PINN4PF는 대규모 현대 전력 시스템의 비선형 동역학을 효과적으로 포착하는 전력 흐름(PF) 분석을 위한 엔드투엔드 심층 학습 아키텍처입니다. 두 가지 주요 발전 사항을 포함하는 신경망(NN) 아키텍처로 구성됩니다. (A) 순 활성 및 무효 전력 주입 패턴에 맞춰 조정되는 활성화 함수를 포함하는 PF 분석과 일치하는 이중 헤드 피드포워드 NN, (B) 새로운 숨겨진 함수를 통해 전력 시스템 토폴로지 정보를 부분적으로 통합하는 물리 기반 손실 함수입니다. 4-버스, 15-버스, 290-버스 및 2224-버스 테스트 시스템을 통해 제안된 아키텍처의 효과를 보여주며, 선형 회귀 모델(LR) 및 블랙박스 NN(MLP) 두 가지 기준과 비교 평가합니다. 비교는 (i) 일반화 능력, (ii) 강건성, (iii) 일반화 능력에 대한 훈련 데이터셋 크기의 영향, (iv) 파생 PF 수량(특히 선로 전류, 선로 유효 전력 및 선로 무효 전력) 근사의 정확도, (v) 확장성을 기반으로 합니다. 결과는 PINN4PF가 일반화 능력과 같은 직접적인 기준뿐만 아니라 파생 물리량 근사 측면에서도 최대 두 자릿수까지 두 기준 모두를 능가함을 보여줍니다.
