⚡ electrical engineering

Permutation-Equivariant Deep Equilibrium Networks for Real-Time Single-Bus DER Dispatch with O(1) Parameter Scaling

Este artículo propone una Red de Equilibrio Profundo con Transformer con permutación-equivariante (DERDEQN) que logra un escalado de parámetros de O(1) e inferencia en tiempo real para el despacho de miles de recursos energéticos distribuidos heterogéneos mediante el aprendizaje de equilibrios competitivos y precios de liquidación a través de un proceso de entrenamiento no supervisado y sin etiquetas basado en las condiciones de liquidación del mercado y de KKT.

Autores originales: Jiang Zhan, Guofeng Liang, SiQi Chen, Tong Su, Fanrong Feng

Publicado 2026-07-06

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jiang Zhan, Guofeng Liang, SiQi Chen, Tong Su, Fanrong Feng

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La visión general: Dirigiendo una orquesta gigantesca

Imagine que la red eléctrica es una enorme orquesta. En lugar de músicos, los "intérpretes" son miles de dispositivos diferentes: coches eléctricos (EV), baterías domésticas y electrodomésticos flexibles como aires acondres acondicionados. El director es el Precio en Tiempo Real, que cambia cada 15 minutos para decirle a todos cuándo tocar (usar energía) y cuándo descansar (ahorrar energía).

El objetivo es lograr que todos estos dispositivos trabajen juntos perfectamente para que el consumo total de energía coincida con la energía total disponible, sin que nadie se quede sin batería o pierda un plazo de entrega.

El Problema:
Cuando hay pocos intérpretes, el director puede decirles fácilmente qué hacer. Pero cuando tienes 5.000 intérpretes, intentar dar instrucciones individuales a cada uno usando matemáticas tradicionales es como intentar resolver un rompecabezas de un millón de piezas mientras corres un maratón. Toma demasiado tiempo (es demasiado lento para el tiempo real) y requiere un cerebro informático que se vuelve más grande y pesado a medida que añades más intérpretes.

La Solución: Un director "inteligente" con una memoria mágica

Los autores crearon un nuevo tipo de IA llamada Red de Equilibrio Profundo con Permutación Equivariante (DER-DEQN). Piense en esto como un director superinteligente que ha aprendido un truco especial: no necesita memorizar el nombre de cada uno de los violinistas. Solo necesita saber el tipo de instrumento y la sección de la orquesta.

Así es como funciona su solución, dividida en tres superpoderes principales:

1. El cerebro "O(1)" (El truco de la memoria plana)

La forma antigua (MLP): Imagine una IA tradicional como un estudiante que tiene que escribir un manual de instrucciones único para cada dispositivo. Si añades 100 coches eléctricos más, el estudiante tiene que escribir 100 páginas más. El manual se vuelve enorme y el estudiante se siente abrumado.
La nueva forma (Transformer): La IA de los autores es como un maestro chef con una única receta perfecta. Ya sea que esté cocinando para 50 personas o para 5.000, el libro de recetas mantiene exactamente el mismo tamaño. Simplemente aplica las mismas reglas a los nuevos ingredientes.
El Resultado: El "tamaño del cerebro" de la IA (número de parámetros) se mantiene diminuto y constante, sin importar cuántos dispositivos se añadan. Puede manejar 5.000 dispositivos con el mismo esfuerzo mental que 50.

2. La regla de "Simetría" (La analogía de los gemelos idénticos)

El Concepto: Si tienes dos coches eléctricos idénticos con el mismo nivel de batería y el mismo plazo de entrega, deben recibir la misma instrucción.
La forma antigua: Las IA tradicionales a menudo se confunden. Si intercambias los nombres de los dos coches, la IA podría darles instrucciones diferentes, lo cual es injusto e ineficiente.
La nueva forma: Esta IA es "Permutación Equivariante". Entiende que si intercambias a dos gemelos idénticos, las instrucciones simplemente deben intercambiarse con ellos. Trata a los dispositivos idénticos como idénticos. El artículo muestra que esto funciona con una precisión casi perfecta (como una máquina que nunca comete errores en esta regla específica).

