面向安全约束交流最优潮流的 GPU 上的增型拉格朗日方法
最优化与控制
2025-10-16 v1
摘要
我们提出了一种用于求解极大规模安全约束交流最优潮流（AC-SCOPF）的新算法。该方法基于非线性约束增型拉格朗日法（NCL），即在子问题中使用内点法求解的增型拉格朗日方法。NCL 在大规模 SC-OPF 问题中具有两个关键优势：首先，NCL 能处理诸如不可行问题或具有互补约束的模型；其次，增型拉格朗日项自然正则化内点法中的 Newton 线性系统，使其能够使用无枢轴分解求解 Newton 系统，这种分解可以在 GPU 上高效并行化。我们评估了称为 MadNCL 的实现性能，该实现应用于大规模纠错型 AC-SCOPF，其中包含建模纠错措施的互补约束。数值结果表明，MadNCL 能在 3 分钟内在 GPU 上完全求解 500 节点、256 个情景的 AC-SCOPF，而 Knitro 需要超过 3 小时才能找到等效解。
引用
@article{arxiv.2510.13333,
title = {An Augmented Lagrangian Method on GPU for Security-Constrained AC Optimal Power Flow},
author = {François Pacaud and Armin Nurkanović and Anton Pozharskiy and Alexis Montoison and Sungho Shin},
journal= {arXiv preprint arXiv:2510.13333},
year = {2025}
}