Clustering-enhanced adaptive Benders decomposition for energy systems planning optimization

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides an adaptive decomposition technique that improves efficiency for large-scale energy system optimization, useful for those working on computational methods or energy planning.

🏢実務担当者:Energy planners and system operators can apply these methods to reduce computational time for capacity expansion studies, enabling faster scenario analyses.

🏛政策担当者:Faster, more detailed models allow policymakers to evaluate the impacts of decarbonization policies and renewable targets more efficiently.

高解像度のエネルギーシステム容量拡張モデル（CEM）は、エネルギー転換計画において、しばしば大規模な混合整数線形計画法（MILP）の定式化をもたらす。Benders分解（BD）は、投資決定のための主問題（MP）と運用決定のための複数の部分問題（SP）を反復的に解くことで、スケーラブルな解法アプローチを提供する。しかし、SPによって生成される累積的なBendersカットにより、MPの求解が主要な計算ボトルネックとなる可能性がある。不完全なSP並列化も、SPが利用可能なCPU数を超える場合にさらなるボトルネックを引き起こす可能性がある。我々は、これらの課題に対処するため、クラスタリングを用いて類似したSPをグループ化し、a) 集約されたBendersカットの構築、b) 最も頻繁に解くべき代表的なSPの特定、を行うクラスタリング強化BD法を開発する。グループ化カットについては、双対変数に基づく2つの適応的定式化と、外生時系列入力に基づく固定グループ化定式化を検討する。我々は、これらの手法を、様々なシステム規模、時間的SP長、CO2政策によって表されるSP間結合強度、計算リソース、および確率的設定にわたる電力部門CEMにおいて評価する。ベンチマークとなる正則化マルチカット定式化と比較して、適応的グループ化カットは固定グループ化を上回り、弱い時間的結合の下で substantial な利点を提供する。最大の利得は、MPが実行時間のより大きな割合を占める、より短いSP期間を持つより大規模なシステムで発生する。その有効性は、年間CO2排出制限などの強い時間的結合の下では低下し、その場合ベンチマークのマルチカットが最良の性能を発揮する。代表SP法は、SPの求解が実行時間を支配する限定的な並列化の下で、ベンチマークを上回る。全体として、好ましいBD戦略は、SP間の結合強度と、計算負荷がMPにあるかSPにあるかに依存する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

High-resolution energy system capacity expansion models (CEMs) for energy transition planning often result in large-scale mixed-integer linear programming (MILP) formulations. Benders decomposition (BD) offers a scalable solution approach by iteratively solving a master problem (MP) for investment decisions and multiple subproblems (SPs) for operational decisions. However, accumulated Benders cuts generated by the SPs can make MP solution a major computational bottleneck. Incomplete SP parallelization can also introduce further bottlenecks when SPs exceed available CPUs. We develop clustering-enhanced BD methods to address these challenges, by using clustering to group similar SPs for: a) aggregated Benders cut construction and b) identification of representative SPs to be solved most frequently. For grouped-cuts, we examine two adaptive formulations based on dual variables and a fixed-grouping formulation based on exogenous time-series inputs. We evaluate these methods in an electricity-sector CEM across varying system sizes, temporal SP lengths, inter-SP coupling strengths represented by CO2 policy, computational resources, and stochastic settings. Relative to a benchmark regularized multi-cut formulation, adaptive grouped cuts outperform fixed grouping and provide substantial benefits under weak inter-temporal coupling. The largest gains occur in larger systems with shorter SP horizons, where the MP accounts for a greater share of runtime. Their effectiveness declines under strong inter-temporal coupling, such as annual CO2 emissions limits, where the benchmark multi-cut performs best. The representative-SP method outperforms the benchmark under limited parallelization when SP solution dominates runtime. Overall, the preferred BD strategy depends on inter-SP coupling strength and whether computational burden lies in the MP or the SPs.

• arXiv https://arxiv.org/abs/2606.00388first seen 2026-06-02 04:11:05 · last seen 2026-06-03 04:11:23