[论文解读] Improving Clique Decompositions of Semidefinite Relaxations for Optimal Power Flow Problems

Julie Sliwak, Miguel F. Anjos+3 more|arXiv (Cornell University)|Dec 19, 2019

VLSI and FPGA Design Techniques被引用 4

一句话总结

本文表明，在用于最优潮流（OPF）问题半定规划（SDP）松弛的稀疏性利用中，最小化弦化扩展中添加的边数——这一常见做法——并不总是能获得最佳性能。相反，作者证明，通过战略性地增加边数以减少连接约束并平衡团的大小，可显著加快求解速度，尤其在大规模OPF实例中，这挑战了‘添加边越少越好’的传统观念。

ABSTRACT

Semidefinite Programming (SDP) provides tight lower bounds for Optimal Power Flow problems. However, solving large-scale SDP problems requires exploiting sparsity. In this paper, we experiment several clique decomposition algorithms that lead to different reformulations and we show that the resolution is highly sensitive to the clique decomposition procedure. Our main contribution is to demonstrate that minimizing the number of additional edges in the chordal extension is not always appropriate to get a good clique decomposition.

研究动机与目标

• 研究不同团分解策略对最优潮流（OPF）问题半定规划（SDP）松弛效率的影响。
• 挑战在弦化扩展中最小化添加边数的普遍启发式方法，该方法常导致大量小团和过多的连接约束。
• 评估基于实数与复数变量形式的SDP问题重构是否导致不同的性能结果。
• 开发并测试一种新的团组合算法，优先减少连接约束，同时保持较小的团大小。
• 证明大规模OPF问题中的性能提升并非源于最小化添加边数，而是源于优化团分解的结构。

提出的方法

• 作者比较了多种团分解算法在ACOPF问题SDP松弛中的应用，重点在于弦化扩展的构建。
• 通过对比同一OPF问题基于实数与复数变量形式的重构，隔离变量表示的影响。
• 提出一种新颖的团组合算法，通过逐步向弦化扩展中添加边来合并重叠的团，从而减少连接约束的数量。
• 该算法优先以减少连接约束数量的方式合并团，同时保持单个团的大小较小。
• 在RTE和MATPOWER测试系统上进行计算实验，比较不同分解策略下的求解时间与收敛行为。
• 使用内点法求解生成的SDP问题，性能通过求解时间与迭代次数进行衡量。

实验结果

研究问题

• RQ1 在弦化扩展中最小化添加边数是否始终能加快OPF问题SDP松弛的求解速度？
• RQ2 基于实数与复数变量形式的SDP问题重构在计算效率方面如何比较？
• RQ3 一种通过增加添加边数来减少连接约束的团组合算法，是否能提升性能？
• RQ4 在OPF SDP的团分解中，添加边数、最大团大小与连接约束数之间存在何种权衡？
• RQ5 与传统的边数最小化方法相比，采用兼顾团大小与连接约束数的启发式方法是否具有性能优势？

主要发现

• 在弦化扩展中最小化添加边数，并非在通过SDP松弛求解大规模OPF问题时始终最优。
• 基于复数变量的重构需要更多添加边，但其性能显著优于实数变量形式，尽管边数更高。
• 所提出的团组合算法通过增加边数以减少连接约束，使最大规模OPF实例的求解速度大幅提升。
• 连接约束数量是决定求解效率的关键因素，尤其在大规模问题中，其重要性超过添加边数。
• 性能提升并非源于减少边的添加，而是通过战略性地增加边数以最小化团之间的重叠约束。
• 结果表明，弦化扩展的构建应基于多目标准则，包括团大小、连接约束数与添加边数，而不仅仅依赖于边数。