量子计算突破虚拟电厂分布式资源聚合优化!真机测试完整报告公开!
2024年2月26日,北京玻色量子科技有限公司(以下简称“玻色量子”)联合北京清大科越股份有限公司(以下简称“清大科越”)、上海交通大学,在国家一级学报——《中国电机工程学报》上首发以《基于光量子计算机的虚拟电厂分布式资源解聚合优化方法》为题的学术论文研究成果。
这是2024年玻色量子与清大科越、上海交通大学三方联合的首个战略合作成果,也是玻色量子在“量子计算+电力”领域中取得的重要研究突破,完成了量子计算在虚拟电厂场景中实用化的真机验证,这无疑为“量子计算+电力”生态奠定了坚实的基础。
目前,玻色量子与清大科越、上海交通大学已开展战略合作,共同从电力行业的实际场景与业务需求出发,聚焦科技创新、人才培养与储备,共同探索量子信息技术与电力系统优化运行等前瞻性技术的突破,共同打造基于光量子计算的电力能源领域实用型场景解决方案。


针对电力系统优化运行问题,光量子计算机无疑具备更多的应用优势:
1)现有绝大多数电力系统优化运行研究本质为直接或间接(线性化或转化)处理混合整数线性规划(Mixed integer linear programming,MILP)问题,然后调用商业求解软件Gurobi或Cplex求解。而光量子计算机可将MILP问题转化为二次无约束二值优化(Quadratic unconstrained binary optimization,QUBO)问题并实现高效求解,这是其在电力系统优化运行领域应用的基础。
2)相较于其他类型的量子计算机,光量子计算机量子比特规模更大,可扩展性更好,其支撑量子计算在电力系统优化运行领域发挥算力优势的预期更强、可实践性更高。
以下为本篇论文的主要内容:
本文以虚拟电厂内分布式资源解聚合优化问题为研究对象,依托玻色量子的相干光量子计算机真机——“天工量子大脑”,开展了模型验证与真机测试,主要贡献包括:
1)提出了面向虚拟电厂分布式资源解聚合优化的QUBO模型构建方法,详细说明了优化问题目标函数、等式和不等式约束对应QUBO模型惩罚项的转换方式,为应用光量子计算机求解电力系统运行优化问题提供了可行的量子计算范式。
2)提出了考虑虚拟电厂运行特征的冗余约束辨识方法与量子比特共用机制,减少光量子计算机求解时所需的量子比特数量。基于玻色量子自研的光量子计算机真机开展应用测试,验证了光量子计算机求解虚拟电厂解聚合优化问题的可行性与有效性。
测试结果表明含101个计算量子比特的光量子计算机求解效率优于Gurobi和Cplex,实现了电力系统优化问题通过光量子计算机真机求解的突破,也为未来大规模电力系统优化问题的求解开辟了新路径。










光量子计算机原理图

基于光量子计算机的虚拟电厂分布式资源解聚合优化流程图

哈密顿量总能量值变化图

光量子比特相位演化过程

六种方法的计算结果

光量子计算机最大割示意图

分布式资源调用情况
本文提出了面向虚拟电厂分布式资源解聚合优化问题的 QUBO 模型,并依托玻色量子的光量子计算机真机开展了模型验证与真机测试研究,主要结论如下:
1)本文提出的QUBO模型构建方法为电力系统优化问题求解提供了可行的量子计算范式,为光量子计算机在电力系统优化运行研究中的推广应用奠定了模型基础。
2)所提出的考虑虚拟电厂运行特征的冗余约束辨识方法与量子比特共用机制,显著减少了QUBO问题求解所需的量子比特数量,可作为有限量子比特资源下提升量子计算机可用性的重要手段。
3)针对小规模优化问题,光量子计算机真机求解效率优于Gurobi与Cplex,验证了光量子计算机作为专用硬件资源在电力系统优化运行领域应用的可行性,为未来研发更为高效、自主可控的大规模电力系统优化问题求解器开辟了新思路,如国产化硬件量子计算服务器代替国外商用软件求解器。
值得关注的是,量子计算机的研发仍然任重道远,但以光量子计算机为代表的相干光量子专用计算机最先取得特定领域的应用实践,对助推整个行业技术的衍生发展具有重要意义。
未来,玻色量子将基于AI、金融、电力、生物制药等各行业真实业务场景,联合“量子+”产业生态伙伴共同实现真机测试验证与应用探索等方面的研究突破,为“量子+”行业的交叉融合提供更多的可行范例。
在电力系统运行研究领域,玻色量子与上海交通大学严正教授带领的智能电网优化运行团队也已建立合作研究关系,双方就量子计算在求解电力系统优化问题的适用性、优越性展开深入讨论,充分融合学科交叉思维,力争以量子计算为驱动解决实际电力系统运行问题。