[论文解读] Ill-Conditioned Power Flow Analysis Using a Quantized State-Based Approach

Liya Huang, Federico Milano+1 more|arXiv (Cornell University)|Mar 2, 2026

Power System Optimization and Stability被引用 0

一句话总结

论文将量化状态系统（QSS）概念嵌入连续牛顿流（Newton flow）框架，以实现事件驱动的自适应步长控制用于潮流分析，在病态条件下提高鲁棒性并在70k总线的 ACTIVSg70k 测试系统中加速收敛。

ABSTRACT

This paper focuses on power flow analysis through the lens of the Newton flow, a continuous-time formulation of Newton's method. Within this framework, we explore how quantized-state concepts, originally developed as an alternative to time discretization, can be incorporated to govern the evolution of the Newton flow toward the power flow solution. This approach provides a novel perspective on adaptive step-size control and shows how state quantization can enhance robustness in illconditioned cases. The performance of the proposed approach is discussed with the ACTIVSg70k synthetic test system.

研究动机与目标

• 为在经典牛顿方法难以处理的病态情况下的鲁棒潮流分析提供动机。
• 将量化状态系统（QSS）概念引入牛顿流以实现事件驱动的步长自适应。
• 提供对牛顿流显式与隐式离散化的理论洞察。
• 在大型合成测试系统（ACTIVSg70k）上演示性能与鲁棒性提升。

提出的方法

• 将潮流公式化为连续时间的牛顿流：y' = -g(y) 带雅可比矩阵 gy。
• 比较牛顿流的显式（前向欧拉）和隐式（后向欧拉）离散化并分析局部收敛性。
• 通过仅在达到固定量子 Δq 时才更新状态变量来引入QSS，产生事件驱动的步长规则。
• 推导每变量的步长 hk,j = Δq / |fj(y(tk))|，并选择全局 hk = min_j hk,j。
• 将基于QSS的步控与后向欧拉离散化耦合，得到 BEM-J-QSS 和带 QSS 自适应的 BEM-J（以及变体）。
• 通过对 ACTIVSg70k 系统的案例研究评估收敛性与鲁棒性，包括初始化较差的情形。

实验结果

研究问题

• RQ1 能否将量化状态方法嵌入潮流的牛顿流中以提供自适应、事件驱动的步长控制？
• RQ2 与标准显式/隐式方案相比，基于 QSS 的自适应是否提高了病态或初始条件较差的潮流问题的鲁棒性与收敛速度？
• RQ3 在不同步长下，显式与隐式离散化在潮流牛顿流中的局部收敛特性如何？
• RQ4 在条件良好和初始条件较差的情况下，基于 QSS 的 BEM 变体在大型合成测试系统上的表现如何？

主要发现

• 在基线良好初始化的 ACTIVSg70k 系统中所有方法均收敛。
• 带基于 QSS 自适应的 BEM-J-QSS 相比无 QSS 的对应方法 BEM-J，在基线情形下收敛更快。
• QSS 变体减少了内部迭代次数并使步长自适应地跟随状态变化，从而带来计算加速（例如在基线情形下，BEM-J-1-QSS 整体最快）。
• 在初始化较差的条件下（电压-角度缩放 α 达到 1.35–1.66），经典求解器发散，而带 QSS 自适应的基于 BEM 的求解器保持收敛，且通常需要更少的迭代。
• 在缩放初始化条件下的收敛鲁棒性对比中，带 QSS 的 BEM 求解器（如 BEM-J-QSS 和 BEM-J-1-QSS）的成功率更高（在测试集中约为 82%，优于参考求解器）。
• 结果表明基于 QSS 的事件处理提升了对病态条件的鲁棒性，并且在固定步长或启发式调参的 BEM 变体上可能具有更好的性能。