[논문 리뷰] Computationally Efficient Solutions for Large-Scale Security-Constrained Optimal Power Flow

Mohammadhafez Bazrafshan, Kyri Baker외 1명|arXiv (Cornell University)|2020. 05. 31.

Optimal Power Flow Distribution인용 수 4

한 줄 요약

이 논문은 사고 선택, 근사 방법, 분해 기법을 사용하여 대규모 보안 제약 최적 전력 흐름(SCOPF) 문제를 해결하기 위한 계산적으로 효율적인 알고리즘 프레임워크를 제시한다. ARPA-E 전력망 최적화 경쟁에서 제공한 합성 및 실제 시스템을 바탕으로 검증되었으며, 30,000 버스 네트워크에 대해 짧은 시간 내에 타당한 해를 도출하여 이전의 소규모 접근 방식을 뛰어넘는 실용적 확장성을 입증한다.

ABSTRACT

In this paper, we discuss our approach and algorithmic framework for solving large-scale security constrained optimal power flow (SCOPF) problems. SCOPF is a mixed integer non-convex optimization problem that aims to obtain the minimum dispatch cost while maintaining the system N-1 secure. Finding a feasible solution for this problem over large networks is challenging and this paper presents contingency selection, approximation methods, and decomposition techniques to address this challenge in a short period of time. The performance of the proposed methods are verified through large-scale synthetic and actual power networks in the Grid Optimization (GO) competition organized by the U.S. Advanced Research Projects Agency-Energy (ARPA-E). As many prior works focus on small-scale systems and are not benchmarked using validated, publicly available datasets, we aim to present a practical solution to SCOPF that has been proven to achieve good performance on realistically sized (30,000 buses) networks.

연구 동기 및 목표

• 실제 시간 프레임 내에서 대규모 보안 제약 최적 전력 흐름(SCOPF) 문제를 해결하는 데 발생하는 계산적 과제를 해결하기 위해.
• 이전의 소규모 연구에서의 한계를 극복하고 30,000 버스 시스템까지 확장 가능한 실용적인 SCOPF 해법을 개발하기 위해.
• ARPA-E 전력망 최적화(GO) 경쟁에서 제공한 공개 가능하고 현실적인 데이터셋을 바탕으로 접근 방식을 검증하기 위해.
• 수렴 속도를 저하시키지 않으면서도 해의 품질을 유지하면서 수렴 속도를 향상시키기 위해 고성능 컴퓨팅과 분해 기법을 통합하기 위해.
• 대규모 네트워크에서 N-1 보안 기준을 충족시키는 데 지원할 수 있는 벤치마크화되고 계산적으로 효율적인 SCOPF 프레임워크를 제공하기 위해.

제안 방법

• 최적화 과정에서 고려하는 N-1 보안 제약의 수를 줄이기 위해 사고 선택 기법을 적용한다.
• 비볼록 성분을 단순화하여 문제의 해석 가능성과 계산 효율성을 향상시키기 위해 근사 방법을 적용한다.
• 대규모 문제를 더 작고 다루기 쉬운 부분 문제들로 분해하기 위해 최적화 분해 기법을 사용한다.
• 수렴 속도 향상을 위해 Summit 슈퍼컴퓨터를 활용하여 대규모 네트워크의 신속한 해를 도출한다.
• 확장성과 실시간 실행 가능성을 고려하여 통합된 알고리즘 프레임워크를 설계한다.
• ARPA-E GO 경쟁에서 제공한 합성 및 실제 전력망 네트워크를 바탕으로 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 30,000 버스 전력 시스템까지 확장 가능한 계산적으로 효율적인 SCOPF 프레임워크를 개발할 수 있는가?
• RQ2 사고 선택과 근사 방법은 타당성에 영향을 주지 않으면서도 해결 시간을 얼마나 효과적으로 줄이는가?
• RQ3 대규모 SCOPF 문제에서 분해 기법은 수렴성과 확장성에 얼마나 기여하는가?
• RQ4 제안된 프레임워크는 합성 및 실제 네트워크에서 실용적인 시간 제한 내에 타당한 해를 도출할 수 있는가?
• RQ5 기본 제공된 공개 데이터셋에서 이전 방법과 비교해 본다면, 이 접근 방식의 성능은 어떠한가?

주요 결과

• 제안된 프레임워크는 실용적인 시간 내에 30,000 버스 전력 시스템에 대한 타당한 해를 성공적으로 계산하였다.
• 사고 선택은 제약 조건의 수를 크게 줄여 계산 효율성을 향상시켰다.
• 근사 방법은 비볼록 성분을 단순화함으로써 해의 품질을 유지하면서도 수렴 속도를 높였다.
• 분해 기법은 계산 부담을 분산시켜 대규모 SCOPF 문제의 확장 가능한 해법을 가능하게 하였다.
• 프레임워크는 ARPA-E GO 경쟁에서 제공한 합성 및 실제 전력망 네트워크에서 모두 검증되었으며, 실용성을 확인하였다.
• Summit 슈퍼컴퓨터의 사용은 고성능 컴퓨팅을 가능하게 하여 대규모 인스턴스의 해를 지원하였다.