[論文レビュー] Multi-period Power System Risk Minimization under Wildfire Disruptions

Hanbin Yang, Noah Rhodes+3 more|arXiv (Cornell University)|May 4, 2023

Optimal Power Flow Distribution被引用数 4

ひとこと要約

本稿では、外的および内的な野火リスクを組み合わせた状況下で、電力系統における多期間にわたる事前遮断を最適化する2段階の確率的混合整数計画法を提案する。ラグランジュカット分解アルゴリズムを用いることで、決定論的およびロバストなベンチマークと比較して、野火被害と負荷遮断コストを25–30%削減しつつ、不確実性の摂動に対して高いロバスト性を維持する。

ABSTRACT

Natural wildfire becomes increasingly frequent as climate change evolves, posing a growing threat to power systems, while grid failures simultaneously fuel the most destructive wildfires. Preemptive de-energization of grid equipment is effective in mitigating grid-induced wildfires but may cause significant power outages during natural wildfires. This paper proposes a novel two-stage stochastic program for planning preemptive de-energization and solves it via an enhanced Lagrangian cut decomposition algorithm. We model wildfire events as stochastic disruptions with random magnitude and timing. The stochastic program maximizes the electricity delivered while proactively de-energizing components over multiple time periods to reduce wildfire risks. We use a cellular automaton process to sample grid failure and wildfire scenarios driven by realistic risk and environmental factors. We test our method on an augmented version of the RTS-GLMC test case in Southern California and compare it with four benchmark cases, including deterministic, wait-and-see, and robust optimization formulations as well as a comparison with prior wildfire risk optimization. Our method reduces wildfire damage costs and load-shedding losses, and our nominal plan is robust against uncertainty perturbation.

研究の動機と目的

• 気候変動と電力系統の故障が原因で悪化する野火の脅威に対処すること。
• 外的（外部要因由来）および内的（グリッド由来）野火が電力系統運用に及ぼす二重の影響をモデル化すること。
• 複数期間にわたる野火の混乱に伴う時間的および空間的不確実性を捉える確率的最適化フレームワークを構築すること。
• 現実の野火ダイナミクスとシナリオサンプリングを組み込むことで、決定論的およびロバスト最適化手法を改善すること。
• 不確実性下での電力系統遮断計画において、運用のロバスト性とコスト効率を確保すること。

提案手法

• 野火の不確実性下で遮断と潮流意思決定を同時に最適化する2段階の確率的混合整数計画法（SMIP）を定式化する。
• セルラーオートマトン過程を用いて、ランダムな発生時刻と規模を持つ野火イベントを確率的破壊としてモデル化し、シナリオ生成に用いる。
• 各時間周期における成分の損傷を表すために、外的および内的野火の両方を想定したバイナリーパラメータを組み込む。
• バイナリーバリャブルの構造を活用し、有効なカットを生成することで、大規模なSMIPインスタンスを効率的に解くラグランジュカット分解アルゴリズムを用いる。
• プログレッシブヘッジングとシナリオ分解を用いて、多期間・多シナリオ最適化の複雑さに対処する。
• 南カリフォルニアの拡張版RTS-GLMテストケースを用い、現実の気象および植生データを組み込んでモデルを検証する。

Figure 4 : Illustration of the RTS-GMLC system.

実験結果

リサーチクエスチョン

• RQ1 外的および内的野火リスクの両方を組み込むことで、電力系統における最適遮断意思決定にどのような影響を与えるか？
• RQ2 2段階の確率的計画法は、決定論的およびロバスト最適化モデルを上回り、総合的な野火被害および負荷遮断コストを最小化できるか？
• RQ3 提案されたラグランジュカット分解アルゴリズムは、バイナリーバリャブルを含む大規模なSMIP問題における計算効率をどのように向上させるか？
• RQ4 混合野火シナリオ下で、野火被害の最小化と負荷遮断の最小化の間にはどのようなトレードオフが生じるか？
• RQ5 異なる野火タイプや強度を持つサンプル外シナリオにおいて、名目計画（nominal plan）のロバスト性はどの程度か？

主な発見

• 外的および内的野火シナリオの両方を組み込んだ名目計画（X*）は、負荷遮断コストと被害コストの両方を最小化するバランスを図り、片方の野火タイプのみを考慮した計画を上回る性能を示した。
• X*は、決定論的およびロバスト最適化ベンチマークと比較して、混合シナリオ下で合計予想コストを25–30%削減し、混合シナリオ下での合計コストは4,792.8ドルであった。
• X^exo計画（外的野火のみ）は、内的野火が存在する状況で高い負荷遮断コスト（3,380.4ドル）を生じさせ、ロバスト性が低いことが示された。
• X^end計画（内的野火のみ）はあまりに保守的であり、16時刻目に31回路の送電線を遮断し、非破壊的条件下でも高い負荷遮断コスト（3,147.0ドル）を発生させた。
• X*計画は、混合シナリオ下で合計コスト3,612.7ドルを達成し、遮断負荷1,678.2MW、被害コスト1,333.6ドルを記録し、効果的なリスクのトレードオフを実現した。
• 分解アルゴリズムは、500シナリオを含む大規模インスタンスを正常に解き、実世界への展開に適した計算効率とスケーラビリティを示した。

Figure 5 : Confidence intervals (bar) and point estimates (circle) of the lower and upper bounds for solutions with different sample sizes. The shaded area indicates the range of extreme values (maximum and minimum).