IBM открыла GENCO — нейросеть, которая считает режимы энергосети в десятки раз быстрее

IBM Research выложила в открытый доступ GENCO — нейросетевой решатель, который считает режимы работы электросети быстрее классических программ. Вместе с ним вышел фреймворк GridFM Development Framework для обучения и честного сравнения таких моделей. Оба проекта живут в OpenGridFM под крылом LF Energy и распространяются по лицензии Apache 2.0.

Задача понятная. Сетевой оператор MISO, обслуживающий 15 штатов США и канадскую Манитобу, каждые несколько минут проверяет около 10 000 аварийных сценариев. За год набирается больше миллиарда расчётов. Точные модели переменного тока для такого объёма слишком медленные, поэтому отрасль пользуется упрощёнными моделями постоянного тока. Они быстрее, но теряют точность и вовсе не показывают, например, напряжения в узлах.

GENCO пытается занять середину. Одна модель решает три задачи, для которых обычно держат три отдельных решателя: расчёт перетоков мощности, поиск самой дешёвой загрузки генераторов и оценивание состояния энергосистемы по измерениям. Перетоки она считает до 30 раз быстрее классического метода Ньютона — Рафсона, а загрузку генераторов подбирает до 85 раз быстрее, отставая от оптимума не больше чем на 0,3%. При отказе до 20 линий или трансформаторов её ошибки примерно втрое меньше, чем у моделей постоянного тока. Модель работает на сетях до 10 000 узлов.

Решатель проверили на реальной сети: взяли год данных телеметрии с 1 200-узловой магистральной сети канадской Hydro-Québec. Вместе с фреймворком открыт набор из 4 млн примеров для шести конфигураций сетей, он выложен на Hugging Face. Первый автор работы Альбан Пюэш (Alban Puech) объясняет, зачем это нужно. По его словам, для сравнения с чужими моделями он часами переписывался с авторами статей, выясняя недостающие детали экспериментов. «Наш фреймворк сразу включает эти детали, и следующее сравнение займёт минуты, а не месяцы», — говорит он.

Ограничения авторы называют сами. Заменой проверенным инструментам диспетчеров GENCO пока не считается. Его советуют запускать рядом с классическим решателем: нейросеть быстро проходит основную массу сценариев, подозрительные случаи отсеиваются по проверкам физики, а их пересчитывают старым способом. Предобучение на 100 сетях вдвое сократило объём данных, нужных для перехода на новую сеть. А вот работа на совсем незнакомой сети без дообучения пока не получается.