[논문 리뷰] A Two-level ADMM Algorithm for AC OPF with Global Convergence Guarantees

Kaizhao Sun, Xu Andy Sun|arXiv (Cornell University)|2020. 08. 27.

Optimal Power Flow Distribution참고 문헌 31인용 수 5

한 줄 요약

이 논문은 비볼록 문제에 대해 표준 ADMM에서의 수렴 부족을 극복하기 위해 전역 수렴과 반복 복잡도 보장을 보장하는 이중 수준 ADMM 알고리즘을 제안한다. 보조 라그랑주 프레임워크 내에 삼블록 ADMM를 통합함으로써, 대규모 시스템(최대 30,000 버스)에서도 강력하고 스케일러블한 성능을 달성한다. 이는 한 단계 ADMM 변종보다 수렴성, 강건성, 확장성 면에서 뛰어나며, 병렬화 조건 하에서 중심 집중형 솔버와 경쟁 가능한 수렴 속도를 보인다.

ABSTRACT

This paper proposes a two-level distributed algorithmic framework for solving the AC optimal power flow (OPF) problem with convergence guarantees. The presence of highly nonconvex constraints in OPF poses significant challenges to distributed algorithms based on the alternating direction method of multipliers (ADMM). In particular, convergence is not provably guaranteed for nonconvex network optimization problems like AC OPF. In order to overcome this difficulty, we propose a new distributed reformulation for AC OPF and a two-level ADMM algorithm that goes beyond the standard framework of ADMM. We establish the global convergence and iteration complexity of the proposed algorithm under mild assumptions. Extensive numerical experiments over some largest test cases from NESTA and PGLib-OPF (up to 30,000-bus systems) demonstrate advantages of the proposed algorithm over existing ADMM variants in terms of convergence, scalability, and robustness. Moreover, under appropriate parallel implementation, the proposed algorithm exhibits fast convergence comparable to or even better than the state-of-the-art centralized solver.

연구 동기 및 목표

• 비볼록 AC OPF 문제에 대해 기존 ADMM 기반 방법의 수렴 보장 부족 문제를 해결하기 위해.
• 약한 가정 하에 정류점으로의 전역 수렴을 보장하는 분산 알고리즘 프레임워크를 개발하기 위해.
• 대규모 AC OPF 문제, 특히 30,000 버스 시스템을 포함한 시스템의 확장성과 강건성을 향상시키기 위해.
• 앞서 진행될 수 있는 가속 기법들을 위한 기초가 될 수 있는 이론적으로 지원되는 분산 프레임워크를 제공하기 위해.

제안 방법

• 알고리즘은 이중 수준 아키텍처를 사용한다: 마스터 수준의 보조 라그랑주 방법(ADMM)과 하위 문제 수준의 삼블록 ADMM.
• AC OPF 문제를 분산 형태로 재구성하여 수렴에 필요한 구조적 성질을 유지한다.
• 내부 ADMM은 일괄적으로 영역 하위 문제를 해결하며, 공통화 및 페널티 항을 통해 연결 제약 조건을 강제한다.
• 이차 정보를 활용하고 페널티 매개수를 적응적으로 갱신함으로써 수렴 행동을 향상시킨다.
• 약한 가정 하에 수렴이 보장되며, 이는 페널티 매개수의 유계성과 하위 문제의 해가 존재하는 조건을 포함한다.
• 대규모 병렬 처리가 가능하며, 각 영역의 코어 수에 따라 계산이 분산된다.

실험 결과

연구 질문

• RQ1 분산 ADMM 기반 알고리즘이 비볼록 AC OPF 문제에 대해 전역 수렴을 달성할 수 있는가?
• RQ2 매우 비볼록적인 전력 흐름 제약 조건이 존재하는 상황에서 ADMM의 수렴을 어떻게 보장할 수 있는가?
• RQ3 제안된 알고리즘이 대규모 전력 시스템(예: 30,000 버스 시스템)에서의 확장성과 강건성은 어떠한가?
• RQ4 이중 수준 아키텍처는 한 단계 ADMM 변종에 비해 수렴 성능을 어떻게 향상시키는가?
• RQ5 병렬 구현 조건 하에서 중심 집중형 솔버와 경쟁 가능한 수렴 속도를 달성할 수 있는가?

주요 결과

• 제안된 이중 수준 ADMM 알고리즘은 약한 가정 하에 정류점으로의 전역 수렴을 달성하며, 증명 가능한 반복 복잡도 상한을 갖는다.
• 30,000 버스 시스템에서 알고리즘은 이중성 갭 1.04%와 해 시간 157.32초로 수렴하며, 한 단계 ADMM 변종보다 뚜렷이 뛰어나다.
• 한 단계 ADMM 변종는 1000회 반복 이내에 타당성 허용 오차를 충족하지 못했으며, 페널티 매개수가 10^24에 도달해 수렴 붕괴를 보였다.
• 병렬화 조건 하에서 알고리즘은 빠른 수렴을 보이며, 코어 수가 증가할수록 평균 하위 문제 처리 시간이 감소함으로써 강력한 확장성을 보였다.
• ℓ₂ 불타당성 수준이 높기 때문에 일부 경우에서 이중성 갭이 음수로 유지되며, ℓ∞ 위반은 10⁻³ 이하이지만 여전히 제약 위반 잔여 요소가 존재함을 시사한다.
• 알고리즘의 성능은 NESTA와 PGLib-OPF의 다양한 테스트 케이스, 특히 제약 조건 차원이 큰 고도로 분할된 네트워크에서도 강건하다.