새로운 AI 모델은 재생 가능 에너지 사용이 증가함에 따라 전력망을 더욱 안정적으로 만들 수 있습니다.

풍력, 태양광 등 재생 가능 에너지원이 널리 보급됨에 따라 전력망 관리가 점점 더 복잡해지고 있습니다. 버지니아 대학의 연구원들은 재생 가능 에너지 생성 및 전기 자동차 수요의 불확실성을 해결하여 전력망을 보다 안정적이고 효율적으로 만들 수 있는 인공 지능 모델이라는 혁신적인 솔루션을 개발했습니다.

다중 충실도 그래프 신경망: 새로운 AI 솔루션

새로운 모델은 전력 흐름 분석(전력이 그리드 전체에 안전하고 효율적으로 분배되도록 하는 프로세스)을 개선하도록 설계된 AI 유형인 다중 충실도 그래프 신경망(GNN)을 기반으로 합니다. "다중 충실도" 접근 방식을 사용하면 AI 모델이 대량의 낮은 품질 데이터(낮은 충실도)를 활용하는 동시에 더 적은 양의 매우 정확한 데이터(고충실도)의 이점을 누릴 수 있습니다. 이 이중 계층 접근 방식을 사용하면 시스템의 전반적인 정확성과 신뢰성을 높이는 동시에 더 빠른 모델 훈련이 가능합니다.

실시간 의사결정을 위한 그리드 유연성 향상

GNN을 적용함으로써 모델은 다양한 그리드 구성에 적응할 수 있으며 전력선 오류와 같은 변화에 강력합니다. 이는 다양한 소스에서 얼마나 많은 전력을 생성해야 하는지 결정하여 오랫동안 지속되어 온 "최적의 전력 흐름" 문제를 해결하는 데 도움이 됩니다. 재생 가능 에너지원이 발전 및 분산 발전 시스템에 불확실성을 가져오고 전기화(예: 전기 자동차)와 함께 수요의 불확실성이 증가함에 따라 기존 그리드 관리 방법은 이러한 실시간 변화를 효과적으로 처리하는 데 어려움을 겪습니다. 새로운 AI 모델은 상세하고 단순화된 시뮬레이션을 모두 통합하여 몇 초 내에 솔루션을 최적화하고 예측할 수 없는 조건에서도 그리드 성능을 향상시킵니다.

"재생 가능 에너지와 전기 자동차가 환경을 변화시키면서 우리는 그리드를 관리하기 위한 보다 스마트한 솔루션이 필요합니다"라고 토목 및 환경 공학 조교수이자 이 프로젝트의 수석 연구원인 Negin Alemazkoor는 말했습니다. "우리 모델은 예상치 못한 변화가 발생하더라도 빠르고 안정적인 결정을 내리는 데 도움이 됩니다."

주요 이점:

• 확장성: 훈련에 필요한 계산 능력이 적어 크고 복잡한 전력 시스템에 적용할 수 있습니다.
• 더 높은 정확도: 보다 안정적인 전력 흐름 예측을 위해 풍부한 저충실도 시뮬레이션을 활용합니다.
• 향상된 일반성: 이 모델은 기존 기계 학습 모델에서는 제공되지 않는 기능인 라인 오류와 같은 그리드 토폴로지의 변화에 ​​강력합니다.

AI 모델링의 이러한 혁신은 증가하는 불확실성에 직면하여 전력망 신뢰성을 향상시키는 데 중요한 역할을 할 수 있습니다.

에너지 신뢰성의 미래 보장

"재생 에너지의 불확실성을 관리하는 것은 큰 도전이지만 우리 모델은 이를 더 쉽게 만듭니다."라고 박사는 말했습니다. Alemazkoor 연구실의 대학원 연구원인 Mehdi Taghizadeh 학생입니다.Ph.D. 재생 가능 통합에 중점을 두고 있는 학생 Kamiar Khayambashi는 "이것은 보다 안정적이고 깨끗한 에너지 미래를 향한 한 걸음"이라고 덧붙였습니다.

출처: https://www.sciencedaily.com/releases/2024/10/241024173704.htm