[论文解读] Distributed Optimal Power Flow using ALADIN

Alexander Engelmann, Yuning Jiang+3 more|arXiv (Cornell University)|Jan 1, 2018

Optimal Power Flow Distribution被引用 2

一句话总结

本文提出了一种基于 ALADIN 的分布式算法，用于求解非凸 AC 最优潮流（OPF）问题，通过利用近似 Hessian 矩阵，在保持收敛性保证的同时降低通信开销，实现了局部二次收敛——显著快于 ADMM，即使局部子问题未完全最优求解亦能保证收敛。

ABSTRACT

The present paper discusses the application of the recently proposed Augmented Lagrangian Alternating Direction Inexact Newton (ALADIN) method to non-convex AC Optimal Power Flow Problems (OPF) in a distributed fashion. In contrast to the often used Alternating Direction of Multipliers Method (ADMM), ALADIN guarantees locally quadratic convergence for AC OPF. Numerical results for 5 to 300 bus test cases indicate that ALADIN is able to outperform ADMM and to reduce the number of iterations by about one order of magnitude. We compare ALADIN to numerical results for ADMM documented in the literature. The improved convergence speed comes at the cost of increasing the communication effort per iteration. Therefore, we propose a variant of ALADIN that uses inexact Hessians to reduce communication. Additionally, we provide a detailed comparison of these ALADIN variants to ADMM from an algorithmic and communication perspective. Moreover, we prove that ALADIN converges locally at quadratic rate even for the relevant case of suboptimally solved local NLPs.

研究动机与目标

• 为以分布式方式求解大规模、非凸 AC 最优潮流（OPF）问题提供解决方案。
• 通过采用更高效的优化方法，克服 ADMM 在非凸场景下收敛缓慢的问题。
• 在保持快速收敛的同时，通过使用近似 Hessian 矩阵降低 ALADIN 中的通信成本。
• 在算法性能与通信负载方面，对 ALADIN 变体与 ADMM 进行严格比较。

提出的方法

• 本文将增广拉格朗日交替方向不精确牛顿（ALADIN）方法应用于在多个代理或母线之间分解 AC OPF 问题。
• ALADIN 采用增广拉格朗日框架，结合交替方向更新与不精确牛顿步长，求解局部子问题。
• 该方法引入近似 Hessian 矩阵，以降低每轮迭代的计算与通信负担。
• 在局部非线性规划（NLP）可能未完全最优求解的假设下，分析了收敛性，并提供了局部二次收敛的理论保证。
• 从迭代次数、通信成本与收敛速度等方面，对 ALADIN 变体与 ADMM 进行了对比。
• 在 5 至 300 节点测试系统上实现并测试了该算法，以评估不同网络规模下的性能表现。

实验结果

研究问题

• RQ1 在分布式环境下，ALADIN 是否能在非凸 AC 最优潮流问题上实现比 ADMM 更快的收敛速度？
• RQ2 在 ALADIN 中使用近似 Hessian 矩阵如何影响通信成本与收敛行为？
• RQ3 当局部 NLP 未完全最优求解时，ALADIN 是否仍能保持局部二次收敛？
• RQ4 在实际测试案例中，ALADIN 与 ADMM 在收敛速度与通信开销之间存在何种权衡？
• RQ5 在 5 至 300 节点系统中，ALADIN 变体与 ADMM 在迭代次数与可扩展性方面表现如何？

主要发现

• 在 5 至 300 节点测试系统中，ALADIN 所需的收敛迭代次数相比 ADMM 减少了约一个数量级。
• 即使局部 NLP 未完全最优求解，该方法仍能实现 AC OPF 的局部二次收敛。
• 在 ALADIN 中使用近似 Hessian 矩阵可降低每轮迭代的通信成本，同时保持快速收敛性能。
• 尽管每轮迭代的通信量更高，但 ALADIN 因迭代次数大幅减少，实际收敛速度更快。
• 数值结果证实，ALADIN 在所有测试案例中均优于 ADMM，收敛速度更快。
• ALADIN 的理论收敛保证在局部子问题未完全最优求解的实际条件下依然成立。