재생에너지와 부하의 불확실성은 전력 시스템의 안전한 운영에 심각한 도전을 제기하며, 고차원 안전 영역을 효율적으로 표현하는 방법이 시급히 필요하다. 기존 방법들이 겪는 차원의 저주, 불확실성 고려 부족 또는 과도한 보수성 문제를 극복하기 위해 분포 견고 최적화와 딥러닝을 융합한 안전 영역 표현 방법을 제안한다. 먼저, 불확실성을 합리적으로 고려하면서 과도한 보수성을 피하기 위해 분포 견고 최적화 기반의 능동 탐색 전략을 구축하여 중요 경계점을 식별한다; 여기에는 확산 모델을 기반으로 생성된 재생에너지 시나리오와 대표 부하 곡선을 중심으로 구성된 부하 편차 샘플이 결합되어 견고한 확률 퍼지 집합을 형성한다. 이후, Transformer 기반 모델을 설계하여 이러한 경계점을 활용해 완전한 고차원 안전 영역을 학습하고 재구성한다. 모델의 자기 주의 메커니즘은 각 차원 간의 전역 비선형 의존성을 포착하여 안전 영역 경계의 고정밀, 고효율 적합을 실현한다. IEEE 테스트 시스템에서의 시뮬레이션 결과는 제안한 방법이 낮은 계산 비용으로 고차원 안전 영역을 정확히 표현하고 소스-부하 불확실성에 강인한 안전 영역을 획득할 수 있음을 보여준다. 본 연구는 높은 불확실성 환경에서 전력 시스템 안전 평가 및 의사결정 지원을 위한 새로운 연구 패러다임을 제공한다.

안전 영역;분포 견고 최적화;딥러닝;Transformer 모델;데이터 기반