[論文レビュー] Optimal Battery Control Under Cycle Aging Mechanisms in Pay for Performance Settings

Yuanyuan Shi, Bolun Xu+3 more|arXiv (Cornell University)|Sep 17, 2017

Advanced Battery Technologies Research被引用数 7

ひとこと要約

本稿では、凸的で電気化学的に正確な雨樋サイクルベースの劣化モデルを用いて、サイクル劣化と報酬・性能報酬ペナルティを同時に最適化するオンラインバッテリ制御方策を提案する。この手法は、時間に依存しない有界な最適性ギャップを有し、近似的に最適な性能を達成しており、PJM調整市場において、グリーディー法およびMPC手法と比較して運用コストを30%以上削減し、バッテリ寿命を3–4倍に延長する。

ABSTRACT

We study the optimal control of battery energy storage under a general "pay-for-performance" setup such as providing frequency regulation and renewable integration. In these settings, batteries need to carefully balance the trade-off between following the instruction signals and their degradation costs in real-time. Existing battery control strategies either do not consider the uncertainty of future signals, or cannot accurately account for battery cycle aging mechanism during operation. In this work, we take a different approach to the optimal battery control problem. Instead of attacking the complexity of battery degradation function or the lack of future information one at a time, we address these two challenges together in a joint fashion. In particular, we present an electrochemically accurate and trackable battery degradation model called the rainflow cycle-based model. We prove the degradation cost is convex. Then we propose an online control policy with a simple threshold structure and show it achieve near-optimal performance with respect to an offline controller that has complete future information. We explicitly characterize the optimality gap and show it is independent to the duration of operation. Simulation results with both synthetic and real regulation traces are conducted to illustrate the theoretical results.

研究の動機と目的

• リアルタイムの報酬・性能報酬アプリケーション（周波数調整など）におけるバッテリサイクル劣化と将来信号情報の欠如という二重の課題に取り組むこと。
• 将来の信号を知らなくても、劣化コストと不一致ペナルティのバランスを取る制御方策を開発すること。
• 計算的に扱いやすく、電気化学的に正確な劣化モデルを構築し、バッテリ制御の凸最適化を可能にすること。
• 既存のグリーディー法およびモデル予測制御（MPC）戦略と比較して、顕著なコスト削減と寿命延長を示すこと。
• オンライン制御方策と完全な将来情報を持つオフライン最適制御器との間の性能ギャップに理論的境界を確立すること。

提案手法

• サイクル劣化効果を正確に捉える雨樋サイクルベースの劣化モデルを導入し、その結果得られる劣化コストが凸であることを証明する。
• 予測されたサイクル深さに基づいて、動的に充電・放電レートを制限するシンプルなしきい値構造を持つオンライン制御方策を開発する。
• 凸最適化フレームワークを用いて、バッテリ制御問題を制約付きオンライン確率的制御問題として定式化する。
• 完全な将来情報を持つオフライン制御器と比較した場合の、提案されたオンライン制御方策の時間に依存しない最悪ケースの最適性ギャップを導出する。
• 実用的でないため、信号の予測困難さを踏まえながらも、完全な将来予測を前提としたモデル予測制御（MPC）をパフォーマンスベンチマークとして用いる。
• PJM市場からの合成的および実世界の調整トレース（歴史的RegD信号を含む）を用いて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 バッテリサイクル劣化と将来信号情報の欠如を統合的に取り扱うことで、取り扱いやすく近似的に最適なオンライン制御方策が得られるか？
• RQ2 雨樋サイクルベースの劣化モデルは、効率的な最適化を可能にする凸コスト関数をもたらすか？
• RQ3 完全な将来知識を持つオフライン最適制御器と比較した場合、オンライン制御方策の理論的性能ギャップはどの程度か？
• RQ4 実際の市場条件下で、提案された方策はグリーディー法およびMPCベースの制御器と比較して、コストとバッテリ寿命の点でどのように差をつけるか？
• RQ5 提案された手法は、報酬・性能報酬アプリケーションにおいて、運用コストを顕著に削減し、バッテリ寿命を延長できるか？

主な発見

• 提案されたオンライン制御方策は、典型的なPJM調整市場のペナルティ価格下で、グリーディー法およびMPCベースの制御器と比較して、運用コストを30%以上削減する。
• グリーディー制御器と比較してバッテリ寿命が3–4倍に延び、MPC制御器と比較しても顕著に延びる。これはサイクル深さの低減によるものである。
• 提案されたオンライン制御方策とオフライン最適制御器との間の最適性ギャップは有界であり、運用期間に依存しない。
• 雨樋サイクルベースの劣化モデルはサイクル劣化を正確に捉え、凸最適化を可能にし、制御問題の取り扱いやすさを実現する。
• 将来信号予測が不完全な場合（例：60ステップの予測ホライズン）でも、MPCベースの手法はサイクル深さを低く見積もっており、過剰に攻撃的な制御行動を取るため、性能が劣化する。
• 提案された方策は特定の市場シナリオ下で厳密に最適であり、ペナルティ価格が変動しても近似的に最適な性能を維持する。