.png){kind=icon}
返回
Qubit-Efficient Quantum Annealing for Stochastic Unit Commitment
.png){kind=icon}
PRE
AI
DOI：10.1109/tpwrs.2026.3706404.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于随机机组组合（SUC）的方法已被提出用于管理可再生能源集成带来的不确定性，但会导致显著的计算复杂性。当采用Benders分解（BD）加速时，主问题转化为二元整数规划，这仍然是NP难问题，且对传统方法计算需求高。量子退火（QA）因其高效求解无约束二次二元优化（QUBO）问题的能力，提供了一种潜在解决方案。然而，现有量子算法依赖松弛变量处理线性二元不等式约束，导致量子比特消耗增加和计算效率降低。为解决此问题，本文引入Powell-Hestenes-Rockafellar增广拉格朗日乘子（PHR-ALM）方法，消除对松弛变量的需求，使量子比特消耗与Benders割的数量增长无关。为进一步减少量子比特开销，应用量子ADMM将大规模SUC分解为较小模块进行顺序求解，其复杂度不随发电机数量增长。最后，在4发电机和IEEE 118节点系统上的仿真结果表明，所提算法具有可行性和可扩展性，在D-Wave量子处理器（QPU）平台上展现出优于传统方法和基准量子算法的量子比特及运行时间效率。
Keyword:
Quantum computing
quantum annealing
two-stage stochastic unit commitment program
benders decomposition
PHR-augmented Lagrangian multiplier
D-ADMM
