基盤モデルによる電力系統のダイナミック軌道予測

arXiv cs.AI / 2026/4/17

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、再エネ比率の高まりとインバータ主導運転によって電力系統が変化する中で、過渡安定度評価や動的セキュリティ解析、事故後の軌道評価などを支える時間領域の精密なダイナミック解析がますます重要になっていると述べています。
提案手法は LASS-ODE-Power で、40GB超の DAE/ODE 軌道データに対する大規模事前学習（基盤モデル的な学習）により、転移可能な表現を獲得する汎用の時間領域軌道予測フレームワークです。
既存の学習ベース手法が特定のシステムごとに学習されやすく汎化が弱い点に対し、本手法は短い計測系列の先頭から複数のダイナミック領域（電機的・インバータ駆動）での予測を可能にし、データ共有なしのゼロショット設定を目指します。
実運用を意識して、並列化と線形化を組み込むことで高速なオンライン推論を実現し、さらに約1GBの異種の電力系統ダイナミックデータに基づく微調整戦略で電力系統特有の性能向上も図ります。
多様なシミュレーションシナリオでの実験では、LASS-ODE-Power が既存の学習ベース手法より高い軌道予測精度を達成しつつ、推論効率も保っていることが示されています。