Powerformer: A Section-adaptive Transformer for Power Flow Adjustment

要約

この論文では、さまざまな送電セクションにわたる電力潮流調整のための電力供給の最適化を目指す、ロバストな電力システム状態表現を学習するために調整された新しい変圧器アーキテクチャを紹介します。
具体的には、Powerformer と呼ばれる私たちが提案するアプローチは、従来の変圧器で使用されていたセルフ アテンションから独立した、専用のセクション適応アテンション メカニズムを開発します。
このメカニズムは電力システムの状態を送電セクションの情報と効果的に統合し、堅牢な状態表現の開発を促進します。
さらに、電力システムのグラフ トポロジーとバス ノードの電気的属性を考慮することで、表現力をさらに強化するための 2 つのカスタマイズされた戦略、グラフ ニューラル ネットワークの伝播と多要素注意メカニズムを導入します。
広範な評価は、IEEE 118 バス システム、中国の現実的な 300 バス システム、および 9241 バスを備えた大規模なヨーロッパ システムを含む 3 つの電力システム シナリオで実施され、Powerformer がいくつかのベースライン方式よりも優れたパフォーマンスを実証しています。

要約(オリジナル)

In this paper, we present a novel transformer architecture tailored for learning robust power system state representations, which strives to optimize power dispatch for the power flow adjustment across different transmission sections. Specifically, our proposed approach, named Powerformer, develops a dedicated section-adaptive attention mechanism, separating itself from the self-attention used in conventional transformers. This mechanism effectively integrates power system states with transmission section information, which facilitates the development of robust state representations. Furthermore, by considering the graph topology of power system and the electrical attributes of bus nodes, we introduce two customized strategies to further enhance the expressiveness: graph neural network propagation and multi-factor attention mechanism. Extensive evaluations are conducted on three power system scenarios, including the IEEE 118-bus system, a realistic 300-bus system in China, and a large-scale European system with 9241 buses, where Powerformer demonstrates its superior performance over several baseline methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google