[論文レビュー] A Distributed Approach for the Optimal Power Flow Problem Based on ADMM and Sequential Convex Approximations

Sindri Magnússon, Pradeep Chathuranga Weeraddana+1 more|arXiv (Cornell University)|Jan 18, 2014

Optimal Power Flow Distribution参考文献 15被引用数 9

ひとこと要約

本稿では、逐次凸近似（SCA）を組み合わせた交替方向乗数法（ADMM）を用いて、非凸最適潮流（OPF）問題の分散型アルゴリズムを提案する。ネットワークをバス単位の部分問題に分解し、軽量な通信により協調することで、半定値計画法（SDP）の緩和が失敗する場合でさえ、スケーラビリティと収束性を達成し、妥当で近似的に最適な解を得られる。

ABSTRACT

The optimal power flow (OPF) problem, which plays a central role in operating electrical networks is considered. The problem is nonconvex and is in fact NP hard. Therefore, designing efficient algorithms of practical relevance is crucial, though their global optimality is not guaranteed. Existing semi-definite programming relaxation based approaches are restricted to OPF problems where zero duality holds. In this paper, an efficient novel method to address the general nonconvex OPF problem is investigated. The proposed method is based on alternating direction method of multipliers combined with sequential convex approximations. The global OPF problem is decomposed into smaller problems associated to each bus of the network, the solutions of which are coordinated via a light communication protocol. Therefore, the proposed method is highly scalable. The convergence properties of the proposed algorithm are mathematically substantiated. Finally, the proposed algorithm is evaluated on a number of test examples, where the convergence properties of the proposed algorithm are numerically substantiated and the performance is compared with a global optimal method.

研究の動機と目的

• 一般非凸最適潮流（OPF）問題を解く際、双対ギャップが存在する場合に問題を引き起こす半定値計画法（SDP）緩和の限界を克服すること。
• 中央集権的なデータ収集を避け、スマートグリッド応用におけるプライバシーを保証する、スケーラブルで分散型の最適化フレームワークを開発すること。
• 中央集権的OPFソルバのスケーラビリティとプライバシーの欠陥を、ネットワークの各バスに問題を分解し、最小限の通信で克服すること。
• 既存の凸緩和法が失敗する一般OPFインスタンスにおいて、妥当で近似的に最適な解への収束を保証すること。
• 標準テストシステム上で数学的裏付けのある収束解析と数値的検証を提供すること。

提案手法

• 逐次凸近似（SCA）技術を用いて、グローバルOPF問題をネットワーク内各バスに関連するより小さな凸部分問題に分解する。
• バス間の解を双対分解と一貫性制約を介して調整するために、交替方向乗数法（ADMM）を適用する。
• 隣接するバス間でのみ双対変数と局所的状態推定値を交換する、軽量な通信プロトコルを用いる。
• バス状態とネットワーク電圧の間の結合制約を組み込んだラグランジュ緩和を用いて、ADMMの部分問題を定式化する。
• 反復的に、現在の反復点まわりの2次テイラー展開を用いて、非凸OPF問題の局所的近似を改善することで収束性を向上させる。
• 近似関数のヘッセ行列が有界であるなどの弱い仮定の下で、必要最適性条件を満たすことを証明することで収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 SDP緩和が失敗する非凸OPF問題に対して、ADMMと逐次凸近似に基づく分散型アルゴリズムが収束性と近似的最適性を達成できるか。
• RQ2 標準テストシステム上で、本手法はグローバル最適ソルバーや既存のSDPベースの手法と比較して、性能と妥当性において優れているか。
• RQ3 双対ギャップが従来のSDPベースのOPF手法の性能に与える影響は何か。また、本手法はこの制限を克服できるか。
• RQ4 中央集権的OPFソリューションと比較して、分散アーキテクチャがプライバシーをどの程度保ち、スケーラビリティを向上させるか。
• RQ5 一般のネットワークトポロジーと非二次的目的関数の下で、本手法の収束特性はいかなるものか。

主な発見

• 提案されたADMM-SCA法は、非ゼロの双対ギャップによりSDP緩和が失敗する場合ですら、一般非凸OPF問題に対して妥当で近似的に最適な解へ収束する。
• テストシステムにおける数値的評価では、数10回の反復内で収束し、グローバルソルバーが得るグローバル最適値に非常に近い目的関数値を達成している。
• 妥当性の観点で、SDP手法がしばしば妥当解を回復できないのに対し、本手法は一貫してプライム妥当解を返す。
• 計算が各バスに分散され、局所的通信のみが要るため、大規模スマートグリッドに適した強力なスケーラビリティを示している。
• 理論的解析により、近似関数のヘッセ行列が有界であることや、解において最適性条件が満たされることなどの弱い仮定の下で収束が保証されている。
• 各バスが、実際の負荷や発電データではなく、双対変数と局所的推定値のみを共有するため、中央集権的データ収集を避けることでプライバシーを維持している。