[論文レビュー] Data-driven Chance-constrained Regulation Capacity Offering for Distributed Energy Resources

Hongcai Zhang, Zechun Hu+3 more|arXiv (Cornell University)|Aug 17, 2017

Smart Grid Energy Management参考文献 2被引用数 13

ひとこと要約

本稿は、収益と罰則リスクのバランスを取るために、分散型エネルギー資源（DERs）を用いた調節容量の提供を最適化する、データ駆動型でリスク回避志向の確率制約付き最適化フレームワークを提案する。日次の入札には二段階の確率的計画法を、時間当たりの意思決定にはデータ駆動型の分布ロバストな確率制約付き計画法を用い、正確で計算的に効率的かつリスクチューニング可能な調節容量の提示を可能にし、収益とサービス品質の面でロバスト法および決定論的法を凌駃する。

ABSTRACT

This paper studies the behavior of a strategic aggregator offering regulation capacity on behalf of a group of distributed energy resources (DERs, e.g. plug-in electric vehicles) in a power market. Our objective is to maximize the aggregator's revenue while controlling the risk of penalties due to poor service delivery. To achieve this goal, we propose data-driven risk-averse strategies to effectively handle uncertainties in: 1) The DER parameters (e.g., load demands and flexibilities) and 2) sub-hourly regulation signals (to the accuracy of every few seconds). We design both the day-ahead and the hour-ahead strategies. In the day-ahead model, we develop a two-stage stochastic program to roughly model the above uncertainties, which achieves computational efficiency by leveraging novel aggregate models of both DER parameters and sub-hourly regulation signals. In the hour-ahead model, we formulate a data-driven distributionally robust chance-constrained program to explicitly model the aforementioned uncertainties. This program can effectively control the quality of regulation service based on the aggregator's risk aversion. Furthermore, it learns the distributions of the uncertain parameters from empirical data so that it outperforms existing techniques, (e.g. robust optimization or traditional chance-constrained programming) in both modelling accuracy and cost of robustness. Finally, we derive a conic safe approximation for it which can be efficiently solved by commercial solvers. Numerical experiments are conducted to validate the proposed method.

研究の動機と目的

• サービス提供の不全に起因する財務リスクを管理しながら、分散型エネルギー資源（DERs）からの信頼性の高い調節容量の提供に取り組むこと。
• 従来の手法よりも精度を高めるために、DERパラメータ（例：負荷需要、プラグイン時刻）および高周波度の調節信号（例：2秒ごと）の不確実性をより的確にモデル化すること。
• アグリゲーターのリスク志向を反映した、日次の意思決定と時間当たりの意思決定の両方において計算的に効率的な戦略を開発すること。
• 従来のロバスト最適化およびシナリオベースの確率的計画法に比べ、保守的すぎる傾向を軽減し、実データを活用することでモデルの忠実度を高めること。
• 現実の罰則メカニズムを想定した高水準のサービス品質スコアを維持することで、市場参加資格および性能を保証すること。

提案手法

• 日次の提示に向け、サブアワー単位の調節信号およびDERパラメータを表現する新規の集約モデルを用いた二段階の確率的計画法を定式化し、計算効率を向上させる。
• 時間当たりの意思決定に向け、実データを用いてDERパラメータおよび調節信号の不確実性を明示的にモデル化した、データ駆動型の分布ロバストな確率制約付き計画法を開発する。
• 確率制約付き計画法は、調整可能なパラメータ（ε）を用いてリスク回避性を組み込み、期待収益と罰則リスクのバランスを取れるようにする。
• この手法は、歴史的データから不確実パラメータの曖昧な確率分布を学習し、従来の確率制約付き最適化やロバスト最適化よりも精度を高める。
• 商業的ソルバーを用いて効率的な解法を実現するため、二次錐計画（SOCP）近似を導出する。これにより、実用的な展開が可能になる。
• リアルタイムの性能評価において充電・放電の非効率性を統合することで、予測精度が向上する。

実験結果

リサーチクエスチョン

• RQ1 サービス提供の失敗に起因する財務ペナルティのリスクを最小限に抑えると同時に、DERのファミリーから調節容量を最適に提示する方法は何か？
• RQ2 サブアワー単位の調節信号およびDERパラメータの不確実性を高分解能でモデル化することで、意思決定の質と計算効率にどのような影響を与えるか？
• RQ3 データ駆動型の分布ロバストな確率制約付きアプローチは、ロバスト最適化および決定論的戦略に比べ、収益とリスクのバランスをどのように改善するか？
• RQ4 容量提示段階でエネルギー変換の非効率性を組み込むと、リアルタイムのパフォーマンスおよび収益にどのような影響を与えるか？
• RQ5 確率制約付き計画法のコーン近似は、実世界への展開において解の正確性と計算の実行可能性の両方を確保できるか？

主な発見

• 提案手法は1日当たりの合計収益が8.74kドルに達し、ロバスト戦略（0.22kドル）を著しく上回り、決定論的戦略（7.96kドル）に対しても上回っているが、後者は過度に攻撃的である。
• 提案手法のパフォーマンススコアは83%であり、決定論的戦略（68%）および非効率性を無視した戦略（80%）を上回っており、より優れたサービス品質を示している。
• ロバスト戦略は1日あたり20.5MWhにとどまり、提案手法の484MWhの5%未満であり、過度な保守的志向とDERの柔軟性の未活用が明らかになった。
• エネルギー変換の非効率性を無視すると、提示容量がほぼ同一であっても、実際のリアルタイムパフォーマンスの劣化が予想されないため、合計収益が3.8%低下する。
• 収益とリスクのトレードオフは明確に観察される：リスク許容度パラメータεを30%を超えて引き上げると、罰則メカニズムの影響でリターンの増加が鈍くなる。これは、適切なリスク設定の重要性を示している。
• SOCP近似により、商業的ソルバーを用いて複雑な確率制約付き計画法を効率的に解けることが確認され、本手法の実用的妥当性が裏付けられた。