Benchmarking Large-Scale ACOPF Solutions and Optimality Bounds
Benchmarking Large-Scale ACOPF Solutions and Optimality Bounds
复制标题
对大规模 ACOPF 解决方案和最优性界限进行基准测试
DOI：
10.1109/pesgm48719.2022.9916662
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
H. Hijazi
中科院分区：
文献类型：
--
作者：
S. Gopinath;H. Hijazi
我们提出了一个全面的基准测试的结果，旨在评估和比较国家的最先进的开源工具，用于解决交流最优潮流（ACOPF）的问题。我们的数值实验包括公共图书馆PGLIB中的所有实例，网络大小高达30，000个节点。基准测试工具涵盖了许多编程语言（Python，Julia，Matlab/Octave和C++），非线性优化求解器（Ipopt，MIPS和INLP）以及不同的数学建模工具（JuMP和Gravity）。我们还提出了国家的最先进的最优性界限，使用稀疏开发半定规划方法和相应的计算时间。
We present the results of a comprehensive bench-marking effort aimed at evaluating and comparing state-of-the-art open-source tools for solving the Alternating-Current Optimal Power Flow (ACOPF) problem. Our numerical experiments include all instances found in the public library PGLIB with network sizes up to 30,000 nodes. The benchmarked tools span a number of programming languages (Python, Julia, Matlab/Octave, and C++), nonlinear optimization solvers (Ipopt, MIPS, and INLP) as well as different mathematical modeling tools (JuMP and Gravity). We also present state-of-the-art optimality bounds obtained using sparsity-exploiting semidefinite programming approaches and corresponding computational times.