연구진이 전력망 문제 해결을 위한 그래프 신경망(GNN)의 단점을 분석하고 MxGPS라는 새로운 모델을 제시했어요. 기존 모델은 학습 데이터의 토폴로지 구조에 과적합되어 새로운 토폴로지에서 성능이 저하되는 '토폴로지 과적합' 현상이 발생해요.
MxGPS는 여러 개의 GPS 브랜치를 공유 노드 인코더 위에서 실행하며, 정적 상태 추정(SSE)과 교류 전력 흐름(PF)을 동시에 학습하여 토폴로지 과적합을 방지해요.
MxGPS는 4개의 새로운 토폴로지에서 0% 경계 위반율(BVR)을 달성했으며, 기존 모델 대비 토폴로지 변화에 대한 성능 저하 폭이 현저히 낮았어요.
160만 개의 파라미터로 구성된 MxGPS는 기존 모델보다 훨씬 적은 파라미터로도 토폴로지 불변성을 확보하여 전력망 기반 모델의 효율성을 높였어요.