Résumé technique : WARP : Une référence pour le démarrage à chaud primal-dual des solveurs à points intérieurs

Énoncé du problème

La résolution du problème de flux de puissance optimal en courant alternatif (AC-OPF) est centrale pour les opérations des marchés de l'électricité, généralement effectuées toutes les 5 à 15 minutes par les opérateurs de systèmes indépendants. Le solveur standard pour ce programme non linéaire non convexe (NLP) est la méthode à points intérieurs (IPM) primal-dual, spécifiquement IPOPT. Bien qu'un corpus croissant de littérature tente d'accélérer ces solveurs en utilisant l'apprentissage automatique pour prédire des itérés de « démarrage à chaud », les approches existantes souffrent de défauts méthodologiques fondamentaux.

Les travaux antérieurs entraînent des réseaux de neurones pour prédire uniquement les variables primitives ($\hat{x}$) et évaluent leurs performances par rapport à une initialisation « à plat » (flat start) ($V_m = 1, V_a = 0$). Les auteurs soutiennent que cette référence est inappropriée car l'initialisation par défaut réelle pour IPOPT et MIPS est le milieu des bornes de variables, $(l+u)/2$. De plus, des résultats théoriques (Yildirim et Wright, 2002) suggèrent que fournir la solution primitive optimale de vérité terrain sans les variables duales correspondantes peut provoquer la divergence des IPM, car la solution optimale se situe sur la frontière des contraintes où la fonction barrière logarithmique est singulière.

Méthodologie et diagnostic

L'article présente un diagnostic systématique de l'échec du démarrage à chaud uniquement primal et propose un cadre d'évaluation corrigé.

1. Correction de la référence et diagnostic de l'échec

Les auteurs démontrent que les gains précédemment rapportés (réductions de 30 à 46 % du nombre d'itérations) sont des artefacts de la comparaison avec le faible démarrage à plat. Lorsqu'ils sont évalués par rapport à la valeur par défaut réelle du milieu du solveur :

• Aucune méthode uniquement primitive n'améliore la convergence : Diverses stratégies, y compris la normalisation, la projection de faisabilité et le filtrage des contraintes, échouent à réduire le nombre d'itérations en dessous de la référence du milieu.
• La précision primitive est anticorrélée avec la convergence : Les modèles avec une erreur de prédiction plus faible produisent souvent plus d'itérations de solveur. Fournir la solution optimale de vérité terrain $x^*$ sans variables duales provoque la divergence du solveur.
• Goulot d'étranglement géométrique : L'échec est attribué à la « centralité » du point de départ. Le milieu maximise le minimum de marge, fournissant un point de départ bien centré pour la barrière logarithmique. Les prédictions primitives, même si elles sont précises, déplacent souvent la magnitude de la tension ($V_m$) du milieu vers les frontières des contraintes, dégradant la centralité de la barrière.

2. Expériences avec oracle

Pour établir le plafond théorique du démarrage à chaud, les auteurs ont mené des expériences avec oracle en utilisant l'état complet primal-dual-barrière $(x^*, \lambda^*, z^*, \mu^*)$.

• Primal uniquement ($x^*$) : Augmente le nombre d'itérations d'environ 5 % par rapport au démarrage à froid.
• Primal + Duales d'égalité ($x^*, \lambda^*$) : Réduit le nombre d'itérations de 45 %.
• Primal + Toutes les duales ($x^*, \lambda^*, z^*$) : Réduit le nombre d'itérations de 79 %.
• État complet ($x^*, \lambda^*, z^*, \mu^*$) : Réduit le nombre d'itérations de 85 % (de 23 à 3).
  Cela établit que tout l'écart d'itérations réside dans les variables duales et le paramètre de barrière, rendant la prédiction duale nécessaire et suffisante pour un démarrage à chaud efficace.

