DC-Screening-Oriented Solver-Referral Auditing for Grid Foundation Model Predictions under Topology and Operating Stress

기술 요약: 그리드 파운데이션 모델 예측을 위한 DC-스크리닝 지향형 솔버 참조 감사 (DC-Screening-Oriented Solver-Referral Auditing)

문제 정의
전력 계통 운영 스크리닝을 위해 그리드 파운데이션 모델(GridSFM)을 배포할 때 직면하는 핵심 과제는, 이러한 모델들이 빠른 추론 성능을 제공함에도 불구하고 토폴로지 탈락(outage), 과부하, 파라미터 변화 상황에서 예측 성능이 조용히 저하될 수 있다는 점이다. 모델의 신뢰도에만 의존하는 것은 불충분한데, 신경망 모델은 훈련 분포를 벗어난 영역에서 외삽(extrapolation) 성능이 떨어질 수 있기 때문이다. 반대로, 모든 시나리오에 대해 물리 기반 솔버를 호출하는 것은 대리 모델(surrogate)을 사용함으로써 얻은 계산 효율성을 무효화한다. 핵심 문제는, 모델 증상(model symptoms), 물리적 진단(physical diagnostics), 솔버 라벨(solver labels)과 같은 서로 다른 증거 계층을 출처 추적이 불가능한 단일 지표로 통합하지 않으면서, 언제 개별 예측을 신뢰하고 언제 물리 기반 솔버로 참조(referral)해야 하는지를 결정하는 것이다. 또한, DC 기반의 스크리닝 결과와 완전한 AC 실행 가능성(AC feasibility)에 대한 주장 사이를 구분할 필요가 있는데, 전자는 후자를 보장하지 않기 때문이다.

방법론
본 논문은 부하, 토폴로지, 파라미터 및 제약 조건 변화 하에서 GridSFM 예측을 감사하기 위해 설계된 재현 가능한 워크플로우인 TSRB(Topology- and Stress-aware DC-Screening-oriented Solver-Referral Audit)를 제안한다. 이 방법론은 세 가지 핵심 기둥을 기반으로 구축된다:

1. 증거 계층 구조 (Evidence Hierarchy): 프레임워크는 과도한 주장을 방지하기 위해 세 가지 증거 계층을 명시적으로 분리한다:

   • GridSFM 프록시 (Proxy): 모델 증상 및 상대적 저하 신호 (물리적 실행 가능성을 의미하지 않음).
   • 솔버 전 진단 (Pre-Solver Diagnostics): 독립적으로 재계산된 유효 전력 잔차(active-power residuals) 및 제약 조건 증상 (보정된 확률이 아님).
   • DC-OPF 스크린 (DC-OPF Screen): DC 추상화 하에서 선형 계획법 솔버(SciPy/HiGHS)를 통해 생성된 유계된 스크리닝 라벨 (AC 실행 가능성이나 물리적 불가능성을 의미하지 않음).

2. 데이터 신뢰도 점수 (Data Credibility Score, DCS): 솔버 호출 전에 계산되는 6개 구성 요소의 휴리스틱 참조 점수($[0, 1]$)이다. 값이 낮을수록 신뢰도가 저하됨을 의미한다. 구성 요소는 다음과 같다:

   • $s_{phys}$: 유효 전력 KCL 잔차.
   • $s_{rel}$: 베이스 시나리오 대비 상대적 저하.
   • $s_{cov}$: 메타데이터 커버리지 (소스 케이스로부터의 편차).
   • $s_{topo}$: 토폴로지 변화 심각도.
   • $s_{con}$: 제약 조건 증상 (열적, 각도, 발전기 경계).
   • $s_{model}$: GridSFM 실행 가능성 프록시.
     DCS는 이 구성 요소들의 동일 가중치 평균으로 계산된다. 이는 솔버 호출을 위한 참조용 휴리스틱으로 설계되었으며, 실행 가능성 인증서가 아니다.