3. Aprender sin un profesor (El bucle de "autocorrección")

El Desafío: Normalmente, para enseñar a una IA, necesitas un "profesor" que le muestre la respuesta perfecta (datos etiquetados). Pero encontrar la respuesta perfecta para 5.000 dispositivos es tan difícil que incluso el profesor aún no la conoce.
El Truco: Esta IA aprende revisando su propia tarea. No necesita un profesor. En su lugar, tiene un conjunto de reglas (las "Condiciones de Equilibrio"):
1. ¿Se equilibra la potencia? (Suministro = Demanda)
2. ¿Están contentos los dispositivos? (¿Obtuvieron el mejor trato para su batería?)
3. ¿Se cumplen las restricciones? (¿Se cargó el coche a tiempo?)
La IA hace una suposición, revisa estas reglas, ve en qué se equivocó y se ajusta a sí misma. Sigue haciendo esto hasta que los "errores" (residuales) son minúsculos. Es como un músico que practica solo hasta que puede tocar perfectamente sin un director.

Los Resultados: Velocidad y Escala

Los autores probaron esto en dos potentes tarjetas gráficas (como computadoras de gama alta para juegos):

Velocidad: Cuando hay 5.000 dispositivos, los métodos antiguos (resolver ecuaciones matemáticas complejas) toman minutos o incluso horas. Esta nueva IA toma una decisión en 8,8 milisegundos. Eso es más rápido que un parpadeo humano. Es lo suficientemente rápida como para ser utilizada en tiempo real, despacho segundo a segundo.
Escala: La IA funciona perfectamente para 5.000 dispositivos. Los métodos antiguos colapsarían o tardarían demasiado a ese tamaño.
Precisión: La IA acierta en el "panorama general" (el mercado se liquida y las restricciones se cumplen). Sin embargo, los autores admiten un pequeño fallo: aunque acierta el precio general, no obtiene el beneficio teórico perfecto para cada dispositivo el 100% de las veces. Es "suficientemente bueno" para el uso en el mundo real, pero no es matemáticamente perfecto en cada pequeño detalle.

Resumen

El artículo presenta un nuevo director de IA que puede gestionar miles de dispositivos de energía instantáneamente.

Es eficiente: El tamaño de su cerebro no crece a medida que la multitud aumenta.
Es justo: Trata a los dispositivos idénticos de forma idéntica.
Es rápido: Toma decisiones en menos de 10 milisegundos.
Se enseña a sí mismo: Aprende revisando sus propias reglas en lugar de necesitar que un profesor le muestre las respuestas.

Esto permite que las redes eléctricas gestionen flotas masivas de coches eléctricos y baterías en tiempo real, algo que antes era demasiado lento y complejo para las computadoras.

Resumen Técnico: Redes de Equilibrio Profundo con Permutación-Equivariante para el Despacho de DER en Tiempo Real en un Solo Bus

1. Formulación del Problema

El artículo aborda el desafío del despacho en tiempo real para Recursos Energéticos Distribuidos (DER) heterogéneos —específicamente Vehículos Eléctricos (EV), almacenamiento de baterías detrás del medidor (ST) y cargas flexibles de respuesta a la demanda (DR)— bajo un esquema de precios en tiempo real de un solo bus.

La dificultad central radica en resolver un equilibrio restringido de alta dimensión en cada intervalo de despacho (por ejemplo, cada 15 minutos). En este entorno:

Dinámica de los Dispositivos: Cada dispositivo $i$ optimiza su uso energético intertemporal sujeto a restricciones físicas (límites de Estado de Carga, ventanas de carga, límites de potencia) y parámetros específicos del dispositivo (por ejemplo, la urgencia de los EV, la elasticidad de la DR).
Liquidación del Mercado: Un único precio en tiempo real $\lambda(t)$ debe liquidar el balance de potencia agregado, acoplando a todos los $N$ dispositivos.
Cuellos de Botella de Escalabilidad:
1. Maldición de la Dimensionalidad: Los programas convexos o mixtos-enteros centralizados se vuelven prohibitivamente lentos a medida que $N$ escala a miles.
2. Interacción entre Dispositivos: Los dispositivos están acoplados únicamente a través del balance agregado y el precio, una estructura que las arquitecturas estándar totalmente conectadas no logran explotar eficientemente.
3. Latencia en Tiempo Real: Resolver problemas de optimización en cada intervalo no logra cumplir con los estrictos presupuestos de latencia (5–15 minutos) para flotas grandes.