3. La suite de références WARP

Pour permettre une évaluation rigoureuse, les auteurs publient :

• Jeux de données étiquetés dualement : Instances AC-OPF (basées sur pglib_opf_case118_ieee) enrichies avec des solutions extraites par IPOPT pour l'état complet $(x^*, \lambda^*, z^*, \mu^*)$.
• Protocole corrigé : Une référence d'évaluation standardisée comparant au défaut du milieu et mesurant les comptes d'itérations IPOPT.

4. Architecture WARP

Les auteurs introduisent WARP, un réseau d'interaction encode-traiter-décoder (EPD) conscient de la topologie, conçu pour prédire l'état complet IPM.

• Architecture : Il opère sur un graphe hétérogène représentant le réseau électrique (barres, générateurs, charges, lignes). Il utilise des poids non partagés à travers 15 blocs de réseaux d'interaction.
• Choix de conception clés :
  • Pas de résidus de nœuds : Contrairement aux MeshGraphNets standards, WARP omet les connexions résiduelles de nœuds. Les études d'ablation montrent que cela améliore la prédiction duale par un facteur de 5 et réduit la perte de validation de 0,45 à 0,09.
  • Mises à jour des arêtes : Les mises à jour de caractéristiques d'arêtes par étape sont identifiées comme la caractéristique architecturale dominante, contribuant à un impact de 9 fois sur les performances.
  • Perte de masque de liaison : La fonction de perte d'entraînement décompose les multiplicateurs de bornes ($z$) en composantes liantes et non liantes pour gérer la parcimonie.
• Conditionnement topologique : WARP traite directement la structure du graphe, lui permettant de gérer les topologies de contingence N-1 (suppression d'une seule ligne) sans réentraînement.

Résultats clés

• Réduction des itérations : WARP atteint une réduction de 76 % des itérations IPOPT (de 22,6 à 5,4 itérations moyennes), s'approchant de la réduction de 85 % de l'oracle.
• Primal uniquement vs Primal-Dual : Lorsque la même architecture WARP est entraînée uniquement sur des cibles primitives, elle produit 21,1 itérations (aucune amélioration par rapport au milieu), confirmant que les gains sont pilotés par la prédiction duale, et non par la capacité architecturale.
• Robustesse topologique : WARP traite avec succès 20/20 scénarios de contingence N-1 avec des prédictions physiquement raisonnables. À l'inverse, une référence LSTM à dimension fixe (IPM-LSTM) échoue sur toutes les contingences en raison d'incompatibilités de dimensions d'entrée.
• Insights des ablations :
  • Le retrait des résidus de nœuds est le seul changement le plus impactant.
  • Le filtrage des contraintes (suppression des contraintes non liantes) est contre-productif pour les IPM, augmentant le nombre d'itérations par un facteur de 2,3.
  • Les variantes basées sur la diffusion n'ont pas surpassé la régression déterministe.

Signification et affirmations

L'article revendique trois contributions principales :

1. Correction méthodologique : Il expose la référence d'évaluation inappropriée (démarrage à plat) utilisée dans les travaux antérieurs et démontre que le démarrage à chaud uniquement primal est structurellement inadapté aux propriétés de convergence des IPM.
2. Diagnostic théorique et empirique : Il établit que l'état complet primal-dual-barrière est nécessaire et suffisant pour le démarrage à chaud, les variables duales expliquant l'intégralité de l'écart d'itérations.
3. Référence et base : Il publie la suite de références WARP (jeux de données, protocole et code) et une base forte (WARP) qui atteint une réduction d'itérations à la pointe de l'état de l'art tout en prenant en charge nativement les variations topologiques.

Les auteurs concluent que, bien que WARP atteigne une réduction de 76 %, l'écart restant avec l'oracle (3,2 itérations) est probablement dû à la sensibilité extrême des IPM aux petites erreurs absolues dans les variables duales de grande magnitude. Le travail souligne que les progrès futurs dans l'accélération des IPM basée sur l'apprentissage nécessitent la prédiction de l'état complet dual-barrière plutôt que simplement des solutions primitives.