自动微分驱动的高效内点法最优潮流算法优化

本文主要探讨了一种创新的内点矩阵最优潮流（OPF）算法，它结合了自动微分（Automatic Differentiation, AD）技术。传统的内点法OPF算法依赖于开发者手动推导和编程一阶和二阶导数，这在处理大规模电力系统时效率低下且易出错。作者提出的改良算法引入了自动微分技术，通过识别并记录AD生成的定常一阶和二阶导数，避免了在每次迭代时重复计算这些不变的部分，显著提高了计算效率。 算法的核心是利用ADC（Automatic Differentiation Calculator）这样的高效工具，它作为一个基础的AD实现，可以无缝集成到用户自定义的电力系统模型接口中，提供了更强的灵活性和计算性能。这种方法不仅简化了导数计算过程，减少了错误的可能性，还使得在添加新设备或复杂系统组件时，如FACTS和HVDC装置，调整约束和目标函数变得更为便捷，无需重新编写大量的导数相关代码。 通过大规模电力系统实例测试，该算法证明了在保持代码可维护性和灵活性的同时，计算速度接近于手动编程，显示出AD技术在电力系统OPF问题上的应用潜力，特别是在在线运行环境中，可以替代传统的手动求导工作，极大地减轻了软件开发人员的负担。 此外，文章引用了多篇文献支持这一观点，例如文献5利用AD进行电力系统动态仿真的Jacobian矩阵计算，文献6-8则涉及AD在电力系统潮流计算中的应用，文献9在连续潮流分析和灵敏度计算中也采用了AD技术。这些研究证实了AD技术在优化电力系统运行中的优势，并为未来的研究提供了坚实的基础。 基于自动微分的内点法最优潮流算法不仅提高了电力系统优化的计算效率，而且提升了模型的适应性和开发者的工作效率，是电力系统工程中的一个重要进步。