Technische Samenvatting: Langetermijnplanning van het elektriciteitsnet via Answer Set Programming

Probleemdefinitie

Het artikel behandelt het probleem van de Langetermijnplanning van het elektriciteitsnet (LPP), een kritieke taak voor Distributiesysteembeheerders (DSO's). Dit proces omvat het definiëren van een reeks fysieke ingrepen (toevoeging en verwijdering van lijnen, en schakeloperaties) om een huidige configuratie van het elektriciteitsnet over een langere horizon (doorgaans tot 30 jaar) te ontwikkelen naar een gewenste doelformatie.

De kernuitdaging ligt in het waarborgen dat elke tussentijdse configuratie die tijdens deze evolutie wordt gegenereerd, operationeel geldig blijft. In tegenstelling tot statische planning of reconfiguratie op korte termijn, moet LPP op elk moment van de overgang voldoen aan een complex stel topologische en combinatorische invarianten. Deze beperkingen omvatten:

• Radialiteit: Het gesloten netwerk moet acyclisch zijn, waarbij elke secundaire onderstation wordt gevoed door precies één primair onderstation.
• Herschikking (Stofoverdracht): Het netwerk moet toelaten dat radialiteit wordt hersteld via schakeloperaties in geval van uitval van een willekeurig primair knooppunt.
• Voldoening aan het graadvereiste: Secundaire onderstations moeten een specifiek aantal verbindingen behouden (doorgaans 2 of 3).
• Onomkeerbaarheid en Haalbaarheid: Alleen lijnen die in het doelnetwerk aanwezig zijn, mogen worden toegevoegd, en alleen lijnen die afwezig zijn in het doel, mogen worden verwijderd. Deze operaties zijn onomkeerbaar.

Huidige praktijken vertrouwen sterk op handmatige expertkennis en iteratieve aanpassingen, wat de reproduceerbaarheid, schaalbaarheid en de systematische verkenning van alternatieve investeringspaden beperkt. Bestaande methoden zoals Mixed Integer Linear Programming (MILP) worstelen met puur combinatorische eigenschappen zoals radialiteit, terwijl standaard planningstalen graf-invarianten lastig te formuleren blijken.

Methodologie

De auteurs stellen de eerste geautomatiseerde aanpak voor om LPP op te lossen met behulp van Answer Set Programming (ASP), een declaratief logisch programmeerparadigma dat goed geschikt is voor kennisintensieve combinatorische problemen.

Formalisering

Het elektriciteitsnet wordt gemodelleerd als een ongerichte, met labels voorziene graaf $G(V, E, \lambda)$, waarbij knopen primaire en secundaire stations voorstellen en randen lijnen voorstellen die zijn gelabeld als "open" of "gesloten". Het probleem wordt gedefinieerd als het berekenen van een reeks actieverzamelingen $(A_0, \dots, A_n)$ die een initiële graaf $G$ transformeren in een doelgraaf $G_T$, zodanig dat elke tussenliggende toestand $G_i$ voldoet aan de DSO-regels.

De auteurs definiëren drie soorten acties:

1. Randtoevoeging: Het toevoegen van een nieuwe rand aan het open netwerk.
2. Randverwijdering: Het verwijderen van een bestaande open rand.
3. Randschakeling: Het verwisselen van de toestand van twee randen die aangrenzend zijn aan hetzelfde secundaire station (een open lijn sluiten en een gesloten lijn openen).

Cruciaal is dat het kader parallelle planning ondersteunt, waardoor niet-interfererende acties (die disjuncte verzamelingen randen beïnvloeden) gelijktijdig binnen een enkele tijdstap kunnen worden uitgevoerd.

ASP-codering

De oplossing maakt gebruik van de CLINGO-oplosser. De codering modelleert de evolutie van het netwerk over discrete tijdstappen $t$. Belangrijke componenten zijn:

• Staatrepresentatie: Predicaten volgen de status van randen (open/gesloten) op elk tijdstip.
• Actiegeneratie: Keuzeregels genereren geldige reeksen van toevoegingen, verwijderingen en schakelingen, beperkt door bouwbaar en verwijderbaar verzamelingen van randen.
• Handhaving van beperkingen:
  • Radialiteit: Afgedwongen door te waarborgen dat het gesloten netwerk een bos is geworteld in primaire knopen (geen cycli tussen primaires, alle secundaires verbonden met precies één primair).
  • Herschikking: Afgedwongen door te verifiëren dat elke secundaire knoop een redundant pad heeft naar een ander primair knooppunt via het open netwerk.
  • Voldoening aan het graadvereiste: Aggregaties tellen de graad van secundaire knopen en dwingen grenzen $[2, 3]$ af.
• Optimalisatie: Zwakke beperkingen worden gebruikt om het totale aantal acties en de planningslengte (lexicografisch) te minimaliseren.

