3 SCOPF를 표준 랩탑에서 단 21분 만에 해결했다.
• 기준 최적 전력 흐름(OPF) 대비 N-3 타당성 위반 수를 3–4배 감소시켰다.
• 기준 N-1 SCOPF 솔버 대비 CAN∂Y는 N-3 위반 수를 거의 5배 감소시켜 보다 높은 차수의 고장에 대한 강건성을 입증했다.
• OPF가 기록한 4,086건의 N-3 위반 중 931건은 CAN∂Y에서도 동일하게 위반되었지만, 나머지 191건은 서로 겹치지 않아 상호 보완적인 강건성을 보였다.
• 반복 계산 비용이 k에 의존하지 않아 N-3에 대한 효율적 확장이 가능하며, 고장 시나리오 열거의 조합적 팽창을 피할 수 있었다.
• 기울기 기반 공격를 통해 최악의 고장을 효과적으로 식별함으로써, 적대적 강건성 원리가 전력망 최적화에 효과적으로 적용될 수 있음을 입증했다.