论文
物理知识但不符合物理：神经交流功率流的误差几何和子空间投影
Physics-Informed but Not Physics-Consistent: Error Geometry and Subspace Projection for Neural AC Power Flow
摘要
最近的神经潮流求解器，包括新兴的基础模型，实现了准确的电压预测，但这种精度并不一定意味着物理上一致的解决方案。即使很小的复杂电压误差也会产生很大的交流功率平衡残差。我们在现实的 2224 总线英国网络 (GBnetwork) 场景中研究了 PIGNN-GC、GridSFM、gridfm-graphkit 和 LUMINA 之间的准确性一致性差距，并对 31 个系统的 GridSFM 进行了跨网格评估。使用适合训练交流潮流解决方案的奇异值分解 (SVD) 基础，我们发现神经预测误差包含主解子空间之外的大量分量。为了解决这种不匹配问题，校准解子空间投影 (CSP) 在仅训练偏差校准后抑制了子空间外预测分量，相对于校准预测，PIGNN-GC、GridSFM、gridfm-graphkit 和 LUMINA 的平均 PB 分别降低了 67.0%、37.8%、40.5% 和 68.9%，同时提高了所有四个模型的电压幅度精度。这些结果将输出误差几何形状确定为物理一致的神经交流功率流中的一个重要因素。代码：https://github.com/Kimchangheon/neural-acpf-error-geometry
