💻 computer science

Power flow and optimal power flow using quantum and digital annealers: a computational scalability analysis

تقدم هذه الدراسة وتقيم خوارزميتي تدفق القدرة الكمي الأديباتي (AQPF) وتدفق القدرة الأمثل الأديباتي (AQOPF)، اللتين تعيدان صياغة تحليل أنظمة القدرة كمسائل تحسين توافقية منفصلة يمكن حلها بواسطة الملدنات الكمية والرقمية، مما يثبت جدواها وقابليتها الواعدة للتوسع عبر مختلف الأنظمة الاختبارية من 4 إلى 1354 حافلة.

المؤلفون الأصليون: Zeynab Kaseb, Matthias Moller, Pedro P. Vergara, Peter Palensky

نُشر 2026-03-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Zeynab Kaseb, Matthias Moller, Pedro P. Vergara, Peter Palensky

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل مدينة ضخمة ومعقدة من الكهرباء تسمى شبكة الطاقة. هذه المدينة تتكون من آلاف الأحياء (الحافلات/Buses) المتصلة ببعضها عبر طرق (خطوط الطاقة). وفي كل يوم، يحتاج مديرو هذه المدينة إلى الإجابة على سؤالين حاسمين:

تدفق الطاقة (PF): "هل تتدفق الكهرباء بسلاسة الآن؟ هل الأضواء تعمل والجهد مستقر؟"
تدفق الطاقة الأمثل (OPF): "كيف يمكننا إبقاء الأضواء تعمل مع توفير أكبر قدر ممكن من المال في الوقود وتجنب الازدحام المروري (الأحمال الزائدة)؟"

لعقود من الزمن، كانت الطريقة القياسية للإجابة على هذه الأسئلة تشبه استخدام آلة حاسبة فائقة السرعة (تسمى طريقة نيوتن-رافسون). وهي تعمل بشكل رائع للمدن الصغيرة، ولكن عندما تصبح المدينة ضخمة جدًا (آلاف الأحياء) أو عندما تصبح الأمور فوضوية (مثل عاصفة تجعل خطوط الطاقة تتصرف بشكل غريب)، تبدأ هذه الآلة الحاسبة في التعثر، أو الارتباك، أو حتى الانهيار. الأمر يشبه محاولة حل متاهة عملاقة عبر المشي في كل مسار واحدًا تلو الآخر؛ سيستغرق ذلك وقتًا طويلاً وقد تعلق في مكان ما.

الفكرة الجديدة: تحويل الكهرباء إلى لغز ضخم

تقدم هذه الورقة البحثية طريقة مختلفة تمامًا للتفكير في المشكلة. فبدلاً من استخدام آلة حاسبة لحل المعادلات، قام المؤلفون بتحويل شبكة الكهرباء إلى لغز منطقي ضخم.

تخيل الشبكة ليس كنهر متدفق من الماء، بل كلعبة لوحية ضخمة تحتوي على آلاف المفاتيح. كل مفتاح يمكن أن يكون إما في وضع التشغيل (1) أو إيقاف التشغيل (0). والهدف هو تغيير مجموعة المفاتيح الصحيحة بحيث يتوازن النظام بأكهمل.

الطريقة القديمة: "لنحسب الجهد الدقيق عند كل نقطة."
الطريقة الجديدة: "لنبحث عن النمط المثالي لمفاتيح التشغيل/الإيقاف الذي يجعل الحسابات تعمل بشكل صحيح."

هذا يحول المشكلة إلى مهمة تحسين توافقي (Combinatorial Optimization). الأمر يشبه محاولة العثور على الترتيب المثالي لـ 10,000 قطعة "ليغو" لبناء برج مستقر. هناك مليارات الطرق لتكديس هذه القطع، لكن هناك طريقة واحدة (أو قليلة) فقط هي التي ستعمل بشكل مثالي.

الأدوات: "المُلدّنات" الكمومية والرقمية (Annealers)

لحل لغز "الليغو" الضخم هذا، لم يستخدم المؤلفون حاسوبًا عاديًا، بل استخدموا آلات خاصة تسمى المُلدّنات (Annealers).

المُلدّنات الكمومية (الصندوق السحري): تخيل صندوقًا مليئًا بعملات معدنية صغيرة وسحرية يمكنها الدوران في اتجاهين في آن واحد (بفضل الفيزياء الكمومية). تهز الصندوق، فتستقر العملات طبيعيًا في الوضع الذي يتطلب أقل قدر من الطاقة. في تشبيهنا هذا، "الطاقة" هي مدى سوء حالة شبكة الكهرباء. تجد الآلة "أقل حالة طاقة"، مما يعني الشبكة المثالية والمتوازنة.
الملدّنات الرقمية (أمين المكتبة فائق التنظيم): بما أن الآلات الكمومية الحقيقية لا تزال صعبة التعامل ومكلفة، فقد استخدم المؤلفون أيضًا "مُلدّنًا رقميًا". فكر في هذا كأمين مكتبة فائق السرعة وفائق التنظيم يمكنه فحص ملايين مجموعات الكتب في ثوانٍ للعثور على المجموعة المثالية، دون الحاجة إلى السحر.

