[논문 리뷰] The Power Grid Library for Benchmarking AC Optimal Power Flow Algorithms

Sogol Babaeinejadsarookolaee, Adam B. Birchfield외 21명|arXiv (Cornell University)|2019. 08. 07.

Optimal Power Flow Distribution참고 문헌 74인용 수 209

한 줄 요약

이 논문은 표준 AC-OPF 벤치마킹을 위한 표준화된 공식화(Model 1)을 제안하고, PGLIB-OPF 네트워크 라이브러리를 큐레이션하며, AC-OPF 알고리즘의 견고한 벤치마킹을 위한 네트워크 데이터를 채우는 데이터 기반 방법들을 제시함으로써 표준화를 제시합니다.

ABSTRACT

In recent years, the power systems research community has seen an explosion of novel methods for formulating the AC power flow equations. Consequently, benchmarking studies using the seminal AC Optimal Power Flow (AC-OPF) problem have emerged as the primary method for evaluating these emerging methods. However, it is often difficult to directly compare these studies due to subtle differences in the AC-OPF problem formulation as well as the network, generation, and loading data that are used for evaluation. To help address these challenges, this IEEE PES Task Force report proposes a standardized AC-OPF mathematical formulation and the PGLib-OPF networks for benchmarking AC-OPF algorithms. A motivating study demonstrates some limitations of the established network datasets in the context of benchmarking AC-OPF algorithms and a validation study demonstrates the efficacy of using the PGLib-OPF networks for this purpose. In the interest of scientific discourse and future additions, the PGLib-OPF benchmark library is open-access and all the of network data is provided under a creative commons license.

연구 동기 및 목표

• AC-OPF의 변형과 데이터 차이를 조정하여 표준 벤치마킹을 위한 동기를 부여한다.
• 알고리즘 벤치마킹에 적합한 특정 AC-OPF 공식화(Model 1)를 제안한다.
• 신뢰할 수 있는 벤치마킹을 지원하기 위해 공개적으로 이용 가능한 네트워크 데이터를 선별하고 강화한다.
• 누락된 발전기 및 가지 데이터 채우기를 위한 데이터 기반 모델의 데이터 격차를 식별하고 제안한다.
• Baseline 검증 및 최적성 격차 분석을 통해 PGLIB-OPF 네트워크의 활용 가능성을 입증한다.

제안 방법

• 비선형 복소 변수와 2차 발전비용 목적함수를 갖는 Model 1 AC-OPF를 정의한다.
• AC-OPF 구현을 위해 필요한 데이터 입력 및 파생 파라미터(Yl, Tl)를 설명한다.
• 기존 MATPOWER 데이터세트를 조사하고 누락된 정보를 식별한다(발전기 한계, 비용, 가지 한계).
• 데이터 기반 모델로 간극을 채운다: Generator Fuel Category (GF-Stat), Active Generation Capacity (AG-Stat), Reactive Generation (RG-AM50), Generation Cost (AC-Stat).
• 가지 열허용 한계 모델 TL-Stat 및 TL-UB를 제안하여 이용 가능한 데이터에서 한계치를 추정한다.
• 네트워크 간 벤치마킹을 가능하게 하기 위해 전압 각 차이 한계(30도)를 도입한다.

실험 결과

연구 질문

• RQ1 AC-OPF 데이터세트와 표준화된 벤치마킹 공식화의 요구 사이에 어떤 차이가 존재하는가?
• RQ2 MATPOWER 스타일 데이터로 서로 다른 네트워크에서 통합 AC-OPF 공식화(Model 1)를 어떻게 운영화할 수 있는가?
• RQ3 누락된 발전기 및 가지 데이터를 신뢰할 수 있게 채워 강건한 벤치마킹을 가능하게 하는 데이터 기반 방법은 무엇인가?
• RQ4 PGLIB-OPF 네트워크는 AC-OPF 해결 방법을 구분하는 의미 있는 최적성 격차를 보이는가?
• RQ5 PGLIB-OPF 라이브러리는 벤치마킹을 위한 더 도전적인 테스트 케이스(API 및 SAD 변형) 생성을 지원할 수 있는가?

주요 결과

• 표준화된 AC-OPF 공식화(Model 1)는 벤치마킹에 적합하며 일반적으로 NP-강함을 강조한다.
• MATPOWER 데이터세트는 종종 AC-OPF에 필요한 데이터(발전 비용, 한계, 가지 한계)가 부족하여 데이터 보완이 필요하다.
• 사전 조사를 통해 대부분의 데이터세트가 최적성 격차가 작지만(대개 <1%), 몇몇 사례에서 유의한 격차가 있어 벤치마킹 차별화를 가능하게 한다.
• 데이터 기반 모델(GF-Stat, AG-Stat, RG-AM50, AC-Stat)은 누락된 발전기 및 비용 데이터를 효과적으로 채워 usable한 PGLIB-OPF 네트워크를 만든다.
• 두 가지 열한계 모델(TL-Stat, TL-UB)은 가지 데이터가 불완전할 때 합리적인 추정을 제공한다.
• PGLIB-OPF 네트워크는 일반 운영 조건을 넘어서는 더 도전적인 테스트 케이스(API 및 SAD)를 생성하는 데 도움을 준다.