[論文レビュー] A Novel Dynamic Peer-to-Peer Clustering Algorithm and Its Application to Aggregate Energy Storage Systems

Runfan Zhang, Branislav Hredzak|arXiv (Cornell University)|Jan 28, 2019

Smart Grid Energy Management参考文献 18被引用数 4

ひとこと要約

本論文は、リアルタイムの特徴状態（局所負荷やバッテリ容量など）に基づいてマイクログリッド内のエネルギー貯蔵エージェントを動的にグループ化する、完全に分散型でオンラインのクラスタリングアルゴリズムを提案する。このアルゴリズムは、電力損失を低減し、仮想エネルギー貯蔵の形成を可能にする。局所状態の比較とコンSENSUSベースの平均化を用いることで、事前収集データを必要とせず、適応的クラスタリングを実現し、リアルタイムでSOHバランスと電力損失低減を達成する。

ABSTRACT

The proposed distributed dynamic clustering algorithm enables to group agents based on their pre-selected feature states. The clusters are determined by comparing the distance of the agents' current feature states with average estimates of the states in all clusters. The algorithm also provides average estimates of pre-selected auxiliary states that can be utilized for control purposes. Two example applications of the algorithm are introduced. In the first application, the algorithm is applied to a microgrid with distributed batteries that are controlled to achieve a common state of charge within a group. However, a random selection of the batteries' groups results in additional power losses during operation. The algorithm reduces the power losses by clustering the batteries based on the selected feature states: local loads and battery capacities, while the state of charges and output voltages are selected as auxiliary states for control purposes. In the second application, the algorithm is used to form a virtual energy storage from batteries distributed in a microgrid.

研究の動機と目的

• 異種の分散型エネルギー貯蔵システムを備えたマイクログリッドにおいて、静的でオフラインのクラスタリング手法に起因する制限を解消すること。
• 局所負荷と容量に不一致を示すバッテリの固定クラスタリングによって引き起こされる電力損失を低減すること。
• 価格と容量に基づく動的クラスタリングを通じて、分散型バッテリから仮想エネルギー貯蔵を形成すること。
• 中央集権的調整や歴史的データを必要とせず、リアルタイムの状態変動に適応可能な完全に分散型のオンラインクラスタリングアルゴリズムを開発すること。
• SOHや電圧などの補助状態を制御目的に活用し、マルチエージェントマイクログリッドシステムにおける動的制御と最適化を支援すること。

提案手法

• エージェント間のピアツーピア情報交換を可能にするスパarsな通信グラフを用いる。
• 各エージェントは、隣接エージェントからの局所的推定値を用いて、全クラスタの平均特徴状態からの距離を計算する。
• エージェントは、現在の特徴状態に最も近いクラスタに動的に参加することで、リアルタイムでの適応を確保する。
• コンセンサスアルゴリズムを用いて、平均特徴状態（例：負荷、容量）および補助状態（例：SOH、電圧）をクラスタ間で推定・共有する。
• クラスタ割り当て用と状態推定用の2種類の更新方程式を並列に実行する。
• アプリケーションのニーズに応じて、局所負荷、バッテリ容量、価格などの特徴状態を選択し、クラスタリング意思決定を導く。

実験結果

リサーチクエスチョン

• RQ1 歴史的データに依存せずに、マイクログリッド内の分散エージェントがリアルタイムのシステム状態に基づいて動的にクラスタを形成する方法は何か？
• RQ2 異種のバッテリシステムで、局所負荷と容量が異なる状況下で、SOHバランスの過程における電力損失を最小化するクラスタリング戦略は何か？
• RQ3 価格と容量に基づく動的クラスタリングによって、分散型バッテリから仮想エネルギー貯蔵を形成できるか？
• RQ4 SOHや電圧などの補助状態を、動的に形成されたクラスタ内での制御目的にどう活用できるか？
• RQ5 急激な状態変動や頻繁なクラスタ再編成に耐えうる仕組みは何か？

主な発見

• 提案されたアルゴリズムは、類似した局所負荷と容量を持つバッテリを動的にグループ化することで、不一致に起因するライン電流を排除し、バッテリクラスタ内の電力損失を低減する。
• 価格と容量に基づくバッテリのクラスタリングを通じて、仮想エネルギー貯蔵の形成が可能となり、グリッドサービスへの協調的参加が可能になる。
• クラスタリングプロセスは完全に分散型かつ適応的であり、中央集権的調整や事前収集データの必要性がなくなる。
• 補助状態フィードバックを用いることで、クラスタ内でのSOHバランスが維持され、比例的電力共有とシステム安定性が確保される。
• 急激な状態変動に対してもロバストであり、特徴状態の安定的コンセンサスベース平均化により、頻繁なクラスタ変更が最小限に抑えられる。
• 本手法は、既存のあらゆる分散制御手法と統合可能であり、実世界のマイクログリッドシステムへの応用可能性を高める。