[論文レビュー] Message Passing for Dynamic Network Energy Management

Matt Kraning, Eric Chu+2 more|arXiv (Cornell University)|Apr 5, 2012

Smart Grid Energy Management参考文献 54被引用数 42

ひとこと要約

本稿では、スマートグリッドにおける動的ネットワークエネルギーマネジメントのための分散型最適化手法であるprox-averageメッセージパッシングを提案する。各デバイスは隣接デバイスからのメッセージを用いて局所的な最適化問題を繰り返し解き、凸性のもとでグローバル最適解に収束する。3000万変数の問題をシングルマシンで52分で解けるが、ピアツーピア実装では潜在的に1秒未塔で実行可能である。

ABSTRACT

We consider a network of devices, such as generators, fixed loads, deferrable loads, and storage devices, each with its own dynamic constraints and objective, connected by lossy capacitated lines. The problem is to minimize the total network objective subject to the device and line constraints, over a given time horizon. This is a large optimization problem, with variables for consumption or generation in each time period for each device. In this paper we develop a decentralized method for solving this problem. The method is iterative: At each step, each device exchanges simple messages with its neighbors in the network and then solves its own optimization problem, minimizing its own objective function, augmented by a term determined by the messages it has received. We show that this message passing method converges to a solution when the device objective and constraints are convex. The method is completely decentralized, and needs no global coordination other than synchronizing iterations; the problems to be solved by each device can typically be solved extremely efficiently and in parallel. The method is fast enough that even a serial implementation can solve substantial problems in reasonable time frames. We report results for several numerical experiments, demonstrating the method's speed and scaling, including the solution of a problem instance with over 30 million variables in 52 minutes for a serial implementation; with decentralized computing, the solve time would be less than one second.

研究の動機と目的

• スマートグリッドにおける数10万台のデバイスと数百万変数を含む大規模かつ動的なエネルギーマネジメントの課題に対処すること。
• 中央集権的調整を回避しつつ、凸性のもとでグローバル最適解への収束を保証する分散型最適化手法を開発すること。
• 高速でスケーラブルかつ分散型の計算により、スマートグリッドのリアルタイム運用を可能にすること。
• デバイスが目的関数や制約を明かさずに最小限のメッセージのみを交換するピアツーピアアーキテクチャを活用し、実用的導入を可能にすること。
• 3000万変数のインスタンスを1台のマシンで52分で解けるなど、大規模問題におけるスケーラビリティと効率性を実証すること。

提案手法

• 本手法はprox-averageメッセージパッシングを用い、各デバイスが隣接デバイスと簡単なメッセージを交換し、受信したメッセージから導出される正則化項を追加した局所的最適化問題を繰り返し解く反復的アルゴリズムである。
• アルゴリズムは交替方向乗数法（ADMM）に基づき、隣接デバイス間のメッセージを平均化するためのプロキシ項を備え、収束を安定化する。
• 各デバイスは自身の目的関数に加え、ネットワーク全体の電力フローおよびデバイス状態の一貫性を強制するペナルティ項を最小化する。
• グローバルな調整を必要とせず、デバイス間の反復同期のみを要するため、完全に分散型の実行が可能である。
• 負荷プロファイルの変化が小さい場合に収束を高速化するために、ウォームスターティング技術が用いられる。
• 各デバイスが自らのプロセッサを実行し、直接の隣接デバイスとのみ通信するピアツーピア形式でも実装可能である。

実験結果

リサーチクエスチョン

• RQ1 グローバルな調整なしに、大規模な動的ネットワークエネルギーマネジメント問題を効率的に解ける分散型メッセージパッシング手法は存在するか？
• RQ2 prox-averageメッセージパッシング手法の収束特性は、ネットワークサイズや問題次元にどのようにスケーリングするか？
• RQ3 時間変動する状況下で、ウォームスターティングは収束に必要な反復回数をどの程度削減できるか？
• RQ4 デバイスが目的関数や制約を明かさないピアツーピアアーキテクチャでも、本手法は効果的に展開可能か？
• RQ5 3000万変数を含む実世界規模の問題に対して、本手法の性能はいかがなものか？

主な発見

• すべてのデバイスの目的関数および制約が凸である限り、prox-averageメッセージパッシング手法は最適解に収束し、グローバル最適性が保証される。
• シングルマシンでのシリアル実装により、3000万変数を超える問題を52分で解けることが実証され、大規模インスタンスの実現可能性が示された。
• 分散型ピアツーピア実行では、同じ問題が1秒未塔で解ける可能性があり、著しい高速化の可能性が浮き彫りになった。
• ウォームスターティングにより、負荷プロファイルの微小な摂動下でも収束に必要な反復回数が顕著に削減された。
• 1反復あたりの処理時間および収束に必要な反復回数は、ネットワークサイズにほとんど依存せず、強力なスケーラビリティを示している。
• デバイスが単純なメッセージのみを交換し、個々の目的関数や制約を明かさないため、プライバシー保護型連携が可能である。