面向不确定情境下能源系统的量子随机优化：基于量子退火的联合机会约束
量子物理
2025-12-04 v1
摘要
不确定性是现代电力系统的基本特征，随着可再生能源出力波动和需求变化，随机优化不可或缺。机会约束单元承诺问题(UCP)能捕捉这种不确定性，但随场景数量增长而计算难度急剧上升。量子计算被提出作为突破这一规模瓶颈的潜在途径。本文评估了量子退火平台解决机会约束 UCP 的适用性。聚焦场景近似方法，我们将问题 reformulated 为混合整数线性规划，分别使用 DWave 混合量子-经典求解器和 Gurobi 求解。混合求解器在严格运行时间限制下对大规模场景(本实验中达15,000个场景)仍具竞争力，而 Gurobi 在小规模案例中仍占优势。我们还测试了 QUBO 重构，但当前量子退火器因硬件限制无法处理随机 UCP，确定性问题则因嵌入开销受限。本研究界定了基于混合量子-经典方法的机会约束 UCP已可实现的范围，以及当前量子退火器在根本层面的局限性。
引用
@article{arxiv.2512.03925,
title = {Towards Quantum Stochastic Optimization for Energy Systems under Uncertainty: Joint Chance Constraints with Quantum Annealing},
author = {David Ribes and Tatiana Gonzalez Grandon},
journal= {arXiv preprint arXiv:2512.03925},
year = {2025}
}
备注
24 pages, 9 figures