[论文解读] A Distributed Approach for the Optimal Power Flow Problem Based on ADMM and Sequential Convex Approximations

Sindri Magnússon, Pradeep Chathuranga Weeraddana+1 more|arXiv (Cornell University)|Jan 18, 2014

Optimal Power Flow Distribution参考文献 15被引用 9

一句话总结

本文提出一种基于交替方向乘子法（ADMM）与序列凸逼近（SCA）结合的分布式算法，用于求解非凸最优潮流（OPF）问题。通过将电网分解为基于母线的子问题，并利用轻量级通信进行协调，该方法在半定规划（SDP）松弛失效时，仍能实现可扩展性与收敛性，获得可行且近似最优的解。

ABSTRACT

The optimal power flow (OPF) problem, which plays a central role in operating electrical networks is considered. The problem is nonconvex and is in fact NP hard. Therefore, designing efficient algorithms of practical relevance is crucial, though their global optimality is not guaranteed. Existing semi-definite programming relaxation based approaches are restricted to OPF problems where zero duality holds. In this paper, an efficient novel method to address the general nonconvex OPF problem is investigated. The proposed method is based on alternating direction method of multipliers combined with sequential convex approximations. The global OPF problem is decomposed into smaller problems associated to each bus of the network, the solutions of which are coordinated via a light communication protocol. Therefore, the proposed method is highly scalable. The convergence properties of the proposed algorithm are mathematically substantiated. Finally, the proposed algorithm is evaluated on a number of test examples, where the convergence properties of the proposed algorithm are numerically substantiated and the performance is compared with a global optimal method.

研究动机与目标

• 解决半定规划（SDP）松弛在求解一般非凸最优潮流（OPF）问题时的局限性，特别是在存在对偶间隙的情况下。
• 开发一种可扩展的分布式优化框架用于OPF，避免集中式数据收集，并在智能电网应用中保护隐私。
• 通过在电网母线间分解问题并仅需最小通信，克服集中式OPF求解器在可扩展性与隐私方面的缺陷。
• 确保在现有凸松弛方法失效的一般OPF实例中，收敛至可行且近似最优的解。
• 提供数学上严谨的收敛性分析，并在标准测试系统上进行数值验证。

提出的方法

• 利用序列凸逼近（SCA）技术，将全局OPF问题分解为与电网中每个母线相关的较小凸子问题。
• 应用交替方向乘子法（ADMM）通过对偶分解与一致性约束，协调各母线间的解。
• 采用轻量级通信协议，仅在相邻母线之间交换对偶变量与本地状态估计值。
• 通过引入耦合约束（如母线状态与电网电压之间的关系）的拉格朗日松弛，构建ADMM子问题。
• 通过在当前迭代点处对非凸OPF问题进行二阶泰勒展开，迭代地改进局部逼近，以提升收敛性。
• 在较弱假设下（包括逼近函数的Hessian有界）证明算法满足必要最优性条件，从而确保收敛。

实验结果

研究问题

• RQ1 基于ADMM与序列凸逼近的分布式算法，能否在SDP松弛失效的非凸OPF问题中实现收敛与近似最优？
• RQ2 在标准测试系统上，该方法与全局最优求解器及现有SDP方法相比，性能与可行性如何？
• RQ3 对偶间隙对传统SDP基OPF方法性能有何影响？所提方法能否克服此局限？
• RQ4 与集中式OPF解决方案相比，该分布式架构在多大程度上实现了隐私保护与可扩展性提升？
• RQ5 在一般网络拓扑结构与非二次目标函数下，该算法的收敛特性如何？

主要发现

• 所提出的ADMM-SCA方法即使在SDP松弛因非零对偶间隙而失效的情况下，仍能收敛至可行且近似最优的解，适用于一般非凸OPF问题。
• 在测试系统上的数值评估表明，该算法在二三十轮迭代内即可收敛，目标函数值接近全局求解器获得的全局最优值。
• 在可行性方面，该方法优于SDP基方法，因其始终能返回原始可行解，而SDP方法常无法恢复可行解。
• 该算法展现出强大的可扩展性，计算任务分布于各母线，仅需本地通信，适用于大规模智能电网。
• 理论分析证实，在较弱假设（如逼近函数的Hessian有界）下，算法可实现收敛，且解满足最优性条件。
• 该方法通过避免集中式数据收集，保护了隐私，每个母线仅共享对偶变量与本地估计值，而非原始负荷或发电数据。