[논문 리뷰] Optimization-Based Bound Tightening using a Strengthened QC-Relaxation of the Optimal Power Flow Problem

Kaarthik Sundar, Harsha Nagarajan외 4명|arXiv (Cornell University)|2018. 09. 12.

Optimal Power Flow Distribution인용 수 7

한 줄 요약

이 논문은 극단점 표현을 활용하여 기존의 QC 리 릿스팅보다 우월한 강화된 이차형 볼록(Quadratic Convex, QC) 리 릿스팅을 제안한다. 이 리 릿스팅은 최적화 기반 경계 타이트닝(Optimization-Based Bound-Tightening, OBBT) 알고리즘에 통합되어, 표준 AC-OPF 사례에서 가장 좁은 변수 경계와 가장 작은 최적성 갭을 달성하며, 런타임 영향은 극히 미미하다.

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.

연구 동기 및 목표

• 비볼록 AC-OPF 문제를 위한 더 좁은 볼록 리 릿스팅을 개발하여 경계 품질과 최적성 갭을 향상시키기.
• 경계 타이트닝과 강력한 볼록 리 릿스팅 간의 상호보완적 작용을 활용하여 글로벌 최적화 성능을 향상시키기.
• 제안된 QC 리 릿스팅이 기존 변형들보다 우월함을 이론적·실험적으로 입증하기.
• 강화된 리 릿스팅을 활용하여 전압 크기와 위상각 차이의 변수 경계를 더욱 좁게 만드는 OBBT 알고리즘 설계 및 평가하기.
• 다양한 운영 조건에서 표준 AC-OPF 테스트 케이스를 대상으로 접근법 검증하기.

제안 방법

• AC 전력 흐름 방정식의 극단점 표현을 활용하여 강화된 QC 리 릿스팅을 수립한다.
• 기존 문헌에서의 QC-RM 및 QC-LM 리 릿스팅보다 새로운 리 릿스팅의 이론적 우월성을 도출한다.
• 강화된 QC 리 릿스팅을 최적화 기반 경계 타이트닝(OBBT) 프레임워크에 통합하여 전압 크기와 위상각 차이의 경계를 반복적으로 타이트닝한다.
• 볼록 최적화 기법을 사용하여 리 릿스팅 및 OBBT 보조 문제를 해결하고, 경계를 반복적으로 갱신한다.
• OBBT 과정에서 타이트닝된 경계를 활용하여 개선된 브랜치 앤 바운드 글로벌 최적화 전략을 구현한다.
• MATPOWER에서 제공하는 표준 AC-OPF 테스트 케이스(최대 588 버스 포함)를 대상으로 방법을 검증한다.

실험 결과

연구 질문

• RQ1 AC-OPF 문제에 대해 기존 QC 리 릿스팅을 엄밀히 우월하는 강화된 QC 리 릿스팅을 구성할 수 있는가?
• RQ2 강화된 QC 리 릿스팅은 AC-OPF의 글로벌 최적화에서 변수 경계 품질과 최적성 갭을 얼마나 향상시키는가?
• RQ3 강화된 리 릿스팅을 OBBT에 통합할 경우, 기준 방법 대비 더 좁은 경계와 더 작은 최적성 갭을 달성하는가?
• RQ4 다양한 운영 조건(예: 정상, 혼잡, 작은 위상각 차이)에서 제안된 방법의 성능은 어떻게 변화하는가?
• RQ5 강화된 리 릿스팅을 사용할 경우, 제안된 OBBT 알고리즘의 계산 오버헤드는 어느 정도인가?

주요 결과

• 제안된 QC-TLM 리 릿스팅은 모든 테스트 케이스에서 전압 크기와 위상각 차이의 변수 경계를 가장 좁게 제공한다.
• QC-TLM 리 릿스팅은 가장 작은 최적성 갭을 달성하였으며, 특히 case89_pegase_api 및 case118_ieee_api와 같은 어려운 케이스에서 QC-RM 및 QC-LM 대비 최대 20% 향상된 성능 기록하였다.
• 일부 케이스, 예를 들어 case24_ieee_rts_api 및 case73_ieee_rts_api에서는 OBBT 없이도 QC-TLM 리 릿스팅이 더 좁은 경계와 더 작은 갭을 제공한다.
• OBBT 과정은 어려운 케이스에서 최적성 갭을 크게 감소시켰으며, case118_ieee_api의 경우 OBBT 후 최적성 갭이 28.62%에서 3.39%로 감소하였다.
• 강화된 리 릿스팅은 계산 효율성을 유지하므로, 이러한 개선을 거의 영향 없이 달성하였다.
• 수치적 결과는 강화된 QC 리 릿스팅이 경계 품질과 최적성 갭 측면에서 QC-RM 및 QC-LM 리 릿스팅을 모두 이길 수 있음을 확인하였다.