De aanpak ondersteunt zowel sequentiële ($|A_i|=1$) als parallelle ($|A_i| \ge 1$) uitvoeringsmodi.

Belangrijkste Bijdragen

1. Eerste ASP-gebaseerde Automatisering: Dit werk presenteert de eerste aanpak om langetermijnplanning van het elektriciteitsnet te automatiseren, die in staat is om alle noodzakelijke topologische netwerkbegrenzingen te hanteren.
2. Uitdrukkingskrachtige Modellering: De auteurs tonen aan dat ASP complexe graf-theoretische invarianten (radialiteit, herschikking) elegant kan coderen die moeilijk uit te drukken zijn in planningstalen of MILP.
3. Kader voor Parallelle Uitvoering: De codering ondersteunt parallelle actie-uitvoering, wat volgens de auteurs de effectieve zoekruimte en de planningslengte aanzienlijk reduceert in vergelijking met sequentiële benaderingen.
4. Validatie op Realistische Data: De aanpak is gevalideerd op zowel synthetische instanties als real-world data afgeleid van het Franse distributienetwerk, een schaal die vergelijkbaar is met dagelijkse expertoperaties.

Experimentele Resultaten

De auteurs voerden experimenten uit met de CLINGO-oplosser op een 64-bit Linux-machine met een time-out van 30 minuten per instantie.

• Synthetische Instanties: De studie evalueerde 175 synthetische instanties variërend van 8 tot 50 knopen.

  • Parallel versus Sequentieel: Parallelle planning loste consistent meer instanties op dan sequentiële planning. De "compressie" van de oplossingslengte via niet-interfererende acties resulteerde in kleinere logische programma's en snellere oplostijden.
  • Zoekstrategie: Voor parallelle plannen bleek een exponentiële zoekstrategie (progressief uitbreiden van de tijds horizon) superieur aan een gebonden zoekopdracht, waarbij aanzienlijk meer instanties werden opgelost. Omgekeerd was voor sequentiële plannen een gebonden zoekopdracht effectiever.
  • Schaalbaarheid: De aanpak loste succesvol instanties op tot 50 knopen, waarbij de grootste real-world instanties (ongeveer 40 knopen) vergelijkbaar waren met die welke door menselijke experts worden gehanteerd.

• Real-World Instanties: Met behulp van geanonimiseerde data van een Frans stedelijk netwerk (2 primaire knopen, variërende secundaire knopen) loste het systeem instanties op met tot 42 knopen.

  • Uitvoeringstijd: De uitvoeringstijden waren vergelijkbaar met synthetische instanties van vergelijkbare grootte.
  • Optimaliteit: Voor meerdere opgeloste instanties bewees het systeem de optimaliteit van de parallelle plannen.
  • Validatie: Oplossingen werden gevalideerd door een geautomatiseerd hulpmiddel en visueel beoordeeld door domeinexperts, die de consistentie bevestigden met DSO-planningsregels en de topologische vergelijkbaarheid met door experts gegenereerde oplossingen.

Betekenis en Aanspraken

Het artikel stelt dat de voorgestelde ASP-gebaseerde aanpak een levensvatbaar, geautomatiseerd alternatief biedt voor het momenteel handmatige, expert-gedreven proces van langetermijnplanning van het elektriciteitsnet. Door succesvol instanties op te lossen van een grootte die vergelijkbaar is met die welke door menselijke experts worden beheerd, demonstreert de methode de uitdrukkingskracht van ASP voor het modelleren van complexe infrastructuurbeperkingen.

De auteurs benadrukken dat hun oplossing de "grote knelpunt" aanpakt van het identificeren van haalbare evolutiestrategieën in een grote combinatorische ruimte. Ze positioneren het werk als een fundamentele stap richting intelligente besluitvormingshulpmiddelen die menselijke expertise kunnen aanvullen, reproduceerbaarheid kunnen verbeteren en systematisch investeringspaden kunnen verkennen. Het artikel blijft bescheiden wat betreft directe industriële implementatie, en merkt op dat toekomstig werk vereist is om de schaalbaarheid verder te verbeteren via domeinspecifieke heuristieken en om aan te passen aan aanvullende infrastructuurspecifieke vereisten (bijvoorbeeld budgetlimieten, onveranderlijkheid van componenten).