[論文レビュー] DIETERpy: a Python framework for The Dispatch and Investment Evaluation Tool with Endogenous Renewables

Carlos Gaete-Morales, Martin Kittel+2 more|arXiv (Cornell University)|Oct 2, 2020

Integrated Energy Systems Optimization参考文献 22被引用数 28

ひとこと要約

DIETERpyは、GAMSベースの電力部門モデルDIETERをラップするPythonベースのフレームワークであり、柔軟なシナリオ設定、並列実行、ブラウザGUIを介したユーザーフレンドリーなデータ処理を可能にする。非専門家にとってのアクセス性を高めつつ、元のモデルの最適化の厳密性を保ち、再生可能エネルギーの高割合を想定したエネルギーシステム分析におけるワークフロー効率を著しく向上させる。

ABSTRACT

DIETER is an open-source power sector model designed to analyze future settings with very high shares of variable renewable energy sources. It minimizes overall system costs, including fixed and variable costs of various generation, flexibility and sector coupling options. Here we introduce DIETERpy that builds on the existing model version, written in the General Algebraic Modeling System (GAMS), and enhances it with a Python framework. This combines the flexibility of Python regarding pre- and post-processing of data with a straightforward algebraic formulation in GAMS and the use of efficient solvers. DIETERpy also offers a browser-based graphical user interface. The new framework is designed to be easily accessible as it enables users to run the model, alter its configuration, and define numerous scenarios without a deeper knowledge of GAMS. Code, data, and manuals are available in public repositories under permissive licenses for transparency and reproducibility.

研究の動機と目的

• 非専門家ユーザーおよび実務家向けにDIETER電力部門モデルのアクセス性と使いやすさを向上させること。
• 高性能なGAMSベースの最適化コアを、Pythonの柔軟性およびデータ処理能力と統合すること。
• コアモデルコードを変更せずに、パrameter設定、制約の調整、並列実行が可能な構成可能なパrameter設定を通じて、効率的なシナリオ探索を可能にすること。
• ブラウザベースのGUIと標準化されたデータワークフローを提供し、シナリオ設定と結果の可視化を可能にすること。
• 再生可能エネルギーの高割合を想定した状況下で、再現可能で透明性があり拡張可能なエネルギーシステムモデリングを支援すること。

提案手法

• 既存のGAMSベースのDIETERモデルをPythonフレームワーク（DIETERpy）に埋め込み、モデル設定、シナリオ定義、データI/Oを管理すること。
• GAMSのPython APIを用いてコア最適化モデルとインターフェースを接続し、計算効率を維持すること。
• ユーザーが元のGAMSコードを変更せずに、パラメータ、変数の境界、制約の有効化を変更できるシナリオエンジンを実装すること。
• 類似したシナリオの並列実行を可能にするため、GUSS（GAMS Ultimate Solution System）ツールを活用し、コンパイル時間を短縮すること。
• GAMSの知識がなくても利用可能な、ブラウザベースのグラフィカルユーザーインターフェースを提供し、シナリオ設定と結果の可視化を可能にすること。
• 複数形式（例：CSV、JSON）への結果の収集およびエクスポートを可能にするポストプロセッシングルーチンを統合し、標準Pythonライブラリを用いた後続分析を可能にすること。

実験結果

リサーチクエスチョン

• RQ1 レガシーモデルであるGAMSベースの電力部門モデルを、非専門家ユーザーの使いやすさと拡張性を向上させるためにどのように近代化できるか？
• RQ2 GAMSベースの最適化コアとPythonフレームワークを統合することで、エネルギーシステムモデリングにおけるパフォーマンスとワークフローにどのような利点が得られるか？
• RQ3 GUIとパラメータ駆動型のシナリオ設定が、研究者や実務家のエントリーバリヤをどの程度低減できるか？
• RQ4 新しいフレームワークは、セクター統合や内生的再生可能エネルギーを含む複雑なシステム統合課題の分析をどのように支援するか？
• RQ5 GAMSの最適化力とPythonのデータサイエンスエコシステムの組み合わせにより、エネルギーモデリングにおけるより効率的かつ再現可能なシナリオ分析が可能になるか？

主な発見

• DIETERpyは、GAMSの知識がなくても、複数のシナリオの実行・設定・分析が可能であり、非専門家ユーザーのエントリーバリヤを著しく低減する。
• フレームワークはGUSSツールを活用したシナリオの並列実行をサポートしており、コンパイル時間を短縮し、計算効率を向上させる。
• ブラウザベースのGUIにより、直感的なシナリオ設定とリアルタイムの結果可視化が可能となり、ユーザーのアクセス性とワークフローの透明性が向上する。
• モデルのコア最適化部分は変更されておらず、計算的にも堅牢なままであるため、複雑なパrameter設定下でも信頼性の高い結果が得られる。
• Pythonとの統合により、データの前処理および後処理がシームレスに可能となり、標準フォーマットへのエクスポートや外部の可視化ライブラリの利用が可能になる。
• 許可が緩いMITライセンスとオープンソースの性質のおかげで、研究者や実務家による再利用、改造、拡張が可能であり、商業的応用にも対応できる。