1st Place at L2RPN Challenge 2020 WCCI L2RPN Challenge 2020 WCCI 1위
During my master’s program at KAIST AI Graduate School under Prof. Ki-Eung Kim, my labmates and I won 1st place at the L2RPN Challenge 2020 WCCI.
L2RPN stands for Learning to Run a Power Network — an international competition where AI agents compete to autonomously operate electrical grids. Co-hosted by ChaLearn, RTE (a subsidiary of the French national power company), and GEIRI North America (a subsidiary of China’s State Grid Corporation), the 2020 edition had 50 teams competing online over roughly 40 days.
The problem
The challenge was to build an AI agent capable of operating a complex power grid at the scale of a national capital — without any human intervention — for 72 hours. The agent had to handle time-varying supply and demand, scheduled equipment maintenance, and sudden outages caused by disasters.
As the share of renewable energy grows, grid management becomes dramatically harder. Germany saw more than 3,000 additional power incidents after renewables surpassed 30% of its energy mix. The contest was born from exactly this challenge.
Our approach
Existing agents were limited to small-scale grids. We modeled the power network as a graph and designed a GNN-based reinforcement learning agent capable of scaling to capital-city-level complexity.
We passed all test scenarios and scored 75.72. Only 7 of the 50 teams broke the baseline score of 0 (the score for doing nothing), which made clear just how hard autonomous grid control really is.
RL was producing impressive results in games and robot control at the time, but applying it to a complex system at infrastructure scale was a different challenge altogether. There was something satisfying about turning an intuition — that GNNs are a natural fit for topology-structured environments like power grids — into working code that actually held up. That experience became a foundation for the industrial RL work I pursued afterward.
KAIST AI대학원 김기응 교수님 연구실에서 석사과정으로 있을 때, 연구실 동료들과 함께 L2RPN Challenge 2020 WCCI에 참가해 최종 1위를 차지했습니다.
L2RPN은 Learning to Run a Power Network의 약자로, 인공지능으로 전력망을 자율 운영하는 기술을 겨루는 국제 경진대회입니다. ChaLearn, 프랑스 전력공사 자회사 RTE, 중국 국가전력망공사 자회사 GEIRI North America가 공동 주최하며, 2020년에는 세계 50개 팀이 약 40일간 온라인으로 참가했습니다.
문제는 이런 것이었습니다.
단순한 전력망이 아니라 국가 수도 규모의 복잡한 전력망을, 사람의 개입 없이 72시간 동안 안전하고 효율적으로 운영하는 AI 에이전트를 만드는 것입니다. 시간에 따른 공급·수요 변화, 설비 유지보수, 재난으로 인한 갑작스러운 단전까지 다양한 시나리오를 소화해야 했습니다.
신재생 에너지 비율이 높아질수록 전력망 운영의 복잡도는 급격히 올라갑니다. 독일의 경우 신재생 에너지 비율이 30%를 넘어서면서 전력사고가 3,000건 이상 증가했을 정도입니다. 이 문제를 AI로 풀어보자는 게 대회의 출발점이었습니다.
우리 팀의 접근
기존 에이전트들은 소규모 전력망에서만 동작한다는 한계가 있었습니다. 저희는 전력망을 그래프 구조로 모델링하고, 그래프 신경망(GNN) 기반 강화학습 에이전트를 설계해 국가 수도 수준의 복잡한 전력망에도 적용 가능하도록 했습니다.
결과적으로 주어진 모든 테스트 시나리오를 통과했고, 점수는 75.72를 기록했습니다. 참가 50팀 중 기준 점수(아무 행동도 안 했을 때의 점수 0점)를 넘긴 팀이 7팀뿐이었다는 점에서, 전력망 자율 제어 자체가 얼마나 어려운 문제인지 실감했습니다.
당시 강화학습이 게임이나 로봇 제어에서는 인상적인 결과를 내고 있었지만, 실제 인프라 수준의 복잡계에 적용하는 건 또 다른 문제였습니다. GNN이 전력망 같은 위상 구조를 가진 환경을 표현하는 데 잘 맞는다는 직관을 코드로 구현하고 검증해가는 과정이 힘들기도 했지만 재미있었습니다. 이때의 경험이 이후 산업 현장에서 강화학습을 적용하는 연구를 이어가는 데 밑거름이 됐습니다.
Enjoy Reading This Article?
Here are some more articles you might like to read next: