[論文レビュー] Online Inventory Management with Application to Energy Procurement in Data Centers

Lin Yang, Mohammad Hajiesmaili+4 more|arXiv (Cornell University)|Jan 14, 2019

Optimization and Search Problems参考文献 36被引用数 5

ひとこと要約

本稿では、在庫管理制約付きオンライン線形計画法に対するオンラインアルゴリズムであるBatManおよびBatManRateを提案し、最適な競合比を達成する。これらのアルゴリズムは、データセンターにおける変動する市場価格や蓄電池に蓄えられた電力を動的に調達することで、不確実性下でのコストを最小化し、特に再生可能エネルギーの導入率が高く、価格パターンが不規則な状況下でも従来手法を上回る性能を示す。

ABSTRACT

Motivated by the application of energy storage management in electricity markets, this paper considers the problem of online linear programming with inventory management constraints. Specifically, a decision maker should satisfy some units of an asset as her demand, either form a market with time-varying price or from her own inventory. The decision maker is presented a price in slot-by-slot manner, and must immediately decide the purchased amount with the current price to cover the demand or to store in inventory for covering the future demand. The inventory has a limited capacity and its critical role is to buy and store assets at low price and use the stored assets to cover the demand at high price. The ultimate goal of the decision maker is to cover the demands while minimizing the cost of buying assets from the market. We propose BatMan, an online algorithm for simple inventory models, and BatManRate, an extended version for the case with rate constraints. Both BatMan and BatManRate achieve optimal competitive ratios, meaning that no other online algorithm can achieve a better theoretical guarantee. To illustrate the results, we use the proposed algorithms to design and evaluate energy procurement and storage management strategies for data centers with a portfolio of energy sources including the electric grid, local renewable generation, and energy storage systems.

研究の動機と目的

• 需要の不確実性と時間変動する電力価格を伴うデータセンターにおける電力調達コストを最小化する課題に対処すること。
• 現地に設置されたエネルギー貯蔵を管理するオンラインアルゴリズムを設計し、高価な時期から安価な時期への消費のシフトを実現すること。
• 最悪の入力シナリオ下でも理論的性能保証（競合比）が最適となるようにすること。
• 価格変動性や再生可能エネルギー導入率の異なる多様な実世界の電力市場を対象に、アルゴリズムの性能を評価すること。
• 特に、歴史的パターンに依存するベースライン手法と比較して、高い不確実性や不規則な市場ダイナミクス下でも、提案手法の頑健性を示すこと。

提案手法

• 在庫制約付きオンライン線形計画法のためのオンラインアルゴリズムBatManを開発し、即時の調達と将来の貯蔵意思決定のバランスをとるために双対に基づくアプローチを用いる。
• 充電・放電のレート制約を扱うために、容量に対する有効電力スループットの比をモデル化し、BatManRateを導入する。
• 需要満たし（被覆制約）と在庫制約（貯蔵容量とフロー整合性）を含むオンライン線形計画問題として問題を定式化する。
• プライマル・デュアル解析フレームワークを用いて競合比を導出し、BatManおよびBatManRateが理論的に可能な最良の性能保証を達成することを証明する。
• NYISO、CAISO、DE市場の実際の電力価格および需要トレースを用いて、アルゴリズムの性能をシミュレーションで評価する。
• 貯蔵レート制約を、充電/放電レートと容量の比（ρ）を用いて正規化することで、多様な貯蔵技術（例：リチウムイオン、鉛蓄電池、フライホイール）の評価を可能にする。

実験結果

リサーチクエスチョン

• RQ1 需要の不確実性と時間変動する市場価格が存在する中で、オンラインアルゴリズムが最適な競合比を達成できるか。
• RQ2 再生可能エネルギーの導入率が高く、価格ダイナミクスが不規則な状況下で、歴史的パターンに依存するオンラインアルゴリズム（例：PreDay）の性能はどの程度劣化するか。
• RQ3 エネルギー貯蔵システムのレート制約が、オンライン調達アルゴリズムの性能にどの程度影響を及ぼすか。
• RQ4 価格不確実性（季節的・場所依存のボラティリティ指数θで測定）の程度が、オンラインアルゴリズムのコスト比にどのように影響するか。
• RQ5 周期的でない、高変動性の価格パターンを示す市場において、1つのアルゴリズムが特殊化された手法を上回る性能を示せるか。

主な発見

• BatManは、オフライン最適解（OPT）と比較して年間を通じて1.21～1.23のコスト比を達成しており、理論的に可能な最良の解よりも21～23%の追加コストにとどまることを示している。
• 再生可能エネルギーの導入率が50%に達する状況でも、BatManの性能はわずかに劣化するが、PreDayの性能は著しく劣化する（例：コスト比が1.31から1.37に上昇）。これは、BatManの頑健性を示している。
• NYISOやCAISOのような高変動性市場では、BatManはPreDayよりも10～15%のコスト削減を達成し、コスト比はそれぞれ1.31および1.35であるのに対し、PreDayは1.46および1.63である。
• 低ボラティリティで毎日パターンが明確な市場（Frankfurt, DE）では、PreDayが最も優れた性能を示すが、BatManもコスト比1.07（全地域で最低）を達成し、競争力を持つ。
• BatManRateの性能は、貯蔵レート対容量比（ρ）が高くなるほど向上し、制約が少ないシステム（例：Li-ionでρ ≈ 0.35）ほど、アルゴリズムの適応戦略の恩恵をより大きく受ける。
• 季節的・場所的不確実性はアルゴリズムの性能に顕著な影響を及ぼす。最も不確実性の高いロサンゼルスでは、BatManのコスト比が1.47に達するが、最も不確実性が低いフランクフルトでは1.07に低下する。