[論文レビュー] Data-Driven Distributionally Robust Scheduling of Community Integrated Energy Systems with Uncertain Renewable Generations Considering Integrated Demand Response

Yang Li, Meng Han+3 more|arXiv (Cornell University)|Jan 21, 2023

Smart Grid Energy Management被引用数 15

ひとこと要約

本論文は、再生可能発電の不確実性を組み込んだコミュニティ統合エネルギーシステム(CIES)のスケジューリングにおいて、需要応答と建物の熱快適性を統合したデータ駆動の二段階ディストリビューショナル・ロバスト最適化フレームワークを提案する。GANベースのシナリオ生成器と混合不確実性セットを用いて、経済性とロバスト性を向上させる。

ABSTRACT

A community integrated energy system (CIES) is an important carrier of the energy internet and smart city in geographical and functional terms. Its emergence provides a new solution to the problems of energy utilization and environmental pollution. To coordinate the integrated demand response and uncertainty of renewable energy generation (RGs), a data-driven two-stage distributionally robust optimization (DRO) model is constructed. A comprehensive norm consisting of the 1-norm and infinity-norm is used as the uncertainty probability distribution information set, thereby avoiding complex probability density information. To address multiple uncertainties of RGs, a generative adversarial network based on the Wasserstein distance with gradient penalty is proposed to generate RG scenarios, which has wide applicability. To further tap the potential of the demand response, we take into account the ambiguity of human thermal comfort and the thermal inertia of buildings. Thus, an integrated demand response mechanism is developed that effectively promotes the consumption of renewable energy. The proposed method is simulated in an actual CIES in North China. In comparison with traditional stochastic programming and robust optimization, it is verified that the proposed DRO model properly balances the relationship between economical operation and robustness while exhibiting stronger adaptability. Furthermore, our approach outperforms other commonly used DRO methods with better operational economy, lower renewable power curtailment rate, and higher computational efficiency.

研究の動機と目的

• 再生可能発電量の不確実性下でのコミュニティ統合エネルギーシステム（CIES）のロバストなスケジューリングを動機づける。
• データ駆動の二段階ディストリビューショナル・ロバスト最適化（DRO）モデルを開発する。
• 統合需要応答を取り入れ、熱快適性と建物熱慣性を考慮する。
• GANベースのシナリオ生成器を用いて再生可能発電の不確実性を捉える。
• 北部中国の実際のCIESで方法を示し、伝統的手法と比較する。

提案手法

• 不確実性情報集合を1-normとinfinity-normの混合で構成した二段階ディストリビューショナル・ロバスト最適化モデルを定式化する。
• 勾配ペナルティ付きのWasserstein距離を用いたGANベースの再生可能発電シナリオ生成を開発する。
• 人間の熱快適性の曖昧さと建物熱慣性を考慮した統合需要応答メカニズムを組み込む。
• DROモデルを解き、経済的運用とロバスト性のバランスを取る。
• 性能と効率を評価するために、確率的計画法とロバスト最適化と比較する。

実験結果

リサーチクエスチョン

• RQ1 DROをどのように用いて、需要応答を活用しつつ再生可能エネルギーの不確実性下でCIESをロバストにスケジュールできるか？
• RQ2 混合ノルム不確実性セットを用いることが解のロバスト性と経済性に与える影響は何か？
• RQ3 GAN生成シナリオはDROの再生可能性の不確実性表現を改善できるか？
• RQ4 熱快適性と慣性を考慮した統合需要応答は再生可能エネルギーの利用とコストにどう影響するか？
• RQ5 提案手法は従来の確率的計画法およびロバスト最適化と比較してどうなるか？

主な発見

• DROモデルは再生可能性の不確実性下で経済運用とロバスト性のバランスを取る。
• Wasserstein距離に基づくGAN生成シナリオはDROのシナリオ生成を改善する。
• 熱快適性と慣性を含む統合需要応答は再生可能エネルギーの利用を高め、抑制量を減少させる。
• 提案手法は他のDROアプローチよりも運用経済性が高く、抑制量が少なく、計算効率が高い。
• 北部中国の実在CIESでのシミュレーションは、実用性と従来法に対するロバスト性の改善を示す。