[论文解读] Message Passing for Dynamic Network Energy Management

Matt Kraning, Eric Chu+2 more|arXiv (Cornell University)|Apr 5, 2012

Smart Grid Energy Management参考文献 54被引用 42

一句话总结

本文提出了一种近似平均消息传递方法，用于智能电网中动态网络电能管理的去中心化优化。每个设备通过与邻居交换消息，迭代求解其本地优化问题，在凸性条件下收敛至全局最优解；在单台机器上串行求解了包含3000万个变量的问题，耗时52分钟，而采用点对点实现时，潜在耗时可低于1秒。

ABSTRACT

We consider a network of devices, such as generators, fixed loads, deferrable loads, and storage devices, each with its own dynamic constraints and objective, connected by lossy capacitated lines. The problem is to minimize the total network objective subject to the device and line constraints, over a given time horizon. This is a large optimization problem, with variables for consumption or generation in each time period for each device. In this paper we develop a decentralized method for solving this problem. The method is iterative: At each step, each device exchanges simple messages with its neighbors in the network and then solves its own optimization problem, minimizing its own objective function, augmented by a term determined by the messages it has received. We show that this message passing method converges to a solution when the device objective and constraints are convex. The method is completely decentralized, and needs no global coordination other than synchronizing iterations; the problems to be solved by each device can typically be solved extremely efficiently and in parallel. The method is fast enough that even a serial implementation can solve substantial problems in reasonable time frames. We report results for several numerical experiments, demonstrating the method's speed and scaling, including the solution of a problem instance with over 30 million variables in 52 minutes for a serial implementation; with decentralized computing, the solve time would be less than one second.

研究动机与目标

• 解决包含数十万个设备和数百万个变量的智能电网中大规模、动态电能管理的挑战。
• 开发一种去中心化优化方法，在凸性条件下避免全局协调，确保收敛至全局最优解。
• 通过快速、可扩展且分布式的计算，实现智能电网的实时运行。
• 通过点对点架构支持实际部署，设备仅交换最少的消息，同时保护其目标函数与约束条件的隐私。
• 在大规模问题上展示方法的可扩展性与效率，包括在单台机器上52分钟内求解3000万个变量的实例。

提出的方法

• 该方法采用近似平均消息传递，一种迭代算法，其中每个设备与邻居交换简单消息，并基于接收到的消息导出的正则化项求解其本地优化问题。
• 该算法基于交替方向乘子法（ADMM），引入一个近端项，通过邻居间消息的平均来稳定收敛过程。
• 每个设备最小化其自身目标函数，外加一个惩罚项，以在全网范围内强制实现功率流与设备状态的一致性。
• 该方法仅需设备间迭代的同步，无需全局协调，从而实现完全去中心化的执行。
• 采用热启动技术，在负载曲线在迭代间发生微小变化时加速收敛。
• 该算法可实现为点对点形式，每个设备运行独立处理器，仅与直接邻居通信。

实验结果

研究问题

• RQ1 去中心化消息传递方法是否能在无全局协调的情况下高效求解大规模动态网络电能管理问题？
• RQ2 近似平均消息传递方法的收敛行为如何随网络规模和问题维度变化？
• RQ3 在时变场景下，热启动能在多大程度上减少达到收敛所需的迭代次数？
• RQ4 该方法是否能在点对点架构中有效部署，使得设备不披露其目标函数或约束条件？
• RQ5 该方法在真实规模问题（如3000万个变量）上的性能如何？

主要发现

• 当所有设备的目标函数与约束条件均为凸函数时，近似平均消息传递方法可收敛至最优解，确保全局最优性。
• 串行实现版本在52分钟内求解了超过3000万个变量的问题，证明了其在大规模实例上的可行性。
• 采用去中心化点对点执行时，相同问题的求解时间可低于1秒，凸显了巨大的加速潜力。
• 热启动显著减少了收敛所需的迭代次数，尤其在负载曲线发生微小扰动时效果更明显。
• 每次迭代的耗时与收敛所需的迭代次数几乎与网络规模无关，表明具有极强的可扩展性。
• 该方法实现了隐私保护的协调，因为设备仅交换简单消息，不暴露其自身的目标函数或约束条件。