[논문 리뷰] Sparse Oblique Decision Tree for Power System Security Rules Extraction and Embedding

Qingchun Hou, Ning Zhang외 4명|arXiv (Cornell University)|2020. 04. 20.

Optimal Power Flow Distribution참고 문헌 29인용 수 7

한 줄 요약

이 논문은 전력 시스템 데이터에서 이해할 수 있고 선형적인 보안 규칙를 추출하기 위해 희박한 가중치가 부여된 기울기 결정 트리를 제안한다. 이 규칙들은 경제적 발전 모델에 통합될 수 있다. 재귀 알고리즘을 사용하여 희박한 행렬을 생성함으로써, 보안 제약 조건을 Big-M 형식으로 효율적으로 표현할 수 있게 되었으며, 이는 고재생에너지 비율 시스템에서 안정된 운영 상태 비율을 크게 향상시키고 해법 시간을 단축시킨다.

ABSTRACT

Increasing the penetration of variable generation has a substantial effect on the operational reliability of power systems. The higher level of uncertainty that stems from this variability makes it more difficult to determine whether a given operating condition will be secure or insecure. Data-driven techniques provide a promising way to identify security rules that can be embedded in economic dispatch model to keep power system operating states secure. This paper proposes using a sparse weighted oblique decision tree to learn accurate, understandable, and embeddable security rules that are linear and can be extracted as sparse matrices using a recursive algorithm. These matrices can then be easily embedded as security constraints in power system economic dispatch calculations using the Big-M method. Tests on several large datasets with high renewable energy penetration demonstrate the effectiveness of the proposed method. In particular, the sparse weighted oblique decision tree outperforms the state-of-art weighted oblique decision tree while keeping the security rules simple. When embedded in the economic dispatch, these rules significantly increase the percentage of secure states and reduce the average solution time.

연구 동기 및 목표

• 고재생에너지 비율 증가로 인한 증가하는 불확실성 속에서도 전력 시스템의 안정성을 유지하는 데 도전 과제를 해결한다.
• 경제적 발전 모델에 직접 통합될 수 있는 이해할 수 있고 데이터 기반의 보안 규칙을 개발한다.
• 추출된 규칙들이 선형이면서 실시간 운영에 적합한 계산 효율성을 확보한다.
• 기존 기울기 결정 트리 방법에 비해 보안 규칙 추출의 정확성과 단순성을 향상시킨다.
• 희박한 행렬 표현과 Big-M 방법 통합을 통해 보안 제약 조건의 확장 가능한 구현을 가능하게 한다.

제안 방법

• 고차원 전력 시스템 상태 공간에서 선형 결정 경계를 학습하는 희박한 가중치가 부여된 기울기 결정 트리를 제안한다.
• 결정 트리에서 희박한 행렬을 추출하기 위해 재귀 알고리즘을 사용하여 비제로 요소 수를 최소화함으로써 계산 효율성을 높인다.
• Big-M 방법을 사용하여 보안 제약 조건을 수식화함으로써 혼합정수계획법 프레임워크에 직접 통합할 수 있도록 한다.
• 비중이 부여된 기울기 분할을 적용하여 중요한 보안 마진을 우선시하고 결정 경계의 정확도를 향상시킨다.
• 모델 복잡성과 해석 가능성의 균형을 맞추기 위해 희박성 정규화를 통해 트리 구조를 최적화한다.
• 일반화를 보장하기 위해 고재생에너지 발전이 많은 대규모 전력 시스템 데이터셋으로 모델을 훈련시킨다.

실험 결과

연구 질문

• RQ1 희박한 기울기 결정 트리는 고차원 전력 시스템 데이터에서 이해할 수 있고 선형적인 보안 규칙를 효과적으로 추출할 수 있는가?
• RQ2 추출된 행렬의 희박성이 경제적 발전 모델에 통합되었을 때 계산 효율성에 어떤 영향을 미치는가?
• RQ3 제안된 방법은 최첨단 기술에 비해 안정된 운영 상태 비율을 얼마나 향상시키는가?
• RQ4 경제적 발전에서 높은 정확도를 유지하면서 해법 시간을 크게 단축시킬 수 있는가?
• RQ5 다양한 수준의 재생에너지 비율에서 추출된 규칙는 얼마나 잘 일반화되는가?

주요 결과

• 희박한 가중치가 부여된 기울기 결정 트리는 정확성과 규칙의 단순성 측면에서 최첨단 가중치가 부여된 기울기 결정 트리보다 뛰어난 성능을 보였다.
• Big-M 방법을 통해 통합된 추출된 보안 규칙는 고재생에너지 비율이 높은 시험 케이스에서 안정된 운영 상태 비율을 증가시켰다.
• 희박한 행렬로 제약 조건을 효율적으로 표현함으로써 경제적 발전의 평균 해법 시간을 감소시켰다.
• 재귀적 추출 알고리즘이 비제로 요소 수가 최소화된 희박한 행렬을 성공적으로 생성하여 효율적인 최적화를 가능하게 하였다.
• 다양한 대규모 데이터셋에서 뛰어난 성능을 보이며 확장성과 일반화 능력을 확인하였다.
• 모델에서 유도된 선형적이고 이해할 수 있는 규칙들은 전력 시스템 보안 조율의 실시간 구현에 적합하다.