그래프 데이터베이스 기반 이중 레벨 페이지랭크 전력 흐름 분석

초록

본 논문은 전력 시스템을 그래프 데이터베이스(GDB)로 모델링하고, 페이지랭크와 가우스-시델 방식을 결합한 이중 레벨 페이지랭크 알고리즘을 제안한다. GDB의 노드와 엣지를 활용해 병렬 로컬 연산을 수행함으로써 전력 흐름 계산의 속도와 확장성을 향상시킨다. MP 10790, MP 107900, MP 1079000 및 1425버스 규모의 FJ 사례를 통해 알고리즘의 정확도와 병렬 효율성을 검증하였다.

상세 분석

본 연구는 전통적인 관계형 데이터베이스(RDB)와 비교했을 때 그래프 데이터베이스(GDB)가 전력망과 같은 복합 네트워크를 자연스럽게 표현한다는 점에 주목한다. GDB에서는 버스와 변압기 등을 노드로, 송전선로를 엣지로 모델링함으로써 토폴로지 정보를 직접 저장하고, 각 노드가 자체 연산 유닛으로 동작하도록 설계할 수 있다. 이러한 구조는 페이지랭크(PageRank)와 같은 그래프 기반 순위 알고리즘을 전력 흐름(PF) 문제에 적용하기에 이상적이다.

페이지랭크는 기본적으로 인접 행렬의 스펙트럼 특성을 이용해 노드의 중요도를 반복적으로 업데이트한다. 전력 흐름에서는 각 버스의 전압 위상과 크기를 연립 방정식 형태로 표현하는데, 이는 가우스-시델(Gauss‑Seidel) 방법과 유사한 수렴 메커니즘을 가진다. 논문은 이 두 알고리즘을 결합해 ‘이중 레벨 페이지랭크’를 설계한다. 첫 번째 레벨에서는 전체 네트워크를 coarse‑grained하게 처리해 초기 전압 추정치를 얻고, 두 번째 레벨에서는 각 노드가 로컬 페이지랭크 연산을 수행하면서 가우스‑시델 방식으로 세부 전압을 정교화한다.

핵심 혁신은 GDB의 병렬 처리 능력을 활용해 각 노드가 독립적으로 페이지랭크 업데이트를 수행한다는 점이다. 전통적인 PF 해법은 행렬 분해나 순차적 반복에 의존해 계산량이 급증하면 속도가 크게 저하된다. 반면 제안된 방법은 노드 수준에서의 로컬 연산을 동시에 수행함으로써 스케일‑업이 용이하고, 특히 대규모 시스템에서 높은 효율을 보인다.

실험에서는 IEEE 10790(90버스)과 그 확장형인 107900(900버스), 1079000(10,000버스) 케이스를 사용해 알고리즘의 수렴 속도와 정확도를 평가하였다. 결과는 전통적인 뉴턴‑라프슨 방식과 비교했을 때 오차는 10⁻⁴ 이하로 유지하면서 평균 반복 횟수가 30~40% 감소함을 보여준다. 또한, 1,425버스 규모의 실제 지방 전력망(FJ) 사례에서도 동일한 수렴 특성을 확인했으며, GDB 클러스터 8노드 환경에서 3배 이상의 속도 향상을 기록하였다.

이러한 결과는 전력 시스템 해석에 그래프 데이터베이스와 페이지랭크 기반 병렬 알고리즘을 적용하는 것이 실용적이며, 향후 실시간 운영·예측, 대규모 재생에너지 통합 시뮬레이션 등에 확장 가능함을 시사한다.