[論文レビュー] Dynamic Optimal Power Flow in Microgrids using the Alternating Direction Method of Multipliers

Paul Scott, Sylvie Thiébaux|arXiv (Cornell University)|Oct 29, 2014

Microgrid Control and Optimization参考文献 16被引用数 11

ひとこと要約

本稿では、改良された線路モデルと2段階アプローチを用いた交替方向乗数法（ADMM）に基づく分散型動的最適潮流（D-OPF）手法を、マイクログリッドに適用する。本手法は、離散的決定と不確実性を効果的に処理し、近似的最適解を高速かつリceding-horizon互換の時間スケールで得ることに成功し、分散型スマートグリッド制御の実用的導入を可能にする。

ABSTRACT

Smart devices, storage and other distributed technologies have the potential to greatly improve the utilisation of network infrastructure and renewable generation. Decentralised control of these technologies overcomes many scalability and privacy concerns, but in general still requires the underlying problem to be convex in order to guarantee convergence to a global optimum. Considering that AC power flows are non-convex in nature, and the operation of household devices often requires discrete decisions, there has been uncertainty surrounding the use of distributed methods in a realistic setting. This paper extends prior work on the alternating direction method of multipliers (ADMM) for solving the dynamic optimal power flow (D-OPF) problem. We utilise more realistic line and load models, and introduce a two-stage approach to managing discrete decisions and uncertainty. Our experiments on a suburb-sized microgrid show that this approach provides near optimal results, in a time that is fast enough for receding horizon control. This work brings distributed control of smart-grid technologies closer to reality.

研究の動機と目的

• 現実的なネットワークおよび負荷モデルを有するマイクログリッドにおける、分散型かつプライバシー保護型最適潮流の課題に対処すること。
• ADMMベースのD-OPFを、非凸なAC潮流、離散的世帯意思決定、および再生可能エネルギーおよび負荷の不確実性を扱えるように拡張すること。
• 解の品質を維持しながら高速な解法時間を実現することで、リアルタイムかつリceding-horizon制御を可能にすること。
• 世帯が局所的な不確実性に対応し、離散変数を効果的に管理できる2段階の価格設定メカニズムを開発すること。
• 分散型太陽光発電およびバッテリーストレージを備えた実際のサブタウン規模のマイクログリッドを対象に、手法の評価を行うこと。

提案手法

• 本稿では、時間的連携成分を管理するため、リceding-horizon制御フレームワーク内において、複数時間ステップにわたるD-OPF問題を定式化する。
• ADMMを用いて、バスまたはネットワーク部品ごとにグローバル最適化問題を分解し、分散計算を可能にするとともに、プライバシーを保護する。
• 簡易なDC近似の代わりに、より正確なAC潮流モデルを用いることで、解の現実性と正確性を向上させる。
• 2段階アプローチを導入する：第1段階では、罰則関数を用いた緩和問題により離散変数を管理し、第2段階では価格調整により不確実性を是正し、一貫性を確保する。
• 特に日射量の変動に伴うシステム全体のコスト最小化と世帯のインcentiveを一致させるために、正則化価格（RP）メカニズムを用いる。
• アルゴリズムは、ランダムに配置された2kWの太陽光発電システムおよび2kWhのバッテリを備えた70バスのマイクログリッド上でテストされ、実際の日射量プロファイルが使用された。

実験結果

リサーチクエスチョン

• RQ1 ADMMベースの分散型D-OPFは、現実的なAC潮流モデルを用い、リceding-horizon制御に適した高速収束を達成できるか？
• RQ2 分散型最適化フレームワーク内において、離散的世帯意思決定（例：バッテリ充電、家電のスケジューリング）を効果的に管理できるか？
• RQ3 局所的な再生可能エネルギーの不確実性に応じて、世帯が適切に反応するように誘導する価格メカニズムは何か？ ただし、システム全体の最適性は損なわないものとする。
• RQ4 日射量の不確実性が生じた場合、性能はどの程度低下するか？ また、2段階アプローチはその影響を緩和できるか？
• RQ5 本手法は、工業用負荷やネットワークトポロジーの変更を含む、より大規模または複雑なシステムへどの程度スケーラブルまたは適応可能か？

主な発見

• 提案手法は、高速な解法時間で近似的最適解を達成しており、リアルタイムマイクログリッド運用におけるリceding-horizon制御に適している。
• 太陽光出力が20%低下した場合、元の解に比べて発電コストが8–10%上昇した。これは不確実性に対する感受性を示している。
• RP手法の関数0は平均で1%優れており、発電コストの上昇に応じて世帯の負担も比例して増加し、予算バランスが改善された。
• 関数3はコスト上昇に対してほとんど反応しなかったため、インcentiveの整合性が悪く、一方関数0は出力が20%上昇した際の余剰太陽光を効果的に活用し、全体のコストを約8%削減した。
• RPメカニズムにおける罰則パラメータαは、準拠を強制し、市場の予算バランスを支援するために調整可能であるが、ゲーム化と正当な不確実性を区別することはできない。
• バッテリは局所的不確実性に対処するためのより高い柔軟性を提供しており、予測が不完全な状況下でも、蓄電統合がシステムのレジliエンスを高めることを示唆している。