GENCO – Kararlı Durum Izgara Analizi için Geliştirme Çerçevesine Gömülü Birleşik Bir Sinir Çözücü

Özetle: Temel modeller iş iş akışlarını dönüştürüyor ve üretkenliği artırıyor, ancak katı fiziksel tutarlılığın zorunlu kılındığı güç sistemi analizi gibi mühendislik alanlarında büyük ölçüde eksik kalıyorlar.

Özet

Temel modeller iş iş akışlarını dönüştürüyor ve üretkenliği artırıyor, ancak katı fiziksel tutarlılığın zorunlu kılındığı güç sistemi analizi gibi mühendislik alanlarında büyük ölçüde eksik kalıyorlar. Tek bir mimari ve paylaşılan ağ temsili içerisinde güç akışını (PF), optimal güç akışını (OPF) ve durum tahminini (SE) yöneten, kararlı durum iletim şebekesi analizi için birleşik bir sinir çözücü olan GENCO'yu (GEometric Nöral Corrective Optimizer) sunuyoruz. Nöral güç sistemi çözümleyicilerindeki ilerlemeleri desteklemek için, sentetik veri üretimini ve düşük kodlu bir ortamda eğitimi standartlaştıran açık kaynaklı GridFM Geliştirme Çerçevesini sunuyoruz. Ayrıca tekrarlanabilir kıyaslamayı desteklemek için çeşitli ızgara topolojilerinde milyonlarca PF ve OPF senaryosunu içeren büyük ölçekli veri kümeleri yayınlıyoruz. GENCO'yu, Newton-Raphson ve IPOPT dahil olmak üzere en son teknolojiye sahip nöral çözümleyicilere ve klasik çözümleyicilere karşı PFDelta ve OPFData kriterlerinin yanı sıra gerçek dünyadaki Hydro-Québec SCADA verileriyle değerlendiriyoruz. Büyük ölçekli PF için GENCO, DC-PF düzeyinde aktif güç dengesi artıklarını eşleştirirken, DC-PF'nin sağlayamadığı voltaj büyüklükleri ve reaktif güç de dahil olmak üzere tam AC çalışma durumunu kurtarır. DC-PF'den yalnızca 2 kat daha uzun çalışma süresiyle Newton-Raphson'a göre 30 kata kadar hızlanma sağlar. OPF için, DC-OPF'ye göre fizibilite, optimallik ve çalışma süresini iyileştirirken IPOPT'a göre 85 kata kadar hızlanma sağlar. SE için GENCO, gürültülü ölçümlere ve ağ parametresi hatalarına karşı klasik ağırlıklı en küçük karelerden daha dayanıklıdır ve ağırlıklı en küçük kareler yakınsamadığında bile her zaman yüksek kaliteli bir tahmin döndürür. Birleşik mimari ve geliştirme çerçevesi birlikte, büyük ölçekli kararlı durum şebeke analizine yeni bir yaklaşım sağlayarak, güç sistemi mühendislerinin giriş engelini azaltır ve Şebeke Temel Modellerine doğru bir adım atar.

Orijinal Özet (İngilizce)

Foundation models are transforming business workflows and boosting productivity, yet they remain largely absent from engineering domains such as power system analysis, where strict physical consistency must be enforced. We present GENCO (GEometric Neural Corrective Optimizer), a unified neural solver for steady-state transmission grid analysis that handles power flow (PF), optimal power flow (OPF), and state estimation (SE) within a single architecture and shared network representation. To support advances in neural power system solvers, we introduce the open-source GridFM Development Framework, which standardizes synthetic data generation and training in a low-code environment. We also release large-scale datasets with millions of PF and OPF scenarios across diverse grid topologies to support reproducible benchmarking. We evaluate GENCO on the PFDelta and OPFData benchmarks against state-of-the-art neural solvers and classical solvers, including Newton-Raphson and IPOPT, as well as on real-world Hydro-Québec SCADA data. For large-scale PF, GENCO recovers the full AC operating state, including voltage magnitudes and reactive power that DC-PF cannot provide, while matching DC-PF-level active power-balance residuals. It achieves up to 30x speedups over Newton-Raphson at only 2x the runtime of DC-PF. For OPF, it achieves up to 85x speedups over IPOPT while improving feasibility, optimality, and runtime over DC-OPF. For SE, GENCO is more robust than classical weighted least squares to noisy measurements and network parameter errors, and always returns a high-quality estimate even when weighted least squares fails to converge. Together, the unified architecture and development framework provide a new approach to large-scale steady-state grid analysis, lowering the barrier to entry for power system engineers and marking a step toward Grid Foundation Models.

Kaynak: arXiv:2608.09921 · PDF