Rethinking Neural Width for Alternating Current Optimal Power Flow Proxies

Resumen Técnico: Replanteando el Ancho Neuronal para Proxies de Flujo de Potencia Óptimo de Corriente Alterna

Declaración del Problema
Los proxies de aprendizaje profundo para el Flujo de Potencia Óptimo de Corriente Alterna (ACOPF) se utilizan cada vez más para proporcionar soluciones rápidas y aproximadas para la despacho de red y el cribado de contingencias. Sin embargo, las metodologías actuales carecen de enfoques sistemáticos para determinar el tamaño arquitectónico necesario de estas redes. La tendencia predominante se basa en la "sobreparametrización"—escalando el ancho y la profundidad del modelo para mejorar la precisión. Si bien esto es efectivo en entornos ricos en datos, este enfoque crea responsabilidades significativas para los sistemas de potencia: las Redes Neuronales Profundas (DNN) grandes y opacas son intensivas en recursos para el despliegue en el borde (edge) y, críticamente, son difíciles de verificar formalmente. En operaciones de red de seguridad crítica, la incapacidad de verificar la adherencia de un modelo a los límites físicos plantea un riesgo para la seguridad de la red. La literatura existente muestra una gran variabilidad en el ancho de las capas para el mismo sistema (por ejemplo, IEEE-118), con algunos modelos utilizando más de 1,000 neuronas por capa, lo que plantea interrogantes sobre la necesidad de tal capacidad.

Metodología: Densificación Neuronal Guiada por la Pérdida (LG-ND)
Para abordar la falta de dimensionamiento sistemático, los autores proponen un experimento mental constructivo: determinar el ancho mínimo de la red neuronal requerido para aproximar con precisión la variedad (manifold) del ACOPF. Introducen el algoritmo de Densificación Neuronal Guiada por la Pérdida (LG-ND), el cual invierte el proceso de diseño estándar. En lugar de comenzar con un modelo grande y podarlo, el LG-ND comienza con una arquitectura mínima, intencionalmente subparametrizada, y expande la capacidad incrementalmente solo cuando es necesario.

El algoritmo opera de la siguiente manera:

1. Inicialización: El proxy $f_\phi$ se inicializa con una capacidad mínima (por ejemplo, capas ocultas pequeñas).
2. Entrenamiento y Evaluación: El modelo se entrena hasta la convergencia utilizando una pérdida de Error Cuadrático Medio (MSE) sobre pares de carga-solución generados por un resolvedor numérico de ACOPF.
3. Lógica de Densificación: La pérdida de validación ($L$) sirve como la métrica para la capacidad del modelo para capturar la variedad no convexa del ACOPF y satisfacer las restricciones físicas.
   • Si la pérdida de validación actual mejora ($L < L^\star$), el estado del modelo se guarda y las capas ocultas se expanden mediante un paso fijo ($\Delta = 10$ neuronas).
   • Si la pérdida no mejora ($L \ge L^\star$), el proceso de densificación se detiene y se devuelve el modelo actual como la arquitectura mínima suficiente.
4. Análisis de Factibilidad: Para estudiar la compensación entre la optimalidad y la factibilidad física estricta, los autores también evalúan una variante "recortada" (clipped) del modelo. Durante la inferencia, se aplica un operador de recorte por coordenada a las variables de salida acotadas (magnitudes de voltaje, consignas de generadores) para imponer los límites operativos ($y^{min} \le y \le y^{max}$).

Contribuciones Clave

• Marco de Dimensionamiento Constructivo: El artículo enmarca la capacidad del modelo no como un hiperparámetro estático, sino como una variable dinámica dependiente de la complejidad física de la red, utilizando LG-ND para descubrir el "ancho mínimo suficiente".
• Minimalismo Arquitectónico: El estudio demuestra que la aproximación de alta fidelidad del ACOPF no requiere una sobreparametrización masiva.
• Facilitador de Verificación Formal: Al restringir el ancho de la red a la necesidad física estricta (reduciendo las neuronas de valores típicos de >512 a ~50), las arquitecturas compactas resultantes se vuelven computacionalmente tratables para herramientas de verificación de seguridad formal (por ejemplo, $\alpha,\beta$-CROWN), que dependen de métodos de búsqueda y poda (branch-and-bound) que escalan agresivamente con el ancho.

Resultados Empíricos
El marco LG-ND fue evaluado en sistemas IEEE 57-bus y 118-bus, comparando los modelos "esbeltos" adaptativos contra líneas base estándar (MSE Naïve, MAE Naïve y métodos basados en penalización) con anchos fijos y grandes (472 neuronas por capa).

• Paridad de Desempeño con Capacidad Reducida: En el sistema IEEE-118, el modelo LG-ND logró un tamaño de capa oculta de solo 50 neuronas (2 capas), totalizando ~32k parámetros. Esto es aproximadamente 10 veces menos neuronas por capa y 15.5 veces menor complejidad de inferencia (en términos de parámetros/FLOPs) en comparación con las líneas base de 472 neuronas.
• Superioridad en Precisión y Factibilidad:
  • Brecha de Optimalidad (Gap%): El modelo LG-ND logró un Gap% de 0.0517%, superando significativamente a la línea base de MSE Naïve (0.5474%) y a los métodos basados en penalización (hasta 1.90%).
  • Satisfacción de Restricciones: El modelo LG-ND demostró un residuo de Igualdad Media de 0.0485 p.u., casi cinco veces mejor que la línea base de MSE Naïve (0.2152 p.u.).
  • Desempeño Recortado (Clipped): Al aplicar el recorte de restricciones, el modelo LG-ND mantuvo un bajo Gap% (0.0691%) mientras lograba un residuo de Igualdad Media de 0.0399 p.u. y cero violaciones de desigualdad media. En contraste, los modelos base más anchos a menudo requirieron el recorte para corregir grandes infactibilidades, lo que resultó en una consistencia de igualdad degradada o brechas de optimalidad mayores.
• Robustez: El análisis en el sistema IEEE-57 mostró que a medida que aumentaban las muestras de entrenamiento, el modelo adaptativo convergía a una arquitectura "esbelta" estable (40–140 neuronas totales), con residuos físicos (potencia activa/reactiva y voltaje) decayendo bruscamente, confirmando la resolución exitosa de las no linealidades del flujo de potencia.

Significancia y Reivindicaciones
El artículo sostiene que el minimalismo arquitectónico propuesto es crítico para la verificación formal requerida en las operaciones de red de seguridad crítica. Al demostrar que los proxies de ACOPF pueden mantener un alto desempeño con hasta diez veces menos neuronas que las líneas base de la literatura actual, este trabajo elimina una barrera primaria para el despliegue en la red: la intratabilidad de verificar redes masivas de "caja negra". Los autores afirman que reducir el ancho a la necesidad física estricta del sistema asegura que el proxy sea susceptible de controles de seguridad rigurosos (como los proporcionados por $\alpha,\beta$-CROWN), permitiendo así la integración segura de los sustitutos (surrogates) basados en ML en los bucles de control de la red en tiempo real. El estudio concluye que la sobreparametrización masiva es innecesaria para la aproximación precisa del ACOPF y que los modelos esbeltos y verificables son inherentemente más confiables para la infraestructura crítica.