전력계통 안정성 영역 추정: 가우시안 프로세스와 역라플라스 함수 기반 새로운 프레임워크

본 논문은 전력계통의 안정성 평가에서 핵심적인 개념인 수렴 영역(Region of Attraction, ROA)을 기존의 해석적 라플라스 함수에 의존하는 방법에서 벗어나, 역라플라스 정리와 가우시안 프로세스(GP)를 결합한 새로운 프레임워크를 제시한다. 1. **문제 정의 및 기존 한계** - 전력계통의 ROA는 모든 초기 상태가 안정 평형점(steady‑state)으로 수렴할 수 있는 상태 공간의 부분집합이다. - 기존 방법은 라플라스 함수의 레벨 집합을 이용해 ROA를 추정하지만, (i) 해석적 라플라스 함수를 직접 구성하기 어려우며, (ii) 구한 ROA가 실제보다 보수적으로 작아 시스템 운영 효율을 저해한다. 2. **역라플라스 정리 기반 라플라스 함수 정의** - 역라플라스 정리(Converse Lyapunov Theorem)는 안정 평형점이 존재하면 적절한 라플라스 함수가 존재함을 보장한다. - 논문은 이를 이용해 V(x)=∫_0^∞ α(‖φ(x,t)‖)dt 형태의 일반화된 라플라스 함수를 정의한다. 여기서 φ(x,t)는 초기 상태 x에서 시작한 안정 궤적, α(·)는 클래스 Γ 함수이다. - 연속적인 적분을 이산화하여 ˆV(x)=∑_{i=1}^n α(‖φ(x,t_i)‖)Δt 로 근사한다. 3. **가우시안 프로세스로 라플라스 함수 학습** - V(x) 자체는 알 수 없으므로, ˆV(x)를 관측값으로 보고 V(x) 를 GP(평균 0, 커널 k) 로 가정한다. - 관측 노이즈 ε~N(0,σ^2) 를 통해 y_i = ˆV(x_i)+ε 로 모델링하고, 표준 GP 회귀 식 μ_N(x), σ_N^2(x) 를 이용해 사후 분포를 계산한다. - 커널 선택(예: Squared‑Exponential, Linear) 은 라플라스 함수의 매끄러움(복잡도)을 RKHS 노름 ‖V‖_k 로 정량화한다. 4. **GP‑UCB 기반 샘플링 알고리즘** - 목표는 “ROA를 최대화하면서, 추정 불확실성을 최소화” 하는 샘플링 전략이다. - 매 단계 i에서 x^{(i)} = argmax_{x∈X}