ماذا وجدوا؟

اختبر الباحثون طريقتهم الجديدة "لغز الليغو" على شبكات تتراوح من صغيرة (4 أحياء) إلى ضخمة (1,354 حافلة/حي). وإليك ما حدث:

إنها تعمل: نجحت الطريقة الجديدة في إيجاد إعدادات الكهرباء الصحيحة، مطابقةً نتائج الآلات الحاسبة القديمة والموثوقة.
تتعامل مع الفوضى: عندما صنعوا "سيناريوهات الكوارث" (مثل جعل خطوط الطاقة غير فعالة للغاية أو تحميل الشبكة فوق طاقتها)، استسلمت الآلات الحاسبة القديمة وقالت: "لا أستطيع الحل". ومع ذلك، استمرت طريقة "لغز الليغو" الجديدة في العمل ووجدت حلاً. إنها تشبه نظام GPS لا يضل طريقه حتى عندما تُغسل الطرق وتتعطل.
القابلية للتوسع: أظهروا أنه باستخدام الأجهزة المناسبة (وتحديدًا الملدّن الرقمي من فوجيتسو)، يمكن لهذه الطريقة التعامل مع شبكات كبيرة تصل إلى 1,354 حافلة. وهذه خطوة هائلة للأمام.

خدعة "التقسيم" (Partitioning)

بالنسبة للألغاز الأكبر، حتى أفضل الآلات قد تصاب بالإرهاق. لذا، ابتكر المؤلفون خدعة تسمى التقسيم.

تخيل أنك تحاول حل لغز مكون من 1,000 قطعة. بدلاً من النظر إلى اللغز بأكمله دفعة واحدة، تقوم بتغطية 20% من القطع، وتحل الجزء المتبقي، ثم تحرك الغطاء إلى مكان آخر وتحل ذلك الجزء. تستمر في القيام بذلك، وتطوير الصورة شيئًا فشيئًا. جعل هذا العملية أسرع وأكثر دقة.

الصورة الكبيرة: لماذا يهم هذا؟

المؤلفون لا يحاولون التخلص من الآلات الحاسبة القديمة اليوم. فالطرق القديمة لا تزال هي الأفضل لمعظم المهام.

ومع ذلك، فإن هذا البحث يشبه بناء نموذج أولي لـ سفينة فضاء. نحن لا نطير إلى المريخ بعد، لكننا نثبت أن المحرك يعمل. ومع تحسن وقوة الأجهزة الكمومية والرقمية، يمكن أن يصبح نهج "لغز الليغو" هذا الأداة الأساسية لإدارة شبكات الطاقة المستقبلية المعقدة والتي تعتمد بكثافة على الطاقة المتجددة. إنه يقدم طريقة جديدة لحل المشكلات التي تعد حاليًا مستحيلة بالنسبة لأفضل حواسيبنا.

باختص: لقد حولوا مسألة رياضية فوضوية إلى لغز مفاتيح ضخم، واستخدموا آلات خاصة لحله، وأثبتوا أنه يعمل حتى عندما تكون الشبكة تحت ضغط شديد. إنه مسار واعد للحفاظ على إضاءة منازلنا في المستقبل.

ملخص تقني لورقة بحثية بعنوان: "تدفق القدرة والتدفق الأمثل للقدرة باستخدام الملدنات الكمومية والرقمية: تحليل قابلية التوسع الحسابي"

1. بيان المشكلة

تعد مهام تدفق القدرة (PF) والتدفق الأمثل للقدرة (OPF) من المهام الأساسية في تشغيل أنظمة القدرة، وتخطيطها، والتحكم بها.

القيود الحالية: تعتمد الطريقة القياسية في الصناعة، وهي طريقة نيوتن-رافسون (NR)، على الخطية التكرارية للمعادلات غير الخطية باستخدام مصفوفات جاكوبي. وبينما تعد هذه الطريقة فعالة للأنظمة جيدة التكييف، إلا أنها تواجه تحديات كبيرة في:
- الشبكات واسعة النطاق: تكاليف حسابية عالية بسبب عمليات عكس المصفوفات المتكررة ومتطلبات الذاكرة.
- السيناريوهات سيئة التكييف: تحدث عدم استقرار عددي في الشبكات ذات نسب $R/X$ العالية، أو الاتصال الضعيف، أو ظروف التشغيل المجهدة (مثل انهيار الجهد)، مما يؤدي غالباً إلى التباعد أو الفشل في التقارب.
الفجوة البحثية: هناك حاجة إلى نماذج حسابية بديلة يمكنها التعامل مع التعقيد التوليفي لهذه المشكلات، لا سيما في السيناريوهات سيئة التكييف، وذلك عبر الاستفادة المحتملة من الأجهزة الكمومية والمستوحاة من الكم الناشئة.

