[논문 리뷰] Generation of Synthetic Spatially Embedded Power Grid Networks

Saleh Soltan, Gil Zussman|arXiv (Cornell University)|2015. 08. 18.

Complex Network Analysis Techniques참고 문헌 29인용 수 4

한 줄 요약

이 논문은 실제 전력송전망의 구조적 및 공간적 특성을 반영하는 합성 공간 통합 전력망을 생성하기 위해 지리적 네트워크 학습자 및 생성자(Geographical Network Learner and Generator, GNLG) 알고리즘을 제안한다. 노드 배치에 대해 혼합 정규분포모형(Gaussian Mixture Models, GMM)을 사용하고, 연결성 확보를 위한 스패닝 트리 및 내구성 향상을 위한 엣지 추가와 같은 진화 기반 절차를 적용함으로써, 실제 전력망인 웨스턴 인터커넥션, SERC, FRCC와 유사한 차수 분포, 경로 길이, 군집 계수 및 선로 길이 분포를 갖는 네트워크를 성공적으로 생성하였다.

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.

연구 동기 및 목표

• 보안 및 개인정보 보호 문제로 인해 공개된 지리적 정확도를 갖춘 전력망 구조도 부족 문제를 해결하기 위해.
• 실제 송전망의 구조적 및 공간적 특성을 재현하는 합성 전력망 네트워크를 개발하기 위해.
• 실제 전력망의 취약점을暴露하지 않고도 네트워크 복원력 및 효율성 알고리즘의 성능 평가를 가능하게 하기 위해.
• 연구 목적에 적합한 재현 가능하고 조정 가능한, 익명화된 실존적인 전력망 구조를 제공하는 프레임워크를 마련하기 위해.

제안 방법

• 베이지안 정보 기준(Bayesian Information Criterion, BIC)을 통해 최적의 컴포넌트 수를 선택하여, 전력변전소의 공간 밀도를 추정하기 위해 혼합 정규분포모형(Gaussian Mixture Models, GMM)을 사용한다.
• 적합된 GMM에서 샘플링하여 원본 전력망의 공간 분포를 반영하는 합성 노드 위치를 생성한다.
• 네트워크의 연결성을 보장하기 위해 생성된 노드 위에 스패닝 트리를 구성함으로써, 전력망의 역사적 발전을 모방한다.
• 내구성을 향상시키기 위해 추가 엣지를 추가하며, 목표 전력망의 구조적 특성을 유사하게 만들기 위해 매개변수 조정을 통해 엣지 추가를 제어한다.
• 두 단계 연결 절차를 사용한다: 먼저 스패닝 트리를 통해 연결성 확보, 이후 제어된 엣지 추가를 통한 내구성 향상.
• κ, α, β, γ, N 등의 매개변수를 조정하여 합성 네트워크의 차수 분포, 군집도 및 선로 길이 특성을 校정한다.

실험 결과

연구 질문

• RQ1 실제 송전망의 공간 분포 및 구조적 특성을 정확히 반영하는 합성 전력망 네트워크를 생성할 수 있는가?
• RQ2 전력망의 역사적 발전—연결성과 내구성 우선 고려—을 어떻게 모델링하여 합성 네트워크 생성을 이끌 수 있는가?
• RQ3 GMM 기반 접근법이 웨스턴 인터커넥션(WI), SERC, FRCC와 같은 대규모 전력망에서 변전소의 공간 군집 특성을 어느 정도 잘 포괄할 수 있는가?
• RQ4 생성된 합성 네트워크가 실제 전력망의 평균 경로 길이, 군집 계수, 차수 분포 및 선로 길이 분포와 같은 핵심 지표를 재현할 수 있는가?
• RQ5 민감한 인프라 데이터를暴露하지 않고도 핵심적인 구조적 및 공간적 특성을 유지하는 익명화된 실존적인 전력망 구조를 생성하는 것은 가능한가?

주요 결과

• GNLG 알고리즘은 웨스턴 인터커넥션(WI), SERC, FRCC에 대해 실제 전력망의 구조적 특성과 유사한 합성 네트워크를 성공적으로 생성하였으며, 다양한 지표를 통해 검증되었다.
• WI의 경우, 합성 네트워크의 평균 경로 길이는 20.26(실제 19.71)였고 군집 계수는 0.048(실제 0.049)였으며, 선로 길이 분포에 대한 쿨백-라이블러 발산(Kullback-Leibler divergence)은 0.081이었다.
• SERC의 경우, 생성된 네트워크의 차수 분포 기울기는 -4.12(실제 -3.93)였고, 분포 간 K-S 통계량은 0.047로 강한 유사성을 보였다.
• FRCC의 경우, 합성 네트워크의 차수 분포 기울기는 -2.40(실제 -2.76)였으며, K-S 통계량은 0.032, 선로 길이 분포에 대한 KL 발산은 0.12로 높은 정밀도를 보였다.
• 알고리즘은 1,312개의 노드와 1,780개의 엣지를 갖는 FRCC 사례를 통해 더 작은 네트워크도 유사한 특성을 갖도록 생성할 수 있음을 입증하였다.
• 이 방법은 취약성 및 복원력 연구에 적합한 익명화된 네트워크 생성을 가능하게 하며, 표준 서버에서 WI의 경우 생성 시간이 3.5분 이내였다.