Los enfoques de aprendizaje existentes son típicamente supervisados, lo que requiere datos etiquetados costosos generados por resolvedores fuera de línea, y a menudo sufren de una mala escalabilidad con $N$ .

2. Metodología: DER-Transformer-DEQN

Los autores proponen una Red de Equilibrio Profundo con Transformer de Permutación-Equivariante (DER-DEQN). Este enfoque plantea el problema de despacho como un equilibrio competitivo y aprende la política y el precio de liquidación simultáneamente sin datos etiquetados.

A. Formulación de Equilibrio Competitivo

El problema se modela como un equilibrio competitivo donde:

Los dispositivos son tomadores de precios que maximizan el valor intertemporal dado $\lambda(t)$ .
El precio $\lambda(t)$ es la variable dual de la restricción de liquidación del mercado.
Esta estructura es análoga al equilibrio del mercado de bonos con agentes heterogéneos resuelto por los métodos originales de DEQN, pero adaptado para sistemas de potencia.

B. Arquitectura: Escalado de Parámetros $O(1)$

La red utiliza una arquitectura Transformer para lograr una eficiencia de parámetros independiente del número de dispositivos $N$ :

Tokenización: El estado se serializa en un vector de contexto agregado $g(t)$ y $N$ tokens por dispositivo $h_i$ .
Pesos Compartidos: A diferencia de un Perceptrón de Capas Multicapa (MLP) donde los anchos de las capas de entrada/salida escalan con $N$ (resultando en $O(N)$ parámetros), el Transformer comparte pesos a través de todos los tokens de los dispositivos. El recuento de parámetros permanece en $O(1)$ independientemente del tamaño de la flota.
Codificación Posicional Compuesta: Para inyectar la estructura física necesaria manteniendo la permutación-equivariante, se añade una codificación posicional compuesta:
$PE_i = \text{TypeEmbed}(\tau_i) \oplus \text{WindowEmbed}(w_i) \oplus \text{FeederEmbed}(f_i) \oplus \text{SinRank}(r_i)$
Esto codifica el tipo de dispositivo, la ventana de disponibilidad, la clase de alimentador y un rango sinusoidal (desempate), rompiendo la simetría solo donde la identidad física lo dicta.

C. Pérdida de Equilibrio No Supervisada

El modelo se entrena sin etiquetas de despachos óptimos mediante la minimización del residuo de las condiciones de equilibrio. La función de pérdida $L$ consta de cinco componentes:

Valor Marginal Intertemporal (FOC): Análogo a las ecuaciones de Euler, asegurando que el valor marginal sea igual al precio para el almacenamiento, EV y DR.
KKT Power-Box: Condiciones de complementariedad para los límites de potencia.
KKT SoC-Bounds: Complementariedad para los límites de Estado de Carga.
KKT EV-Deadline: Condiciones para cumplir con la carga objetivo antes de la salida.
Liquidación del Mercado: El residuo de la ecuación de balance de potencia agregada, que determina el precio en tiempo real.

La pérdida utiliza una normalización de piso relativo para asegurar la invarianza de escala y la estabilidad del entrenamiento.

3. Contribuciones Clave

Formulación del Problema: Plantear el despacho de DER en un solo bus en tiempo real como un equilibrio competitivo estructuralmente análogo a los modelos macroeconómicos de agentes heterogéneos.
Diseño de Arquitectura: Introducir un Transformer-DEQN de permutación-equivariante con escalado de parámetros $O(1)$ en $N$ , contrastando con el escalado $O(N)$ de las líneas base de MLP estándar.
Inyección de Simetría: Rediseñar la codificación posicional para incorporar prioridades de tipo de dispositivo, ventana temporal y alimentador como los únicos términos de ruptura de simetría.
Entrenamiento Libre de Etiquetas: Diseñar una pérdida no supervisada basada en residuos de equilibrio (análogos de Euler, complementariedades KKT y liquidación de mercado) que no requiere etiquetas de despacho óptimo.
Validación Empírica: Demostrar las propiedades del método en dos escalas:
- Escala de Arquitectura ( $N=5000$ ): Validar la eficiencia de parámetros y la latencia.
- Calidad de Equilibrio ( $N=50$ ): Validar la convergencia de los residuos y la comparación de bienestar.

