Rethinking Neural Width for Alternating Current Optimal Power Flow Proxies

Technisches Resümee: Überdenken der neuronalen Breite für Proxies der Wechselstrom-Optimalen Leistungsflussberechnung (ACOPF)

Problemstellung
Deep-Learning-Proxies für die Wechselstrom-Optimale Leistungsflussberechnung (ACOPF) werden zunehmend eingesetzt, um schnelle, approximative Lösungen für den Netzbetrieb und das Contingency-Screening bereitzustellen. Derzeitige Methodologien lassen jedoch systematische Ansätze zur Bestimmung der notwendigen architektonischen Größe dieser Netzwerke vermissen. Der vorherrschende Trend stützt sich auf „Überparametrisierung“ – die Skalierung von Modellbreite und -tiefe, um die Genauigkeit zu verbessern. Während dies in datenreichen Umgebungen effektiv ist, schafft dieser Ansatz erhebliche Haftungsrisiken für Energiesysteme: Große, opake tiefe neuronale Netze (DNNs) sind ressourcenintensiv für den Einsatz an der Edge und, entscheidend, schwer formal verifizierbar. In sicherheitskritischen Netzbetrieben stellt die Unfähigkeit, die Einhaltung physikalischer Grenzen eines Modells zu verifizieren, ein Risiko für die Netzsicherheit dar. Die bestehende Literatur zeigt eine große Variabilität der Schichtbreiten für dasselbe System (z. B. IEEE-118); einige Modelle nutzen über 1.000 Neuronen pro Schicht, was Fragen nach der Notwendigkeit einer solchen Kapazität aufwirft.

Methodik: Verlustgesteuerte neuronale Verdichtung (Loss-Guided Neural Densification, LG-ND)
Um das Fehlen einer systematischen Dimensionierung zu adressieren, schlagen die Autoren ein konstruktives Gedankenexperiment vor: die Bestimmung der minimalen neuronalen Netzwerkbreite, die erforderlich ist, um die ACOPF-Mannigfaltigkeit akkurat zu approximieren. Sie führen den Algorithmus der Verlustgesteuerten neuronalen Verdichtung (LG-ND) ein, der den Standard-Designprozess invertiert. Anstatt mit einem großen Modell zu beginnen und dieses zu beschneiden (Pruning), beginnt LG-ND mit einer minimalen, absichtlich unterparametrisierten Architektur und erweitert die Kapazität nur dann inkrementell, wenn es notwendig ist.

Der Algorithmus arbeitet wie folgt:

1. Initialisierung: Der Proxy $f_\phi$ wird mit minimaler Kapazität initialisiert (z. B. kleine verborgene Schichten).
2. Training & Evaluierung: Das Modell wird unter Verwendung des Mean Squared Error (MSE)-Verlustes auf Last-Lösungs-Paaren, die durch einen numerischen ACOPF-Solver generiert wurden, bis zur Konvergenz trainiert.
3. Verdichtungslogik: Der Validierungsverlust ($L$) dient als Metrik für die Fähigkeit des Modells, die nicht-konvexe ACOPF-Mannigfaltigkeit zu erfassen und physikalische Randbedingungen zu erfüllen.
   • Wenn der aktuelle Validierungsverlust steigt ($L < L^\star$), wird der Modellzustand gespeichert und die verborgenen Schichten werden um eine feste Schrittweite ($\Delta = 10$ Neuronen) erweitert.
   • Wenn der Verlust keine Verbesserung zeigt ($L \ge L^\star$), stoppt der Verdichtungsprozess, und das aktuelle Modell wird als die minimal ausreichende Architektur zurückgegeben.
4. Machbarkeitsanalyse: Um den Trade-off zwischen Optimalität und strikter physikalischer Durchführbarkeit zu untersuchen, evaluieren die Autoren auch eine „geclippte“ Variante des Modells. Während der Inferenz wird ein koordinatenweiser Clipping-Operator auf begrenzte Ausgabevariablen (Spannungsmagnituden, Erzeuger-Setpoints) angewendet, um operative Grenzwerte ($y^{min} \le y \le y^{max}$) zu erzwingen.

