[論文レビュー] Dynamic Control and Optimization of Distributed Energy Resources in a Microgrid

Trudie Wang, Dan O'Neill+1 more|arXiv (Cornell University)|Sep 30, 2014

Smart Grid Energy Management参考文献 46被引用数 11

ひとこと要約

本稿では、代替方向法の乗数法（ADMM）を用いた分散型モデル予測制御（MPC）フレームワークを提案し、太陽光発電（PV）、蓄電池、電気自動車（EV）、制御可能負荷を含む分散型エネルギー資源（DER）をマイクログリッドで動的に最適化する。各DERが局所的な最適化問題を解き、単純なメッセージのやり取りのみを実施することで、中央集権的最適化に近い性能をリアルタイムで達成するとともに、グリッド制約を尊重し、動的料金と不確実性のもとで総コストを最小化する。

ABSTRACT

As we transition towards a power grid that is increasingly based on renewable resources like solar and wind, the intelligent control of distributed energy resources (DER) including photovoltaic (PV) arrays, controllable loads, energy storage and plug-in electric vehicles (EVs) will be critical to realizing a power grid that can handle both the variability and unpredictability of renewable energy sources as well as increasing system complexity. Realizing such a decentralized and dynamic infrastructure will require the ability to solve large scale problems in real-time with hundreds of thousands of DERs simultaneously online. Because of the scale of the optimization problem, we use an iterative distributed algorithm previously developed in our group to operate each DER independently and autonomously within this environment. The algorithm is deployed within a framework that allows the microgrid to dynamically adapt to changes in the operating environment. Specifically, we consider a commercial site equipped with on-site PV generation, partially curtailable load, EV charge stations and a battery electric storage (BES) unit. The site operates as a small microgrid that can participate in the wholesale market on the power grid. We report results for simulations using real data that demonstrate the ability of the optimization framework to respond dynamically in real-time to external conditions while maintaining the functional requirements of all DERs.

研究の動機と目的

• 高再生可能エネルギー比率と変動する需要を有する大規模で動的なマイクログリッドを管理する課題に対処すること。
• 不確実性や再生可能エネルギーの変動にかかわらず、システムの信頼性と効率を維持するスケーラブルでリアルタイムの制御フレームワークを開発すること。
• 中央集権的最適化や広範な通信を必要とせずに、分散型エネルギー資源（DER）の分散協調制御を可能にすること。
• 線路制限や蓄電池容量などの物理的制約を尊重しながら、マイクログリッドの運用コストを最小化すること。
• 予測可能な知識を有する中央集権的最適化と同等の性能を分散制御が達成できることを示すこと。

提案手法

• フレームワークは、有限時間窓内で再びホライゾン最適化を可能にするモデル予測制御（MPC）を用いる。
• 各DER（PV、蓄電池、EV、制御可能負荷）は、自らの目的関数と制約条件を有する局所的最適化問題を定式化する。
• 結合された最適化問題を分散的に解くために、交替方向乗数法（ADMM）が用いられる。
• 隣接するDER間でのみ単純なメッセージ交換が要求され、線路制限などの結合制約を強制するために双対変数が交換される。
• アルゴリズムは、局所的意思決定と双対変数を反復的に更新し、グローバルに最適または近似的に最適な解に収束する。
• 各時刻において、制御装置は更新された予測とリアルタイムデータを用いて問題を再解き直し、動的適応を可能にする。

実験結果

リサーチクエスチョン

• RQ1 分散型最適化フレームワークは、リアルタイムのマイクログリッド制御において、中央集権的最適化に近い性能を達成できるか？
• RQ2 ADMMは、線路制限などの結合制約のもとで、PV、蓄電池、EV、制御可能負荷といった多様なDERをどれほど効果的に協調制御できるか？
• RQ3 分散制御は、リアルタイムの発電所電力市場価格にどれほど効果的に反応し、システムの信頼性を維持できるか？
• RQ4 DER間の通信を最小限に抑えたとしても、中央集権的協調なしに高品質なシステム全体の電力プロファイルを達成できるか？
• RQ5 フレームワークは、予測不確実性と同時に、運用制約を維持しながらインシデント発生時にも適切に対応できるか？

主な発見

• 分散型ADMM-MPCフレームワークは、動的かつ不確実な状況下でも、完全な先行知識を有する中央集権的最適化と同等のコスト性能を達成する。
• 本手法は、線路熱制限やバッテリ容量といった重要な物理的制約を適切に尊重し、システムの安全性を確保する。
• 局所的情報と隣接するDER間での単純なメッセージ交換のみを必要とするため、システムはスケーラブルであり、通信障害に対しても耐性がある。
• フレームワークにより、効果的な需要応答と負荷形状の最適化が可能になり、ピーク需要を低減し、バックアップ発電への依存度を最小限に抑える。
• EVの充電はアルゴリズムによって自然に協調制御され、同時に高負荷での充電を回避し、電圧違反を低減する。
• 100％太陽光発電でもマイクログリッドは安定した高品質な電力プロファイルを維持でき、島嶋運用におけるレジリエンスと柔軟性を示している。