[論文レビュー] Day-ahead Trading of Aggregated Energy Flexibility - Full Version

Emmanouil Valsomatzis, Torben Bach Pedersen+1 more|arXiv (Cornell University)|May 7, 2018

Electric Vehicles and Infrastructure参考文献 22被引用数 3

ひとこと要約

本論文は、電気自動車（EV）のエネルギー柔軟性を市場ベースで集約する3つの手法を提案する。個々のEVの充電負荷を、北欧の日前市場で取引可能な柔軟注文（FO）に変換する。実際の市場制約を活用し、価格アービタージュを最適化することで、エネルギー調達コストの平均24.4％削減を達成。最適ベンチマークと比較して最大27.4％の削減となり、バランス責任者（BRP）にとって顕著な財務的利益を示している。

ABSTRACT

Flexibility of small loads, in particular from Electric Vehicles (EVs), has recently attracted a lot of interest due to their possibility of participating in the energy market and the new commercial potentials. Different from existing work, the aggregation techniques proposed in this paper produce flexible aggregated loads from EVs taking into account technical market requirements. They can be further transformed into the so-called flexible orders and be traded in the day-ahead market by a Balance Responsible Party (BRP). As a result, the BRP can achieve at least 20% cost reduction on average in energy purchase compared to traditional charging based on 2017 real electricity prices from the Danish electricity market.

研究の動機と目的

• 最小入札サイズや柔軟注文要件などの実際の技術的市場制約を考慮しない既存のEV柔軟性取引モデルのギャップを解消すること。
• 特に北欧の柔軟注文（FO）フレームワークに準拠した、実際の市場ルールに適合する柔軟な集約負荷（flex-offers）を生成する集約手法を開発すること。
• バランス責任者（BRP）が日前市場において集約されたEVの柔軟性を戦略的に入札することで、エネルギー調達コストを削減できることを可能にすること。
• 2017年のデンマーク電力価格とEVのプラグインデータの実データを用いて、提案手法の財務的および技術的パフォーマンスを評価すること。
• 市場ベースの集約が、従来の固定スケジューリングやベースライン入札手法に比べ、コスト効率と市場適合性において優れていることを実証すること。

提案手法

• EV充電の柔軟性を表すためのflex-offer（FO）モデルを導入し、各FOをEVバッテリーの充電状態（SOC）と効率に基づく時間窓、エネルギー量、出力制約で定義する。
• 市場ベースのFO集約問題を、最小入札サイズや時間の柔軟性といった市場固有の要件を満たす制約付き最適化問題として定式化する。
• 動的計画法（DP）、動的時間優先（DTF）、負荷優先順位（LP）の3つのヒューリスティック集約アルゴリズムを提案。各手法は市場および技術的制約を尊重しながらコスト削減を最大化することを目的としている。
• プラグイン時刻と充電プロファイルが既知の5,000～40,000台のEVの実世界データを用い、日前市場における集約と入札をシミュレートする。
• 集約されたFOを、定義された柔軟性ウィンドウ内で市場が活性化時刻をスケジューリング可能な柔軟注文（FO）に変換する。
• 2017年のElspot電力価格の実データを用いて性能を評価し、技術的・財務的パフォーマンスを、手法とベースラインとの間で比較。予測不確実性下でのアンバランスコストも含む。

実験結果

リサーチクエスチョン

• RQ1 最小入札サイズや時間の柔軟性といった技術的制約を満たす市場適合型の柔軟注文に、EV充電の柔軟性を効果的に集約する方法は何か？
• RQ2 日前電力市場において、従来の固定スケジューリングやベースライン入札戦略と比較して、市場認識型集約手法を用いることで、どのような財務的影響が生じるか？
• RQ3 価格動向やEVのプラグインパターンの変化に応じて、異なる集約ヒューリスティック（DP、DTF、LP）のパフォーマンスはどのように変化するか。特に、低価格または負の電力価格が続く時期においては？
• RQ4 EVプラグイン行動の予測不確実性が、集約された柔軟性取引の財務的結果に及ぼす影響はどの程度か。また、BRPの利益性にどのような影響を与えるか？
• RQ5 理論的最適解と比較して、市場ベースの集約手法はコスト削減においてどの程度の効果を発揮するか。実際の運用で、最適な削減の何パーセントを達成できるか？

主な発見

• 動的計画法（DP）は、365の取引期間にわたり、エネルギー調達コストの平均24.4％削減を達成。DTF（20.2％）およびLP（19.1％）を上回る性能を示した。
• DPは、集約に参加するFOの最適コスト削減の98.3％を達成しており、市場の柔軟性を効率的に活用していることを示している。
• 最適解では平均27.4％のコスト削減が得られ、DPはその88.9％を達成しており、非常に近い最適性を示している。
• 2017年12月24日における-50 €/MWhの負の電力価格時など、価格が変動しやすい環境では、コスト削減が800％を超えることもあり、本手法の有効性が顕著に現れた。
• 予測不確実性がある状況では、EVの予想通りに参加しない割合が23％を超えると、柔軟注文によるエネルギー調達コストがプラグイン時の充電コストを上回り、財務的リスクの閾値に達することが示された。
• DPは66％の取引期間で最大のコスト削減を達成し、残りの34％ではDTFが優位であった。これは、価格曲線の形状とタイミングに依存する。