Zentrale Beiträge

• Konstruktiver Dimensionierungsrahmen: Die Arbeit rahmt die Modellkapazität nicht als statischen Hyperparameter, sondern als dynamische Variable, die von der Komplexität der Netzphysik abhängt, wobei LG-ND genutzt wird, um die „minimal ausreichende Breite“ zu entdecken.
• Architektonischer Minimalismus: Die Studie zeigt, dass eine hochpräzise ACOPF-Approximation keine massive Überparametrisierung erfordert.
• Enabler für formale Verifikation: Durch die Beschränkung der Netzwerkbreite auf die strikte physikalische Notwendigkeit (Reduzierung der Neuronen von typischen Werten von >512 auf ~50) werden die resultierenden kompakten Architekturen rechnerisch handhabbar für formale Sicherheitsverifikationswerkzeuge (z. B. $\alpha,\beta$-CROWN), die auf Branch-and-Bound-Methoden basieren, welche mit der Breite aggressiv skalieren.

Empirische Ergebnisse
Das LG-ND-Framework wurde an IEEE 57-Bus- und 118-Bus-Systemen evaluiert, wobei die adaptiven „schlanken“ Modelle gegen Standard-Baselines (Naïve MSE, Naïve MAE und Penalty-basierte Methoden) mit festen, großen Breiten (472 Neuronen pro Schicht) verglichen wurden.

• Leistungsparität bei reduzierter Kapazität: Beim IEEE-118-System erreichte das LG-ND-Modell eine Größe der verborgenen Schicht von nur 50 Neuronen (2 Schichten), was insgesamt ~32k Parameter entspricht. Dies sind etwa 10-mal weniger Neuronen pro Schicht und eine 15,5-mal geringere Inferenzkomplexität (bezogen auf Parameter/FLOPs) im Vergleich zu den 472-Neuronen-Baselines.
• Überlegene Genauigkeit und Durchführbarkeit:
  • Optimalitätslücke: Das LG-ND-Modell erreichte eine Gap% von 0,0517% und übertraf damit die Naïve MSE-Baseline (0,5474%) und die Penalty-basierten Methoden (bis zu 1,90%) signifikant.
  • Randbedingungserfüllung: Das LG-ND-Modell zeigte einen mittleren Gleichheits-Residual von 0,0485 p.u., was fast fünfmal besser ist als die Naïve MSE-Baseline (0,2152 p.u.).
  • Gedoppelte Leistung (Clipped Performance): Bei Anwendung des Constraint-Clippings behielt das LG-ND-Modell eine niedrige Gap% von (0,0691%) bei, während es einen mittleren Gleichheits-Residual von 0,0399 p.u. und null mittlere Ungleichheitsverletzungen erreichte. Im Gegensatz dazu mussten breitere Baseline-Modelle oft Clipping verwenden, um große Unzulänglichkeiten zu korrigieren, was zu einer verschlechterten Gleichheitskonsistenz oder größeren Optimalitätslücken führte.
• Robustheit: Die Analyse am IEEE-57-System zeigte, dass das adaptive Modell mit zunehmender Anzahl an Trainingsproben zu einer stabilen „schlanken“ Architektur (40–140 Neuronen insgesamt) konvergierte, wobei die physikalischen Residuen (Wirkleistung/Blindleistung und Spannung) scharf abfielen, was die erfolgreiche Auflösung der nichtlinearen Leistungsflüsse bestätigte.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass der vorgeschlagene architektonische Minimalismus entscheidend für die formale Verifikation ist, die für den sicherheitskritischen Netzbetrieb erforderlich ist. Durch den Nachweis, dass ACOPF-Proxies eine hohe Leistung mit bis zu zehnmal weniger Neuronen als die aktuelle Literatur-Baseline erzielen können, beseitigt diese Arbeit eine primäre Barriere für den Netzeinsatz: die Unhandlichkeit der Verifikation massiver „Black-Box“-Netzwerke. Die Autoren betonen, dass die Reduzierung der Breite auf die strikte physikalische Notwendigkeit des Systems sicherstellt, dass der Proxy für rigorose Sicherheitsprüfungen (wie sie durch $\alpha,\beta$-CROWN möglich sind) zugänglich bleibt, was die sichere Integration von ML-basierten Surrogaten in Echtzeit-Netzkontrollschleifen ermöglicht. Die Studie kommt zu dem Schluss, dass massive Überparametrisierung für eine genaue ACOPF-Approximation unnötig ist und dass schlanke, verifizierbare Modelle für kritische Infrastrukturen inhärent zuverlässiger sind.