3. 스트레스 프로토콜 및 평가: 본 연구는 세 가지 테스트 시스템(500-bus GOC, 588-bus SDET, 793-bus GOC)에서 생성된 843개 시나리오를 통해 TSRB를 평가한다. 시나리오에는 부하 스케일링(0.60–1.60), 고영향 토폴로지 탈락(N-1 ~ N-80), 파라미터 섭동, 제약 조건 강화가 포함된다. DC-OPF 솔버는 스크리닝 작업(DC-인증됨 vs DC-미인증됨)에 대한 "그라운드 트루스(ground truth)" 역할을 수행하지만, 저자들은 이 라벨이 AC 실행 가능성을 증명하지 않는다고 명시적으로 밝힌다.

주요 결과

• 고정 임계값에서의 성능: 0.5의 고정 DCS 임계값을 사용할 때, 시스템은 세 가지 테스트 시스템 모두에서 완벽한 재현율(1.000)을 달いた, 즉 모든 DC-프록시-양성 케이스를 놓치지 않았다. 그러나 정밀도(precision)는 변동이 있었으며(500-bus 0.706, 588-bus 0.495, 793-bus 0.642), 이는 임계값이 보수적이며 특히 제약 및 파라미터 변화 시 오탐 참조(false referrals)를 생성함을 나타낸다.
• 절제 연구 (Ablation Studies): 토폴로지 또는 모델 프록시 구성 요소를 제거하면 성능이 크게 저하되어(F1 점수 하락) 이들이 지배적인 역할을 함을 확인했다. 흥러하게도, 상대적 잔차(relative-residual) 구성 요소를 제거했을 때 500-bus 시스템 내에서 F1 점수가 약간 향상되었는데, 이는 해당 특정 최적해에 대해서는 해당 요소가 지배적이지 않음을 시사한다.
• 임계값 전이 (Threshold Transfer): 한 시스템에서 학습된 임계값을 재조정 없이 다른 시스템에 적용했을 때, Equal DCS는 평균 F1 점수 0.864를 달성하여, 심각도(severity)-전용 스크리닝(0.836) 및 잔차(residual)-전용 스코어링(0.433)보다 우수한 성능을 보였다.
• 정밀도 제약 이점: 500-bus 케이스에 대해 엄격한 1% 허용 오차(False Positive budget)를 적용했을 때, Equal DCS는 심각도 전용 스크리닝에 비해 누락된 DC-프록시-양성 참조를 78.7% 감소시켰다 (심각도 전용 47건 누락 대비 10건 누락). 이는 정밀도가 제한된 상황에서 증거 결합이 상당한 이점을 제공함을 입증한다.

의의 및 주장
본 논문은 TSRB를 AC-OPF 솔버의 대체제나 AC 실행 가능성의 인증서가 아니라, 투명한 감사 프로토콜로 규정한다. 주요 의의는 다음과 같다:

1. 증거 분리: 모델 증상, 솔버 전 진단, 솔버 결과를 명확히 구분하여, DC-스크리닝 결과가 AC-실행 가능성 주장과 혼동되는 것을 방지한다.
2. 재현성: 모든 메트릭이 DC-스크리닝 참조 작업에 국한되도록 경계를 설정하고, 스트레스 유형 및 솔버 출처에 대한 명시적인 메타데이터를 제공하는 문서화된 워크플로우를 제공한다.
3. 운영적 유용성: 고신뢰도 케이스는 저비용 예측을 통해 통과시키고, 저신뢰도 케이스는 고비용 솔버 검증으로 유도함으로써, 특히 미탐(false negative, 놓친 불가능 사례)의 비용이 큰 시나리오에 최적화된 메커니즘을 제공한다.

저자들은 DCS가 새로운 그리드 패밀리에 대해 재보정이 필요한 고정 파라미터를 가진 휴리스틱이라는 점과, 심각도 전용 스크리닝 대비 이점이 모든 전이 방향에서 균일하지 않다는 점을 겸허히 언급하였다. 본 연구는 향후 AC-OPF 검증 및 적응형 임계값 선택과의 통합을 위한 기초 역할을 한다.