[論文レビュー] Online Offering Strategies for Storage-Assisted Renewable Power Producer in Hour-Ahead Market

Lin Yang, Mohammad Hajiesmaili+2 more|arXiv (Cornell University)|Dec 1, 2016

Smart Grid Energy Management参考文献 10被引用数 3

ひとこと要約

本稿では、時刻ahead電力市場に参加するエネルギー貯蔵を支援する再生可能エネルギー発電事業者が採用できるオンラインオファー戦略—sOffer、mOffer、gOffer—を提案する。競争的なオンラインアルゴリズム設計を活用することで、予測不能な再生可能エネルギー出力と動的な清算価格のもとでも利益を最大化し、O(log θ)の競争比を達成し、予測誤差や価格変動に対して高いロバスト性を示す。

ABSTRACT

A promising approach to hedge against the inherent uncertainty of renewable generation is to equip the renewable plants with energy storage systems. This paper focuses on designing profit maximization offering strategies, i.e., the strategies that determine the offering price and volume, for a storage-assisted renewable power producer that participates in hour-ahead electricity market. Designing the strategies is challenging since (i) the underlying problem is coupled across time due to the evolution of the storage level, and (ii) inputs to the problem including the renewable output and market clearing price are unknown when submitting offers. Following the competitive online algorithm design approach, we first study a basic setting where the renewable output and the clearing price are known for the next hour. We propose sOffer, a simple online offering strategy that achieves the best possible competitive ratio of O(log θ), where $θ$ is the ratio between the maximum and the minimum clearing prices. Then, we consider the case where the clearing price is unknown. By exploiting the idea of submitting multiple offers to combat price uncertainty, we propose mOffer, and demonstrate that the competitive ratio of mOffer converges to that of sOffer as the number of offers grows. Finally, we extend our approach to the scenario where the renewable output has forecasting error. We propose gOffer as the generalized offering strategy and characterize its competitive ratio as a function of the forecasting error. Our trace-driven experiments demonstrate that our algorithms achieve performance close to the offline optimal and outperform a baseline alternative significantly.

研究の動機と目的

• 動的な時刻ahead電力市場におけるエネルギー貯蔵を備えた再生可能エネルギー発電事業者の利益最大化の課題に対処すること。
• 将来の再生可能エネルギー出力や市場清算価格を完全に把握しない状況で動作するオンラインオファー戦略を設計すること。
• 貯蔵のダイナミクスに起因する時間的結合性と、時間軸にわたるエネルギー貯蔵のバランスを維持する必要を考慮すること。
• 価格変動や再生可能エネルギー出力の予測誤差に対してロバストな戦略を構築すること。
• 不完全な情報のもとで現実の市場状況においても、競争的な性能保証（競争比）を達成すること。

提案手法

• 次時の再生可能エネルギー出力と清算価格が既知の基本的状況を想定し、sOfferを提案。競争比O(log θ)を達成する。ここでθは清算価格の最大値と最小値の比である。
• 清算価格が事前に不明な状況に対処するため、mOfferを導入。複数のオファーを提出することで価格不確実性の影響を軽減し、オファー数が増加するにつれてsOfferの性能に収束する。
• 再生可能エネルギー出力の予測誤差が生じる状況を想定し、gOfferを一般化戦略として開発。誤差の大きさを関数として競争比を定式化する。
• 競争的なオンラインアルゴリズム設計を用いて、提案されたすべての戦略の理論的性能限界（競争比）を導出する。
• 実際の市場データを用いたトレース駆動実験を実施し、オフライン最適解およびベースライン手法との性能を評価する。
• 貯蔵を活用して低価格期から高価格期へエネルギーをシフトさせ、単なる義務履行を超えた利益を向上させる。

実験結果

リサーチクエスチョン

• RQ1 将来の価格が既知である貯蔵支援再生可能エネルギー生産者環境において、オンラインオファー戦略が達成可能な最良の競争比は何か？
• RQ2 清算価格が事前に不明な場合、複数のオファーをどのように活用することで価格不確実性の影響を軽減できるか？
• RQ3 再生可能エネルギー出力の予測誤差はオンラインオファー戦略の性能にどのように影響し、どのような戦略がロバスト性を維持できるか？
• RQ4 貯蔵容量はオンラインオファー戦略の利益と競争比にどのように影響するか？
• RQ5 現実の電力市場トレースにおいて、オンライン戦略はオフライン最適解にどの程度近い性能を達成できるか？

主な発見

• sOfferは、θ（清算価格の最大値と最小値の比）のO(log θ)の競争比を達成する。これは、将来の価格が既知である状況下での最良の性能を表す。
• mOfferの性能は、提出するオファー数が増加するにつれてsOfferの性能に収束する。これにより、未知の清算価格における不確実性が効果的に軽減される。
• gOfferは再生可能エネルギーの予測誤差が20％未満の範囲ではロバストであるが、この閾値を超えると利益が急激に低下する。
• gOfferの実証的競争比は、貯蔵容量が再生可能エネルギー容量の2倍までであれば1.0に近く（近似的に最適）、現実的状況下でも優れた性能を示す。
• ベースライン戦略であるFixedOnlineは、gOfferに比べて実証的競争比が90％高い。これは、gOfferの価格変動への優位性を示している。
• 貯蔵容量が増加するにつれ、gOfferの利益はわずか3％増加するが、FixedOnlineの利益は90％増加する。これは、gOfferが貯蔵情報の利用を効率的に行っていることを示している。