2. المنهجية

يقترح المؤلفون إعادة صياغة مشكلات تدفق القدرة (PF) والتدفق الأمثل للقدرة (OPF) المستمرة إلى مشكلات تحسين تجميعية منفصلة يمكن حلها بواسطة آلات Ising (الملدنات الكمومية والملدنات الرقمية).

أ. إعادة الصياغة الرياضية

التقطيع (Discretization): يتم تقطيع متغيرات الجهد المستمرة (الجزء الحقيقي $\mu$ $μ$ والجزء التخيلي $\omega$ $ω$ ) باستخدام متغيرات ثنائية ( $x \in \{0,1\}$ $x \in {0, 1}$ ).
- يتم تمثيل $V_i = \mu_i + j\omega_i$ كقيمة أساسية بالإضافة إلى انحراف مُقاس يتم التحكم فيه بواسطة بتات ثنائية.
صياغة QUBO:
- تدفق القدرة (AQPF): يتم تحويل معادلات توازن القدرة إلى نموذج التحسين الثنائي التربيعي غير المقيد (QUBO). الهدف هو تقليل مربع عدم التطابق بين حقن القدرة المحسوب والمحدد ( $P$ و $Q$ ).
- التدفق الأمثل للقدرة (AQOPF): د يتم توسيع المشكلة لتشمل دالة هدف (تقليل تكلفة التوليد) وقيود التشغيل (حدود الجهد، حدود المولدات).
  - يتم التعامل مع قيود المساواة (توازن القدرة) كعناصر جزاء (penalty terms).
  - يتم تحويل قيود عدم المساواة إلى مساواات باستخدام متغيرات إضافية (slack variables) (مُشفرة في ثنائيات) وإضافتها كعناصر جزاء.
  - الهاملتوني الإجمالي هو: $H(x) = \lambda_{PF}H_{obj}(x) + H_{const}(x) + H_{cost}(x)$ .
تقليل الرتب العليا: نظرًا لأن توسيع معادلات القدرة ينتج عنه كثيرات حدود من الدرجة الرابعة، وبما أن معظم الملدنات (باستثناء QIIO) تتعامل فقط مع الحدود التربيعية، استخدم المؤلفون متغيرات مساعدة ودوال جزاء لتقليل الحدود من الرتب العليا (التكعيبية/الرباعية) إلى أشكال تربيعية متوافقة مع حلول QUBO القياسية.

ب. النهج الخوارزمي

المخطط التكراري (الخوارزمية 1): تعمل الخوارزميات بشكل تكراري.
1. تهيئة تقديرات الجهد والمتغيرات الثنائية.
2. بناء هاملتوني QUBO بناءً على التقديرات الحالية.
3. حل مشكلة التقليل باستخدام الملدن لإيجاد التكوين الثنائي الأمثل.
4. تحديث قيم الجهد بناءً على الحل الثنائي.
5. تحديث دلتا التكيفي (Adaptive Delta Update): لتحسين التقارب، يتم ضبط حجم الخطوة ( $\Delta \mu, \Delta \omega$ ) ديناميكيًا بناءً على تاريخ قلب البتات الثنائية في التكرارات السابقة (الخوارزمية 2).
الصياغة المجزأة (Partitioned Formulation): لمعالجة قابلية التوسع، تم تقديم نهج "مجزء" حيث يتم استبعاد مجموعة فرعية من الحافلات (buses) من الهاملتوني في كل تكرار، مما يقلل حجم المشكلة مع الحفاظ على الدقة العالمية.

ج. المنصات العتادية (Hardware Platforms)
تقيم الدراسة الأداء على أربعة حلول متميزة:

D-Wave Advantage™ (QA): التلدين الكمومي (عدد محدود من الكيوبتات والاتصال).
D-Wave Hybrid (HA): حل هجين كمومي-كلاسيكي.
Fujitsu Digital Annealer v3 (DAv3): التلدين المحاكى القائم على CMOS (يصل إلى ~8 آلاف متغير متصل بالكامل).
Fujitsu Quantum-Inspired Integrated Optimization (QIIO): أحدث نموذج أولي يدعم ما يصل إلى 100,000 متغير ثنائي متصل بالكامل ورتب عليا أصلية.

