[論文レビュー] Optimization-Based Bound Tightening using a Strengthened QC-Relaxation of the Optimal Power Flow Problem

Kaarthik Sundar, Harsha Nagarajan+4 more|arXiv (Cornell University)|Sep 12, 2018

Optimal Power Flow Distribution被引用数 7

ひとこと要約

本稿では、極端点表現を活用することで、既存のQC緩和を支配する強化された二次凸（QC）緩和を提案する。この緩和を最適化に基づく境界 tightening（OBBT）アルゴリズムに統合し、標準的なAC-OPFケースにおいて、わずかな実行時間の影響で、最もタイトな変数境界と最小の最適性ギャップを達成した。

ABSTRACT

This article develops a strengthened convex quadratic convex (QC) relaxation of the AC Optimal Power Flow (AC-OPF) problem and presents an optimization-based bound-tightening (OBBT) algorithm to compute tight, feasible bounds on the voltage magnitude variables for each bus and the phase angle difference variables for each branch in the network. Theoretical properties of the strengthened QC relaxation that show its dominance over the other variants of the QC relaxation studied in the literature are also derived. The effectiveness of the strengthened QC relaxation is corroborated via extensive numerical results on benchmark AC-OPF test networks. In particular, the results demonstrate that the proposed relaxation consistently provides the tightest variable bounds and optimality gaps with negligible impacts on runtime performance.

研究の動機と目的

• 非凸なAC-OPF問題に対するよりタイトな凸緩和を開発し、境界品質と最適性ギャップを向上させること。
• 境界緩和と強力な凸緩和の相乗効果を活用して、グローバル最適化性能を向上させること。
• 提案されたQC緩和が既存の変種を理論的および実験的に支配することを示すこと。
• 強化された緩和を活用したOBBTアルゴリズムを設計・評価し、電圧の大きさと位相差の変数境界をよりタイトにすること。
• 提案手法を、多様な運用条件下での標準AC-OPFテストケースで検証すること。

提案手法

• AC潮流方程式の極端点表現を用いて、強化されたQC緩和を定式化する。
• 文献に既存のQC-RMおよびQC-LM緩和よりも、新しい緩和の理論的優位性を導出する。
• 強化されたQC緩和を最適化に基づく境界 tightening（OBBT）フレームワークに統合し、電圧の大きさと位相差の境界を反復的にタイトにする。
• 凸最適化技術を用いて緩和およびOBBTのサブプロブレムを解き、境界を反復的に更新する。
• OBBTプロセスから得られるタイトな境界を活用したブランチアンドバウンズグローバル最適化戦略を採用する。
• MATPOWERの標準AC-OPFテストケース（最大588バスを含む）を用いて、手法を検証する。

実験結果

リサーチクエスチョン

• RQ1 AC-OPFのための、既存のQC緩和を厳密に支配する強化されたQC緩和を構築できるか？
• RQ2 強化されたQC緩和は、AC-OPFのグローバル最適化において、変数境界の品質と最適性ギャップをどの程度向上させるか？
• RQ3 強化された緩和をOBBTに統合することで、ベースライン手法よりもタイトな境界とより小さい最適性ギャップが得られるか？
• RQ4 異なる運用条件下（例：通常、混雑状態、小位相差）での、提案手法の性能はどのように変化するか？
• RQ5 強化された緩和を用いたOBBTアルゴリズムの計算オーバーヘッドはどの程度か？

主な発見

• 提案されたQC-TLM緩和は、すべてのテストケースにおいて、電圧の大きさと位相差の変数境界が一貫して最もタイトである。
• QC-TLM緩和は最小の最適性ギャップを達成し、特にcase89_pegase_api や case118_ieee_api といった困難なケースでは、QC-RM や QC-LM よりも最大20%の改善を示した。
• case24_ieee_rts_api や case73_ieee_rts_api のような一部のケースでは、OBBTを用いなくても、QC-TLM緩和がよりタイトな境界とより小さいギャップを提供した。
• OBBTプロセスは、困難なケースにおける最適性ギャップを顕著に低減し、case118_ieee_api ではOBBT後、最適性ギャップが28.62%から3.39%に低下した。
• 強化された緩和が計算効率を維持しているため、わずかな実行時間の影響で、これらの改善が達成された。
• 数値結果から、強化されたQC緩和が、境界品質と最適性ギャップの両面で、QC-RMおよびQC-LM緩和を支配することが確認された。