Rethinking Neural Width for Alternating Current Optimal Power Flow Proxies

Résumé Technique : Repenser la largeur neuronale pour les proxies d'Optimal Power Flow en courant alternatif

Énoncé du problème
Les proxys par apprentissage profond pour l'Optimal Power Flow en courant alternatif (ACOPF) sont de plus en plus utilisés pour fournir des solutions rapides et approximatives pour la répartition du réseau et l'examen des contingences. Cependant, les méthodologies actuelles manquent d'approches systématiques pour déterminer la taille architecturale nécessaire de ces réseaux. La tendance dominante repose sur la « sur-paramétrisation » — l'augmentation de la largeur et de la profondeur des modèles pour améliorer la précision. Bien qu'efficace dans des environnements riches en données, cette approche crée des passifs importants pour les systèmes électriques : les réseaux de neurones profonds (DNN) larges et opaques sont gourmands en ressources pour le déploiement en périphérie (edge) et, surtout, sont difficiles à vérifier formellement. Dans les opérations de réseau critiques pour la sécurité, l'incapacité à vérifier l'adhérence d'un modèle aux limites physiques pose un risque pour la sécurité du réseau. La littérature existante montre une grande variabilité dans la largeur des couches pour un même système (par exemple, IEEE-118), certains modèles utilisant plus de 1 000 neurones par couche, ce qui soulève des questions quant à la nécessité d'une telle capacité.

Méthodologie : Densification Neuronale Guidée par la Perte (LG-ND)
Pour remédier au manque de dimensionnement systématique, les auteurs proposent une expérience de pensée constructive : déterminer la largeur minimale du réseau de neurones requise pour approximer avec précision la variété (manifold) de l'ACOPF. Ils introduisent l'algorithme de Densification Neuronale Guidée par la Perte (LG-ND), qui inverse le processus de conception standard. Au lieu de partir d'un grand modèle et de le réduire (pruning), le LG-ND commence par une architecture minimale, intentionnellement sous-paramétrée, et augmente la capacité de manière incrémentielle uniquement lorsque cela est nécessaire.

L'algorithme fonctionne comme suit :

1. Initialisation : Le proxy $f_\phi$ est initialisé avec une capacité minimale (par exemple, de petites couches cachées).
2. Entraînement et Évaluation : Le modèle est entraîné jusqu'à la convergence en utilisant une perte d'erreur quadratique moyenne (MSE) sur des paires charge-solution générées par un solveur ACOPF numérique.
3. Logique de densification : La perte de validation ($L$) sert de métrique pour la capacité du modèle à capturer la variété non convexe de l'ACOPF et à satisfaire les contraintes physiques.
   • Si la perte de validation s'améliore ($L < L^\star$), l'état du modèle est sauvegardé et les couches cachées sont élargies par un pas fixe ($\Delta = 10$ neurones).
   • Si la perte ne parvient pas à s'améliorer ($L \ge L^\star$), le processus de densification s'arrête et le modèle actuel est renvoyé comme l'architecture minimale suffisante.
4. Analyse de faisabilité : Pour étudier le compromis entre optimalité et faisabilité physique stricte, les auteurs évaluent également une variante « tronquée » (clipped) du modèle. Lors de l'inférence, un opérateur de troncation coordonnée par coordonnée est appliqué aux variables de sortie bornées (magnitudes de tension, consignes de générateur) pour imposer les limites opérationnelles ($y^{min} \le y \le y^{max}$).

Contributions Clés

• Cadre de dimensionnement constructif : L'article présente la capacité du modèle non pas comme un hyperparamètre statique, mais comme une variable dynamique dépendant de la complexité physique du réseau, en utilisant le LG-ND pour découvrir la « largeur minimale suffisante ».
• Minimalisme architectural : L'étude démontre que l'approximation de haute fidélité de l'ACOPF ne nécessite pas une sur-paramétrisation massive.
• Facilitateur de vérification formelle : En limitant la largeur du réseau à la stricte nécessité physique (réduisant le nombre de neurones de valeurs typiques de >512 à ~50), les architectures compactes résultantes deviennent calculablement traitables pour les outils de vérification de sécurité formelle (par exemple, $\alpha,\beta$-CROWN), qui reposent sur des méthodes de type branch-and-bound dont l'échelle augmente agressivement avec la largeur.

Résultats Empiriques
Le cadre LG-ND a été évalué sur les systèmes IEEE 57-bus et 118-bus, comparant les modèles « légers » adaptatifs contre des lignes de base standards (MSE Naïve, MAE Naïve et méthodes basées sur les pénalités) avec des largeurs fixes et importantes (472 neurones par couche).

• Parité de performance avec une capacité réduite : Sur le système IEEE-118, le modèle LG-ND a atteint une taille de couche cachée de seulement 50 neurones (2 couches), soit environ 32k paramètres. C'est environ 10 fois moins de neurones par couche et 15,5 fois moins de complexité d'inférence (en termes de paramètres/FLOPs) par rapport aux lignes de base de 472 neurones.
• Supériorité en précision et faisabilité :
  • Écart d'optimalité (Gap%) : Le modèle LG-ND a atteint un Gap% de 0,0517 %, surpassant nettement la ligne de base MSE Naïve (0,5474 %) et les méthodes basées sur les pénalités (jusqu'à 1,90 %).
  • Satisfaction des contraintes : Le modèle LG-ND a démontré un résidu d'égalité moyen de 0,0485 p.u., soit près de cinq fois mieux que la ligne de base MSE Naïve (0,2152 p.u.).
  • Performance tronquée (Clipped) : Lors de l'application de la troncation des contraintes, le modèle LG-ND a maintenu un faible Gap% (0,0691 %) tout en atteignant un résidu d'égalité moyen de 0,0399 p.u. et zéro violation moyenne d'inégalité. En revanche, les modèles de base plus larges nécessitaient souvent la troncation pour corriger de grandes infaisabilités, ce qui entraînait une dégradation de la cohérence des égalités ou des écarts d'optimalité plus importants.
• Robustesse : L'analyse sur le système IEEE-57 a montré qu'à mesure que les échantillons d'entraînement augmentaient, le modèle adaptatif convergeait vers une architecture « légère » stable (40–140 neurones au total), avec des résidus physiques (puissance active/réactive et tension) décroissant brusquement, confirmant la résolution réussie des non-linéarités du flux de puissance.

Signification et Revendications
L'article soutient que le minimalisme architectural proposé est critique pour la vérification formelle requise dans les opérations de réseau critiques pour la sécurité. En prouvant que les proxys d'ACOPF peuvent maintenir des performances élevées avec jusqu'à dix fois moins de neurones que les références de la littérature actuelle, ce travail lève un obstacle majeur au déploiement sur le réseau : l'intraitabilité de la vérification des réseaux massifs de type « boîte noire ». Les auteurs affirment qu'en réduisant la largeur à la stricte nécessité physique du système, le proxy reste apte à des contrôles de sécurité rigoureux (tels que fournis par $\alpha,\beta$-CROWN), permettant ainsi l'intégration sécurisée des surrogats basés sur le ML dans les boucles de contrôle du réseau en temps réel. L'étude conclut que la sur-paramétrisation massive est inutile pour une approximation précise de l'ACOPF, et que les modèles légers et vérifiables sont intrinsèquement plus fiables pour les infrastructures critiques.