재생 에너지 증가와 전력화로 인해 전력망 혼잡이 심화되고 있으며, 토폴로지 제어가 혼잡 완화를 위한 유망한 방법으로 부상하고 있습니다. 이 연구는 토폴로지 제어를 위한 그래프 표현의 영향을 조사합니다. 기존의 균일 그래프 표현의 문제점을 파악하고, 이를 해결하는 이질 그래프 표현을 제안합니다. 모방 학습 과제에서 두 표현을 사용하는 GNN과 완전 연결 신경망(FCNN)을 비교 평가합니다. 그 결과, 이질 GNN이 in-distribution 네트워크 구성에서 가장 우수한 성능을 보였고, FCNN, 균일 GNN 순으로 나타났습니다. 또한, 두 GNN 유형은 FCNN보다 out-of-distribution 네트워크 구성에 대해 더 나은 일반화 성능을 보였습니다.
