本帖最后由 咔次薯霸 于 2024-9-18 11:23 编辑
摘要：虚拟电厂参与市场交易后获得市场出清结果，并以此为基础进行内部分布式资源的解聚合，以实现分布式资源协调优化。本文重点研究虚拟电厂解聚合优化过程，以虚拟电厂运营商收益最大化为目标，构建分布式资源解聚合优化的QUBO模型，通过考虑虚拟电厂运行特征的冗余约束辨识方法与量子比特共用机制，减少光量子计算机求解时所需的量子比特数量。求解结果表明，含101个量子比特的光量子计算机求解效率优于Gurobi和Cplex，验证了光量子计算机求解电力系统优化问题的可行性与有效性。
Ø 论文背景
虚拟电厂（VPP）作为一种新兴的能源管理平台，通过集成和优化分布式发电资源、储能设备、可控负荷等多种能源形式，展现出在现代电力系统中提升调度灵活性和经济效率的巨大潜力。虚拟电厂在电力市场中通过竞价获得调节需求后，需要决定如何最优地调度其内部的分布式资源以满足这些需求。
然而，伴随虚拟电厂内分布式资源数量增加、种类增多，所涉及的多时间跨度、多交易品种电力市场将给虚拟电厂内资源的优化控制带来巨大计算负担，如何短时间内高效实现海量分布式资源的优化控制，将是进一步提升虚拟电厂运行效率、保障电力系统安全经济运行的关键。
当前虚拟电厂对资源调度的优化局限于算法层面，未触及底层算力变革，使得优化效果有限，算法早熟、耗时长和能耗高等问题难以解决。相干光量子计算机以光量子比特作为基本单位，模拟伊辛模型的演化过程（在数学上等价于QUBO），专用于求解大规模组合优化类问题，具有相比经典计算指数级的加速优势和更高的最优解求解概率，有望解决虚拟电厂场景中的大规模资源调度难题。
本文通过将虚拟电厂分布式资源解聚合优化问题建模为QUBO形式，并通过所提出的考虑虚拟电厂运行特征的冗余约束辨识方法与量子比特共用机制，减少 QUBO问题求解所需的量子比特数量，最后基于相干光量子计算机开展应用测试。验证了光量子计算机求解虚拟电厂解聚合优化问题的可行性与有效性，为光量子计算机在电力系统优化运行研究中的推广应用奠定了模型基础。
Ø 虚拟电厂分布式资源解聚合优化模型的构建
目标：最大化虚拟电厂运营商收益，即虚拟电厂通过调节功率而获得的总收益—为尽可能减少分布式资源调节次数而设置的惩罚项
约束条件：
① 分布式资源调节功率约束
② 中标量与分布式资源调节总量平衡约束
③ 功率调节偏差考核约束
④ 全时段总用电量平衡约束
⑤ 分布式资源调节范围约束
⑥ 分布式资源运行成本降低约束
Ø QUBO模型的构建与简化
通过数据离散化与二进制表达，将上述模型中的约束条件表征为目标函数中多个惩罚项，从而实现 QUBO 模型的构建。
QUBO模型目标函数：
QUBO问题简化：
首先通过模型逻辑关系辨识并削减冗余约束，然后通过共用相同的量子比特表征松弛变量，以减少占用的量子比特数量。
针对本文所给参数，QUBO问题求解共计需要504个比特。在采用量子比特共用机制后，所需量子比特数减少为252个，再剔除冗余约束后最终所用量子比特数为100个，QUBO模型转换为Ising模型需要增加1个辅助比特。因此，该问题的求解需101个量子比特。
Ø 结果：
将虚拟电厂运营商中标电量、中标电价、以及电力市场分时电价等数据输入至模型中，然后将QUBO模型中的提取的Q矩阵注入光量子计算机中，观测量子比特位计算结果，解析各哈密顿函数项以获得虚拟电厂解聚合优化结果。
假设1：所有分布式资源均具有固定的上调或者下调功率，均为 5MW。
假设2：具有固定调节功率的分布式资源能够保证中标量与分布式资源调节总量平衡，暂不需要调用灵活可调的分布式资源用以弥补偏差量。
假设3：4个分布式资源响应调节所得收益占总市场中标收益的比例分别为 0.4，0.6，0.5，0.4。
上图绘制了相干光量子计算机获得的哈密顿量随计算时间变化的函数，光量子计算机在哈密顿量总能量最低值时获得最优计算结果。可以看出，其计算时间仅为1.17毫秒，且最优结果保持不变，求解稳定性良好。这种一致且快速的收敛凸显了使用相干光量子计算机求解的算法的效率和可靠性。
通过计算得到量子比特的最终状态结果如下图所示，其中圆周上蓝色或绿色的点表示相干后光量子比特相位状态，蓝色表示相位为正（自旋变量σ取“1”），绿色表示相位为负（自旋变量σ取“-1”）。
给出了图2所述状态对应的4种资源在各个时段的调用情况：第一个时段内资源4功率下调5MW，第二个时段内资源2功率下调5MW，第三个时段内资源1功率下调5MW，第四个时段内资源4功率上调5MW，第五个时段无功率调节，第六个时段内资源2和资源3分别上调功率5MW，第七个时段内资源1功率上调5MW，第八个时段内资源3功率下调5MW。
Ø 相干光量子计算机和经典算法的对比：
利用六种方法所得计算结果如表所示，由计算结果可知，光量子计算机求解 QUBO 问题所得目标函数结果与最优值一致，而其计算时间仅需1.17ms，约为 Gurobi 计算时间的十分之一，且计算效率远高于 Cplex 和其他三种 QUBO 问题求解算法。
Ø 结论与意义
1）本文提出的 QUBO 模型构建方法为电力系统优化问题求解提供了可行的量子计算范式，为光量子计算机在电力系统优化运行研究中的推广应用奠定了模型基础。
2）所提出的考虑虚拟电厂运行特征的冗余约束辨识方法与量子比特共用机制，显著减少了 QUBO问题求解所需的量子比特数量，可作为有限量子比特资源下提升量子计算机可用性的重要手段。
3）针对小规模优化问题，光量子计算机真机求解效率优于 Gurobi 与 Cplex，验证了光量子计算机作为专用硬件资源在电力系统优化运行领域应用的可行性，为未来研发更为高效、自主可控的大规模电力系统优化问题求解器开辟了新思路。 | 