3. المساهمات الرئيسية

خوارزمية AQOPF: توسيع خوارزمية التدفق القدرة الأديباتي (AQPF) المقترحة سابقًا لحل التدفق الأمثل للقدرة (AQOPF)، وتحويل معادلات OPF الكلاسيكية إلى نماذج QUBO.
الصياغة المجزأة: تطوير استراتيجية مجزأة تقلل عدد المتغيرات الثنائية لكل تكرار (بنسبة ~20-25%) دون تدهور كبير في دقة الحل، مما يسمح بحل أنظمة أكبر.
المتانة في السيناريوهات سيئة التكييف: إثبات أن النهج التجميعي يتجنب الاعتماد على خطية جاكوبي، مما يسمح بالتقارب في السيناريوهات التي يفشل فيها نيوتن-رافسون (مثل نسب $R/X$ العالية، والأحمال المجهدة).
تحليل قابلية التوسع: تقييم شامل لقابلية التوسع عبر حالات اختبار تتراوح من نظام 4 حافلات إلى 1354 حافلة، مع تحديد QIIO كمنصة وحيدة قادرة على التعامل مع أكبر الحالات.

4. النتائج

الدقة:
- بالنسبة لنظام 118 حافلة، تطابق حلول AQPF/AQOPF طريقة نيوتن-رافسون عن كثب (متوسط مربع الخطأ للقدرة الفعالة $\approx 10^{-4}$ ، والقدرة التفاعلية $\approx 0.01$ ).
- حققت الصياغة المجزأة دقة مماثلة للصياغة الكاملة ولكنها قللت وقت الحساب بنسبة 20% تقريبًا.
الأداء في الحالات سيئة التكييف:
- في السيناريوهات ذات الطلب المتزايد على الأحمال أو نسب $R/X$ العالية، تباعد حل NR أو فشل في التقارب.
- نجحت خوارزميات AQPF و AQOPF في التقارب نحو حلول قابلة للتنفيذ مع بقاء البواقي ضمن التفاوتات المقبولة ( $1 \times 10^{-2}$ ).
قابلية التوسع ومقارنة الأجهزة:
- QA/HA: اقتصرت على الأنظمة الصغيرة (حتى ~30-50 حافلة) بسبب قيود اتصال الكيوبتات وتكاليف التضمين (embedding).
- DAv3: اقتصرت على ~89 حافلة بسبب قيود عدد المتغيرات.
- QIIO: تعامل بنجاح مع حالات اختبار تصل إلى 1354 حافلة لـ PF و 300 حافلة لـ OPF. وقد أدار ما يصل إلى ~100,000 متغير ثنائي، مما أظهر قابلية توسع فائقة.
- وقت الحساب: بينما أظهر QIIO واعدًا، تطلبت الحالات واسعة النطاق (مثل 1354 حافلة) أوقات تجميع كبيرة (~43,000 ثانية) وأوقات تكرار، مما يشير إلى أنه بينما "المنهج" قابل للتوسع، فإن سرعة الأجهزة الحالية تظل عائقًا.

5. الأهمية والخاتمة

تحول النموذج: تثبت الدراسة صحة نهج "نموذج النماذج"، مؤكدة أن معادلات أنظمة القدرة يمكن تقسيمها وحلها بفعالية عبر آلات Ising.
دور تكميلي: يؤكد المؤلفون أن هذه الخوارزميات ليست تهدف لاستبدال الحلول الكلاسيكية للعمليات القياسية، بل لتوفير بديل قوي للسيناريوهات سيئة التكييف وعالية التعقيد حيث تعاني الطرق الكلاسيكية.
الإمكانات المستقبلية: تشير النتائج إلى أنه مع نضوج الأجهزة المستوحاة من الكم (مثل QIIO) وزيادة عدد المتغيرات وسرعة المعالجة، يمكن أن تصبح طرق التحسين المنفصلة هذه أدوات حيوية لإدارة الشبكة في الوقت الفعلي، خاصة لدمج الطاقة المتجددة واسعة النطاق وتحليل الطوارئ.
القيود: تشمل القيود الحالية الأعباء الحسابية العالية للأنظمة الكبيرة والحاجة إلى مزيد من التحسين في مخططات التحديث لتقليل عدد التكرارات.

باختيد، تؤسس هذه الورقة البحثية لأساس نظري وتجريبي قوي لاستخدام الملدنات الكمومية والرقمية في أنظمة القدرة، مع تسليط الضوء على قدرتها الفريدة على التعامل مع مشكلات التحسين غير الخطية وسيئة التكييد التي تتحدى الطرق العددية التقليدية.