[论文解读] Computationally Efficient Solutions for Large-Scale Security-Constrained Optimal Power Flow

Mohammadhafez Bazrafshan, Kyri Baker+1 more|arXiv (Cornell University)|May 31, 2020

Optimal Power Flow Distribution被引用 4

一句话总结

本文提出了一种计算高效的算法框架，用于通过预想故障筛选、近似方法和分解技术求解大规模安全约束最优潮流（SCOPF）问题。该方法在短时间内实现了对30,000节点电网的可行解，已在ARPA-E电网优化竞赛提供的合成系统和真实系统上得到验证，展示了超越以往小规模方法的实用可扩展性。

ABSTRACT

In this paper, we discuss our approach and algorithmic framework for solving large-scale security constrained optimal power flow (SCOPF) problems. SCOPF is a mixed integer non-convex optimization problem that aims to obtain the minimum dispatch cost while maintaining the system N-1 secure. Finding a feasible solution for this problem over large networks is challenging and this paper presents contingency selection, approximation methods, and decomposition techniques to address this challenge in a short period of time. The performance of the proposed methods are verified through large-scale synthetic and actual power networks in the Grid Optimization (GO) competition organized by the U.S. Advanced Research Projects Agency-Energy (ARPA-E). As many prior works focus on small-scale systems and are not benchmarked using validated, publicly available datasets, we aim to present a practical solution to SCOPF that has been proven to achieve good performance on realistically sized (30,000 buses) networks.

研究动机与目标

• 为在实际时间范围内求解大规模安全约束最优潮流（SCOPF）问题提供计算上的解决方案。
• 开发一种可扩展至30,000节点系统的实用SCOPF求解方法，克服以往小规模研究的局限性。
• 在ARPA-E电网优化（GO）竞赛提供的公开真实数据集上验证该方法。
• 集成高性能计算与分解技术，加速收敛过程，同时不降低解的质量。
• 提供一个基准化、计算高效的SCOPF框架，支持大规模网络中的N-1安全准则。

提出的方法

• 采用预想故障筛选方法，减少优化中考虑的N-1安全约束数量。
• 应用近似方法，简化SCOPF问题中的非凸部分，提升可处理性。
• 使用优化分解技术，将大规模问题分解为更小、可管理的子问题。
• 利用Summit超级计算机实现高性能计算，支持大规模电网的快速求解。
• 将这些技术整合为统一的算法框架，旨在实现可扩展性与实时可行性。
• 在ARPA-E GO竞赛提供的合成与实际电力系统网络上验证该框架。

实验结果

研究问题

• RQ1 能否开发出一种计算高效的SCOPF框架，使其可扩展至30,000节点的电力系统？
• RQ2 预想故障筛选与近似方法在不损害可行性的情况下，对缩短求解时间的效率如何？
• RQ3 分解技术在大规模SCOPF问题中对收敛性与可扩展性的提升程度如何？
• RQ4 该框架是否能在实际时间限制内，对真实世界与合成网络实现可行解？
• RQ5 该方法在基准化、公开可用的数据集上与以往方法相比性能如何？

主要发现

• 所提出的框架成功在合理时间内为30,000节点电力系统计算出可行解。
• 预想故障筛选显著减少了约束数量，提升了计算效率。
• 近似方法通过简化非凸部分，实现了更快的收敛，同时保持了解的质量。
• 分解技术通过分发计算负载，实现了大规模SCOPF问题的可扩展求解。
• 该框架已在ARPA-E GO竞赛提供的合成与实际电力网络上得到验证，证实了其实际可行性。
• 使用Summit超级计算机实现了高性能计算，支持大规模实例的求解。