Zero-shot Learning Optimal Flow with Graph Neural Networks

CHRIS HUNKELER/FLICKR (CC BY-SA 2.0)

Motivação

O Optimal Power Flow (OPF) visa minimizar o custo total de geração em uma rede de energia. Abordagens tradicionais para a resolução deste problema apresentam elevado custo computacional e escalabilidade limitada.

Assim, metodologias baseadas em Graph Neural Networks (GNNs) ganharam destaque nos últimos anos, impulsionando inúmeras pesquisas nesta área.

Objetivos

Este projeto visa desenvolver um modelo baseado em GNNs para computação eficiente do OPF em redes elétricas. Além de superar algoritmos tradicionais em termos de velocidade de processamento e escalabilidade, a arquitetura proposta deve ser capaz de adaptar-se a topologias de rede não vistas durante o treinamento (zero-shot).

Metodologia

Arquitetura do modelo proposto.

Fonte: do autor.

A primeira etapa do trabalho consistiu na reprodução do modelo de GNN proposto por Donon et al., desenvolvido para a computação do fluxo de potência em redes elétricas.

Em seguida, esta arquitetura foi adaptada para as especifidades do problema do OPF. A arquitetura final é mostrada na figura ao lado.

Finalmente, a performance do modelo foi avaliada em diversas redes e comparada a um solver padrão em termos de custo total de geração e de tempo de computação.

Resultados

Conforme se pode observar na figura a seguir à esquerda, o modelo proposto leva, em média, a um custo de geração menor que o método tradicional. Ademais, a arquitetura é capaz de adaptar-se a diversas redes - mesmo àquelas não observadas no treinamento.

Em termos de escalabilidade, a figura abaixo à direita demonstra que, à medida que o tamanho da rede aumenta, a GNN tem escalabilidade aprimorada em relação a abordagens tradicionais. No caso mais complexo, o tempo de computação da GNN é três ordens de grandeza menor quando comparado a um solver padrão.

Custo de geração relativa de um modelo treinado no case300.

Fonte: do autor.

Tempo de computação de um modelo treinado no case2383wp.

Fonte: do autor.

Conclusão

Neste projeto foi desenvolvida uma arquitetura de GNN generalizável e escalável para resolver o problema do OPF. Como demonstrado pela avaliação em diversas redes de energia, o modelo é capaz de computar o OPF de uma rede elétrica muito mais rapidamente que metodologias tradicionais. Assim, pode-se concluir que os objetivos deste trabalho foram alcançados com sucesso.