[論文レビュー] A Nonparametric Bayesian Model for Synthesising Residential Solar Generation and Demand

Thomas Power, Gregor Verbič+1 more|arXiv (Cornell University)|Aug 2, 2018

Smart Grid Energy Management被引用数 3

ひとこと要約

本稿では、クラスタリングおよびディリクレ-カテゴリカル階層モデルを用いて、非パrametricベイジアンモデルを提案し、確率的住宅用太陽光発電および需要プロファイルを合成する。限られた実測データから学習することで、観測データにうまく適合する現実的な合成プロファイルを生成し、太陽光発電の導入による日内変動や人口密度による行動の違いといった、システムレベルの洞察を明らかにする。

ABSTRACT

Increasing installations of distributed electricity generation have vastly increased the need for stochastic generation and demand data. However, the effects of such installations is uncertain, as high quality data is not always available before an installation is completed. In particular, there is a need for stochastic models of demand and generation profiles for unobserved prosumers. The model formulated in this paper bridges the gap between the limited available empirical data, and the large amount of high-quality, stochastic demand and generation data required for network and system analysis. The approach employs clustering analysis and a Dirichlet-categorical hierarchical model of the features of unobserved prosumers. Based on the data of clusters of prosumers, Markov chain models of demand and generation profiles are constructed from empirical data, and synthetic demand profiles are subsequently sampled from these. The sampled traces are cross-validated and show a good statistical fit to the observed data, and then two case studies are considered. The first identifies distinct behavioural differences in demand for residential areas of differing population density. The second case study varies levels of solar generation penetration, and shows that it contributes to significant intra-day demand variance, but has little impact on evening peak demand.

研究の動機と目的

• 配電網における観測されていないプロシューマーのための高品質で確率的な需要および発電データの不足に対処する。
• 初期段階の分散型エネルギー資源計画およびネットワーク分析におけるデータ不足の課題を克服する。
• システムレベルのシミュレーションおよび計画に適した、スケーラブルでデータ効率の良い実用的合成プロファイルの生成手法を開発する。
• 人口密度が異なる住宅地域における需要の行動的・運用的差異を捉える。
• 太陽光発電導入率の上昇が、日内の負荷変動性およびピーク需要パターンに与える影響を評価する。

提案手法

• 需要および発電プロファイルの共通する特徴に基づいて、プロシューマーをグループ化するためのクラスタリング分析を適用する。
• 未観測のプロシューマーのクラスターメンバーシップの確率的分布を表現するために、ディリクレ-カテゴリカル階層モデルを用いる。
• 各クラスタ内における需要および発電の時間的ダイナミクスを捉えるために、実測データからマルコフ連鎖モデルを構築する。
• 学習されたマルコフモデルから合成された需要および発電トレースをサンプリングし、確率的プロファイルを生成する。
• 統計的整合性およびモデルの信頼性を確認するため、合成プロファイルを観測データとクロスバリデーションする。
• ケーススタディに合成プロファイルを統合し、異なる太陽光発電導入率および人口構成条件下でのシステムレベルの影響を評価する。

実験結果

リサーチクエスチョン

• RQ1 実測データが限られたり存在しない状況下で、どのように住宅用太陽光発電および需要プロファイルを確率的に合成できるか。
• RQ2 人口密度が異なる住宅地域における家庭の電力需要に、どのような行動的差異が存在するか。
• RQ3 太陽光発電導入率の上昇が、日内の負荷変動性にどの程度の影響を及えるか。
• RQ4 高い太陽光発電導入率は、住宅ネットワークにおける夕方のピーク需要レベルを顕著に変化させるか。
• RQ5 モデルが生成する合成プロファイルは、実際の観測データの統計的性質をどの程度正確に再現できるか。

主な発見

• クロスバリデーションにより確認されたように、モデルが生成する合成プロファイルは観測データと強い統計的適合性を示す。
• 人口密度の高い地域では、低密度地域と比較して明確に異なる需要行動パターンを示す。
• 太陽光発電導入率の上昇により、太陽光の不安定性に起因する日内の需要変動が顕著に増加する。
• 太陽光発電導入率の上昇にもかかわらず、夕方のピーク需要はほとんど変化せず、ピーク負荷管理への影響は限定的である。
• クラスタリングされたプロシューマー行動のマルコフ連鎖モデリングにより、需要および発電の時間的ダイナミクスを効果的に捉えている。
• 非パrametricベイジアンフレームワークにより、希少な実測データでもスケーラブルかつ適応可能なプロファイル合成が可能である。