4. Resultados Experimentales

Los experimentos se realizaron en dos GPUs NVIDIA RTX 3090.

A. Escalado de Parámetros y Eficiencia

Parámetros: El modelo Transformer mantiene un número plano de 119,142 parámetros en todos los tamaños de flota ( $N=50$ a $5000$). En contraste, un MLP de base escala de $1.87 \times 10^6$ a $8.60 \times 10^7$ parámetros en $N=5000$ (una brecha de 720x).
Permutación-Equivarianza: El Transformer logra una equivariancia de precisión de máquina ( $\sim 2 \times 10^{-6}$ ) a través de las permutaciones, mientras que el MLP exhibe errores que crecen linealmente con $N$ .

B. Latencia en Tiempo Real

La política aprendida se ejecuta en 8.8 ms para $N=5000$ (latencia mediana), muy dentro del presupuesto de despacho de 5–15 minutos.
Esto es dos órdenes de magnitud más rápido que los resolvedores centralizados (CVXPY/CLARABEL) y significativamente más rápido que los enfoques de Programación Lineal Entera Mixta (MILP), que se vuelven intratables para $N$ grandes.

C. Calidad del Equilibrio y Bienestar

Convergencia de Residuos: En $N=50$ , los residuos de liquidación de mercado y KKT convergen a $\sim 10^{-4}$ , indicando un entrenamiento estable sin etiquetas.
Comparación de Bienestar: El despacho aprendido logra un bienestar competitivo comparado con el óptimo convexo centralizado. Sin embargo, el residuo del valor marginal intertemporal (FOC) se establece en un piso no nulo ( $\sim 0.6$ ).
Limitación: Debido a este piso de FOC y la escala de precio no anclada (Proposición 1), el despacho es aproximadamente, pero no exactamente, óptimo en términos de bienestar. El artículo señala que la trayectoria de precio de la política no sigue perfectamente la forma del precio dual del solver centralizado, lo que sugiere que la brecha es impulsada por el residuo de FOC más que por un simple desajuste de escala.

D. Restricciones de Entrenamiento

Aunque los parámetros escalan $O(1)$ , la memoria de activación de atención escala $O(N^2)$ . El entrenamiento en lote completo para $N=5000$ excede la memoria de la GPU (24 GB) debido a la matriz de atención $[B, H, N, N]$ . Por consiguiente, los resultados de calidad de equilibrio se reportan en $N=50$ , la escala más grande donde la pérdida no supervisada converge bajo el presupuesto de entrenamiento actual.

5. Significado y Reivindicaciones

El artículo afirma que este trabajo cierra la brecha entre la economía computacional y las operaciones de sistemas de potencia al permitir el despacho de flotas a escala en tiempo real en hardware comercial.

Escalabilidad: El escalado de parámetros $O(1)$ permite que una red de capacidad fija sirva a flotas de cualquier tamaño, eliminando la necesidad de reentrenar o redimensionar modelos a medida que los dispositivos se unen o dejan la red.
Viabilidad en Tiempo Real: Los tiempos de inferencia inferiores a 10 ms hacen que el método sea viable para ciclos de despacho donde la optimización centralizada falla.
Alineación Teórica: Al satisfacer las condiciones de equilibrio directamente, el método respeta la estructura económica del problema (coordinación mediada por precios) sin depender de la imitación supervisada de solvers fuera de línea.

Limitaciones Modestas Reconocidas:
Los autores declaran explícitamente que la paridad exacta de bienestar con los solvers centralizados sigue siendo un desafío abierto debido al residuo de piso no nulo de FOC. Además, el cuello de botella actual de memoria $O(N^2)$ para el entrenamiento de flotas grandes requiere la adopción futura de variantes de atención lineal o flash-attention para realizar plenamente el potencial del método en las escalas más grandes. El estudio actual se limita a un modelo de un solo bus sin restricciones de red.