그래프 신경망과 강화 학습을 이용한 스마트 전력망의 소프트웨어 정의 네트워크 기반 능동 라우팅 전략

스마트 전력망은 센서와 액추에이터를 통해 지속적인 모니터링과 정밀 제어 기능을 제공합니다. 이러한 필드 장치와 관련된 두 가지 유형의 데이터 및 명령 패킷이 있으며, 즉, 주기적인 고정 스케줄링(FS) 패킷과 비상 관련 이벤트 구동(ED) 패킷이 있으며, 이는 서로 다른 수준의 서비스 품질(QoS) 지원이 필요합니다. 그러나 기존의 스마트 전력망 라우팅 전략은 네트워크 조건에 적응하지 않으며 차별화된 QoS 지원을 보장할 수 없습니다. 이러한 제한을 극복하기 위해, 우리는 라우팅 결정을 내릴 때 네트워크의 현재 및 미래 상태를 고려하는 스마트 그리드의 소프트웨어 정의 네트워크(SDN) 능동 라우팅 프레임워크를 제안합니다. 제안된 프레임워크는 다음과 같은 기능을 제공합니다: (a) ED 및 FS 패킷을 위한 별도의 큐를 설정하며, ED 큐에 더 높은 우선 순위를 부여합니다; (b) 그래프-신경망(GNN) 모델을 사용하여 네트워크 내 각 스위치의 미래 트래픽 상태(혼잡 또는 비혼잡)를 예측하며, 이는 ED 사건의 희소성에도 불구하고 트래픽 상태를 정확하게 예측합니다; (c) 현재 및 예측된 미래 혼잡 상태를 따르며 각 스위치에 대한 이상적인 경로를 설정하고 큐 서비스 속도를 업데이트하는 강화 학습(RL) 전략을 채택합니다. 제안된 프레임워크는 IEEE 14버스와 39버스 테스트 시스템의 사이버 레이어에서 테스트되었으며 두 개의 벤치마크와 비교되었습니다. 우리의 결과는 제안된 프레임워크가 벤치마크에 비해 우수함을 나타냅니다.