[논문 리뷰] Fully and partially distributed Quantum Generalized Benders Decomposition for Unit Commitment Problems

Fang Gao, Dejian Huang외 5명|arXiv (Cornell University)|2022. 10. 13.

Microgrid Control and Optimization인용 수 4

한 줄 요약

이 논문은 전력 시스템의 단위 투입 문제(unit commitment, UC)를 위한 완전 및 부분 분산형 양자 일반화 벤더 분해(QGBD) 알고리즘을 제안한다. 이 알고리즘은 마스터 문제를 해결하기 위해 양자 앤날링을 활용하고, 분산 최적화를 가능하게 하기 위해 공감대 기반 재구성(reformulation)을 사용한다. D-CIQGBD 변종은 IEEE-RTS 24-bus 시스템에서 고전적 Gurobi보다 성능 향상을 보이며, 안정성과 계산 효율성이 향상된 고유 에너지 갭(eigenenergy gap)을 확보한다.

ABSTRACT

A series of hybrid quantum-classical generalized Benders decomposition (GBD) algorithms are proposed to address unit commitment (UC) problems under centralized, distributed, and partially distributed frameworks. In the centralized approach, the quantum GBD transforms the master problem (MP) into a quadratic unconstrained binary optimization form suitable for quantum computing. For distributed systems, the distributed consensus quantum GBD employs an average consensus strategy to reformulate subproblems into local subproblems. By leveraging the dual information, local cutting planes are constructed to decompose the MP into local master problems (LMPs). This approach reduces the qubit overhead and addresses the partitioning requirements. The consensus-inspired quantum GBD (CIQGBD) and its partially distributed variant, D-CIQGBD are proposed based on optimizing the allocation of relaxation variables directly, the algorithms construct more rational cutting planes, thereby enhancing the minimum eigenenergy gap of the system Hamiltonian during quantum annealing and improving the computational efficiency. Extensive experiments under various UC scenarios validate the performance of the above-mentioned hybrid algorithms. Compared to the classical solver Gurobi, D-CIQGBD demonstrates a speed advantage in solving the security-constrained UC problem on the IEEE-RTS 24-bus system. These results provide new perspectives on leveraging quantum computing for the distributed optimization of power systems.

연구 동기 및 목표

• 대규모 전력 시스템 단위 투입(UC) 문제의 계산적 과제를 하이브리드 양자-고전 최적화를 통해 해결하기 위해.
• 분산 및 부분 분산 프레임워크를 통해 양자 기반 UC 솔버에서 큐비트 과잉을 줄이고 파artitioning 제약 조건을 충족하기 위해.
• 이중 정보와 이완 변수 최적화를 통해 더 합리적인 커팅 평면을 구성함으로써 양자 앤날링 중 최소 고유 에너지 갭을 향상시키기 위해.
• 보안 제약 조건이 있는 다양한 UC 시나리오, 특히 안정성 제약이 있는 경우에 제안된 양자 GBD 알고리즘의 성능을 검증하기 위해.
• 일반화 벤더 분해를 활용한 전력 시스템 경제적 디스패치 및 단위 투입을 위한 확장 가능한 양자 가속화 접근법 제공하기 위해.

제안 방법

• 중앙집중식 양자 GBD 프레임워크에서 마스터 문제(MP)를 양자 앤날링에 적합한 이차 무제약 이진 최적화(QUBO) 형태로 변환한다.
• 분산 공감대 양자 GBD(CQGBD)에서 평균 공감 전략을 사용해 하위 문제를 국지 하위 문제로 분해함으로써 국지 계산과 통신 감소를 가능하게 한다.
• 이중 정보를 사용해 국지 마스터 문제(LMP)를 구성하고 국지 커팅 평면을 생성함으로써 수렴성을 확보하면서 큐비트 사용을 최소화한다.
• 이완 변수를 직접 최적화하여 공감대 기반 양자 GBD(CIQGBD) 및 그 부분 분산 변종인 D-CIQGBD를 도입함으로써 시스템 해밀토니안의 고유 에너지 갭을 향상시킨다.
• 이중 정보와 이완 변수 할당을 활용해 더 합리적인 커팅 평면을 생성함으로써 양자 앤날링의 안정성과 효율성을 향상시킨다.
• 결과로 도출된 하이브리드 양자-고전 알고리즘을 IEEE-RTS 24-bus 시스템의 보안 제약 조건이 있는 UC 문제에 적용하여 벤치마킹을 수행한다.

실험 결과

연구 질문

• RQ1 양자 일반화 벤더 분해가 전력 시스템 단위 투입 문제에 대해 분산 및 부분 분산 프레임워크에 효과적으로 적용될 수 있는가?
• RQ2 이완 변수를 직접 최적화하는 것이 UC 문제의 양자 앤날링에서 고유 에너지 갭과 수렴 행동에 어떤 영향을 미치는가?
• RQ3 양자 GBD가 보안 제약 조건이 있는 단위 투입 문제를 해결하는 데 있어 고전적 솔버인 Gurobi를 얼마나 뛰어나게 성능 향상시킬 수 있는가?
• RQ4 공감대 기반 재구성은 분산 양자 최적화에서 큐비트 과잉과 통신 요구 사항에 어떤 영향을 미치는가?
• RQ5 제안된 양자 GBD 변종들은 양자 회로 구현 복잡도를 줄이면서도 솔루션 품질을 어떻게 유지하는가?

주요 결과

• D-CIQGBD 알고리즘은 IEEE-RTS 24-bus 시스템에서 보안 제약 조건이 있는 단위 투입 문제를 해결하는 데 있어 고전적 Gurobi 솔버보다 측정 가능한 속도 우수성을 확보한다.
• 제안된 CIQGBD 및 D-CIQGBD 방법은 양자 앤날링 중 시스템 해밀토니안의 최소 고유 에너지 갭을 향상시켜 안정성과 성공 확률을 증가시킨다.
• 부분 분산형 D-CIQGBD 프레임워크는 중심 집중식 양자 GBD보다 큐비트 과잉을 줄이고 파artitioning 제약 조건을 더 효과적으로 충족한다.
• 이중 정보와 이완 변수 최적화의 활용은 더 합리적인 커팅 평면을 생성하여 수렴성과 계산 효율성을 향상시킨다.
• 광범위한 실험을 통해 하이브리드 양자-고전 GBD 알고리즘이 다양한 UC 시나리오에서 확장성과 강건성을 입증한다.
• 공감대 기반 재구성은 마스터 문제를 국지 마스터 문제로 효과적으로 분해하여 솔루션 품질을 훼손하지 않으면서도 분산 실행을 지원한다.