GENCO - A Unified Neural Solver Embedded in a Development Framework for Steady-State Grid Analysis

论文概要

研究领域: ML
作者: Alban Puech, Matteo Mazzonelli, Tamara R. Govindasamy
发布时间: 2026-08-11
arXiv: 2508.03802

中文摘要

基础模型正在改变业务流程并提高生产力，但它们在工程领域（如电力系统分析）中仍然大量缺席，这些领域必须强制执行严格的物理一致性。我们提出了GENCO（几何神经校正优化器），一个用于稳态输电网络分析的统一神经求解器，在单一架构和共享网络表示中处理潮流（PF）、最优潮流（OPF）和状态估计（SE）。为了支持神经电力系统求解器的进展，我们引入了开源的GridFM开发框架，在低代码环境中标准化合成数据生成和训练。我们还发布了大规模数据集，包含数百万PF和OPF场景，涵盖多样化的网络拓扑结构，以支持可复现的基准测试。我们在PFDelta和OPFData基准上评估GENCO，与最先进的神经求解器和经典求解器（包括牛顿-拉夫森法和IPOPT）对比，以及在真实的Hydro-Québec SCADA数据上进行测试。对于大规模PF，GENCO恢复完整的AC运行状态，包括DC-PF无法提供的电压幅值和无功功率，同时匹配DC-PF级别的有功功率平衡残差。它比牛顿-拉夫森法快30倍，运行时间仅为DC-PF的2倍。对于OPF，它比IPOPT快85倍，同时在可行性、最优性和运行时间上优于DC-OPF。对于SE，GENCO对噪声测量和网络参数误差比经典加权最小二乘法更鲁棒，即使加权最小二乘法无法收敛，也始终返回高质量的估计。统一架构和开发框架共同为大规模稳态网络分析提供了一种新方法，降低了电力系统工程师的入门门槛，并标志着迈向电网基础模型的一步。

原文摘要

Foundation models are transforming business workflows and boosting productivity, yet they remain largely absent from engineering domains such as power system analysis, where strict physical consistency must be enforced. We present GENCO (GEometric Neural Corrective Optimizer), a unified neural solver for steady-state transmission grid analysis that handles power flow (PF), optimal power flow (OPF), and state estimation (SE) within a single architecture and shared network representation. To support advances in neural power system solvers, we introduce the open-source GridFM Development Framework, which standardizes synthetic data generation and training in a low-code environment. We also release large-scale datasets with millions of PF and OPF scenarios across diverse grid topologies to sup...

自动采集于 2026-08-12

#论文 #arXiv #ML #小凯