[論文レビュー] Sparse Oblique Decision Tree for Power System Security Rules Extraction and Embedding

Qingchun Hou, Ning Zhang+4 more|arXiv (Cornell University)|Apr 20, 2020

Optimal Power Flow Distribution参考文献 29被引用数 7

ひとこと要約

本稿では、経済 dispatch モデルに埋め込める解釈可能で線形なセキュリティルールを、電力系統データから抽出するため、スパースな重み付き傾斜決定木を提案する。再帰的アルゴリズムを用いてスパース行列を生成することで、セキュリティ制約の Big-M 形式が効率的に行え、高再生可能エネルギー導入率のシステムにおいて、安全運転状態の割合を著しく向上させるとともに、解法時間を短縮する。

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.

研究の動機と目的

• 高再生可能エネルギー導入に伴う増大する不確実性下でも、電力系統のセキュリティを維持する課題に対処すること。
• 経済 dispatch モデルに直接埋め込める、解釈可能なデータ駆動型セキュリティルールを開発すること。
• 抽出されたルールが線形であり、リアルタイム運用に適した計算効率性を確保すること。
• 従来の傾斜決定木手法と比較して、セキュリティルール抽出の正確性と単純性を向上させること。
• スパース行列表現と Big-M 法の統合を活用し、セキュリティ制約のスケーラブルな展開を可能にすること。

提案手法

• 高次元の電力系統状態空間における線形意思決定境界を学習するスパースな重み付き傾斜決定木を提案する。
• 再帰的アルゴリズムを用いて、意思決定木からスパース行列を抽出し、非ゼロ要素を最小限に抑えて計算効率を向上させる。
• Big-M 法を用いてセキュリティ制約を定式化し、混合整数プログラミングフレームワークに直接統合可能にする。
• 重要なセキュリティマージンを優先するため、重み付き傾斜分割を適用し、意思決定境界の正確性を向上させる。
• スパース正則化による木構造最適化により、モデルの複雑さと解釈可能性のバランスを図る。
• 一般化を保証するため、大規模な電力系統データセットと高再生可能エネルギー出力環境でモデルを学習する。

実験結果

リサーチクエスチョン

• RQ1 スパースな傾斜決定木は、高次元の電力系統データから解釈可能で線形なセキュリティルールを効果的に抽出できるか？
• RQ2 抽出された行列のスパarsity は、経済 dispatch モデルに埋め込んだ際の計算効率にどのように影響するか？
• RQ3 提案手法は、最先端手法と比較して、安全運転状態の割合をどの程度向上させるか？
• RQ4 経済 dispatch において、高い正確性を維持しながら、解法時間を著しく短縮できるか？
• RQ5 抽出されたルールは、再生可能エネルギー導入率の異なる状況において、どの程度一般化性能を示すか？

主な発見

• スパースな重み付き傾斜決定木は、最先端の重み付き傾斜決定木と比較して、正確性とルールの単純さの両面で優れている。
• Big-M 法を介して埋め込まれた抽出セキュリティルールは、高再生可能エネルギー導入率の高いテストケースにおいて、安全運転状態の割合を向上させた。
• 本手法は、制約をスパース行列として効率的に表現することで、経済 dispatch における平均解法時間を短縮した。
• 再帰的抽出アルゴリズムは、非ゼロ要素を最小限に抑えたスパース行列を効果的に生成し、最適化を効率的に行った。
• 本アプローチは、複数の大規模データセットにおいても頑健な性能を示し、スケーラビリティと一般化性能を確認した。
• モデルから導出された線形で解釈可能なルールは、電力系統セキュリティ連携におけるリアルタイム展開に適している。