基于自动微分技术内点法最优潮流算法.docVIP

内点最优潮流算法自动微分的有效执行技术 摘要：本文提出了一种改进的内点矩形最优潮流（OPF)算法的自动微分（AD）技术执行过程。有别于现有的AD技术执行过程，该执行过程增加了一个识别由AD技术生成的所有定常一阶和二阶导数的子程序，并在迭代前生成一个定常导数列表。在内点OPF算法的每次迭代工程中，只通过AD工具更新变化的导数。ADC这一优秀的软件作为AD的一个基本工具，完成上述执行工程。AD技术结合用户自定义模型界面，增强了计算性能和灵活性。大规模的电力系统算例研究表明，该算法在保持代码可维护性、灵活性的同时,计算速度接近手动编程。这篇文章证明，AD技术具有应用于电力系统在线运行环境的潜力，可取代传统手动编程求导，大大减轻软件开发人员的负担。 关键字：ADC，自动微分，内点法，操作符重载，最优潮流 1.引言 近年来，内点法（IPM)凭借其出色的计算性能和鲁棒性，已经被广泛应用于求解大规模电力系统最优潮流（OPF）问题。在内点法OPF中,计算目标函数与约束条件的梯度，雅可比(J acobian) 矩阵和海森( Hessian) 矩阵是很重要的部分。为了获得上述矩阵,开发者不得不手动推导一阶和二阶导数计算公式并手动编程。这种手动编程方式具有以下缺点: ①推导导数计算公式过于繁琐且易于出错; ②将上述公式手动编程并调试工作量大且容易出错; ③ 当加入新设备或复杂装置(如柔性交流输电系统( FACTS) 和高压直流( HVDC) 装置)时 ，增减或修改约束条件、改变目标函数时会很繁琐。 自动微分(AD) 技术的使用克服了手动编程的缺点,与其他微分方法(如数值差分、符号微分) 相比,AD 避免了截断误差,对中央处理器(CPU) 时间和内存空间的占用都远小于上述方法。文献5中在电力系统动态仿真中采用AD计算jacobian矩阵。文献6-8采用AD算法计算电力系统潮流。文献9在计算电力系连续潮流jacobian矩阵和灵敏度时采用AD。文献10在基于MINOS ( modular in2core nonlinear optimization system) 的OPF 算法中采用AD 计算jacobian 矩阵。在电力系统中多数AD工具都是基于源代码转换的自动微分工具ADIFOR（具有稀疏性的源代码转换工具）。基于AD 的OPF 有下述优点: ①灵活性:AD 可轻易实现不同目标函数、模型、约束间的转换或修改; ②可维护性:易于拓展、修改或重复利用已有代码。减轻了开发者的编程负担,同时方便了用户自定义模型的实现。但在OPF 中使用AD的最大问题在于处理大规模系统时表现出的低效性。文献【10】指出在计算大规模系统时,基于AD和MINOS 的OPF 的计算时间是手动编程的5 倍～10 倍。 为了提高基于AD 技术的内点法OPF 算法的计算速度,同时保持程序的灵活性和可维护性,缩短程序开发周期,本文提出了一种新的改进算法。与已有的基于AD 的算法相比,主要有以下几点改进: 1) 用基于C语音操作符重载的AD 替代在文献中应用较多的基于源代码转换的AD。基于操作符重载的AD 保持了代码的整洁,具有更高的灵活性。 2) 用AD 计算Jacobian 矩阵和Hessian 矩阵。到目前为止, 在电力系统中AD 仅被用于计算Jacobian矩阵,而在本文中2 阶导数和Hessian 矩阵也使用AD计算。 3)AD使得内点法最优潮流算法速度大幅提高,得以接近手动编程。 4）当加入用户自定义模型时，用AD计算新模型的导数更高效方便。 2内点法OPF OPF的问题可以用一个标准的非线性规划的数学模型来表述: 在（1）中，是目标函数; 是等式约束主要包括潮流方程; 为不等式约束,主要包括节点电压约束和线路潮流约束等。变量x包括状态变量还和控制变量。 在内点法中，首先要建立等式约束的拉格朗日方程 和为等式约束和不等式约束的拉格朗日乘数, 和是松弛变量，是障碍参数。库恩-塔克（KKT）条件为： (2) ,,,, ，和分别为，和的雅可比矩阵。 用简化的牛顿法处理非线性方程（2），我们可以得到以下三个等式： (4) (5) (6) ， ， ，； ，和分别为，和的海森矩阵，这里. 内点法的主要步骤如下： 初始化：给定初值，计算导纳矩阵. 计算目标函数，等式约束和不等式约束的雅可比和海森矩阵：和。 用预测校正器计算线性系统（3）-（5）。如果收敛则停止；否则返回2）步。 观察以上流程，我们可以得出以下结论 对于不同的目标函数，控制变量和约束条件，程序第三步是固定的模块。 当目标函数，控制变量和约束条件变动是程序第二步也必须改变。所以为了适应不同的应用环境，AD技术用