補助タスク学習を用いたPMUデータ再構成のためのグラフニューラルネットワーク

本論文は、電力網で使用される広域計測システム（WAMS）におけるデータ欠損という重要な問題に対処しています。提案手法は、補助タスク学習（ATL）を用いたグラフニューラルネットワーク（GNN）を活用し、既存手法の概念ドリフトへの不適応性、高い欠損率下での低いロバスト性、および完全なシステム観測への依存といった制限を克服し、欠損PMUデータの再構成を改善することを目指しています。K-hop GNNと、PMUデータの低ランク特性を利用する補助GNNの使用が重要な革新です。ロバスト性と自己適応性に焦点を当てていることは、実際のアプリケーションにとって特に重要です。