[论文解读] The Power Grid Library for Benchmarking AC Optimal Power Flow Algorithms

Sogol Babaeinejadsarookolaee, Adam B. Birchfield+21 more|arXiv (Cornell University)|Aug 7, 2019

Optimal Power Flow Distribution参考文献 74被引用 209

一句话总结

本文通过提出规范的 AC-OPF 基准化方法（模型 1）、整理 PGLIB-OPF 网络库，并给出数据驱动方法以填充缺失的网络数据，从而实现对 AC-OPF 算法的稳健基准测试。

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.

研究动机与目标

• 通过协调问题公式化和数据的差异，推动 AC-OPF 的标准化基准测试。
• 提出一种适用于算法基准测试的具体 AC-OPF 公式化（模型 1）。
• 整理并扩充公开可用的网络数据，以支持可靠的基准测试。
• 识别数据缺口并提出数据驱动模型以填充缺失的发电机与支路数据。
• 通过基线验证和对最优性缺口的分析，展示 PGLIB-OPF 网络的有用性。

提出的方法

• 用非凸复变量和二次发电成本目标定义 Model 1 AC-OPF。
• 描述实现 AC-OPF 所需的数据输入和推导参数（Yl, Tl）。
• 对现有 MATPOWER 数据集进行调查并识别缺失信息（发电机极限、成本、支路极限）。
• 提出数据驱动模型以填充缺口：Generator Fuel Category (GF-Stat)，Active Generation Capacity (AG-Stat)，Reactive Generation (RG-AM50)，Generation Cost (AC-Stat)。
• 提出支路热极限模型 TL-Stat 和 TL-UB，以从可用数据估计极限。
• 引入电压相角差界限（30 度），以实现跨网络的基准测试。

实验结果

研究问题

• RQ1 AC-OPF 数据集与标准化基准化公式的要求之间存在哪些差异？
• RQ2 如何在多样化网络上使用 MATPOWER 风格数据对统一的 AC-OPF 公式（模型 1）进行落地？
• RQ3 哪些数据驱动方法可以可靠填充缺失的发电机与支路数据，以实现稳健的基准测试？
• RQ4 PGLIB-OPF 网络是否存在有意义的最优性缺口，能够区分不同的 AC-OPF 解法？
• RQ5 PGLIB-OPF 库是否能够生成更具挑战性的测试用例（API 和 SAD 变体），用于基准测试？

主要发现

• 标准化的 AC-OPF 公式（模型 1）适用于基准测试，并在一般情况下凸显 NP-hardness。
• MATPOWER 数据集通常缺乏必要的 AC-OPF 数据（发电成本、极限、支路极限），需要进行数据补全。
• 初步调查显示大多数数据集的最优性缺口较小（通常<1%），但有若干案例存在显著缺口，便于基准测试区分。
• 数据驱动模型（GF-Stat、AG-Stat、RG-AM50、AC-Stat）有效填充缺失的发电机和成本数据，创建可用的 PGLIB-OPF 网络。
• 两种热限模型（TL-Stat、TL-UB）在分支数据不完整时提供合理的估计。
• PGLIB-OPF 网络能够创建超出典型运行条件的更具挑战性的测试用例（API 与 SAD 变体）。