[論文レビュー] Probabilistic Forecasting and Simulation of Electricity Markets via Online Dictionary Learning

Weisi Deng, Yuting Ji+1 more|arXiv (Cornell University)|Jun 25, 2016

Energy Load and Power Forecasting参考文献 15被引用数 7

ひとこと要約

本稿では、確率的予測およびリアルタイム電力市場のシミュレーションのためのオンライン辞書学習（ODL）手法を提案する。この手法は、パラメトリックDC最適潮流（DCOPF）構造を活用することで、モンテカルロ法と比較して計算時間を劇的に短縮する。このアプローチにより、リアルタイム測定値と歴史的データから得られるスパース表現を学習することで、拠点マージナル価格（LMP）、潮流、ディスpatch水準の同時分布および周辺分布を高速かつ適応的にオンラインで予測可能となり、正確性を維持したまま、計算速度が桁違いに向上する。

ABSTRACT

The problem of probabilistic forecasting and online simulation of real-time electricity market with stochastic generation and demand is considered. By exploiting the parametric structure of the direct current optimal power flow, a new technique based on online dictionary learning (ODL) is proposed. The ODL approach incorporates real-time measurements and historical traces to produce forecasts of joint and marginal probability distributions of future locational marginal prices, power flows, and dispatch levels, conditional on the system state at the time of forecasting. Compared with standard Monte Carlo simulation techniques, the ODL approach offers several orders of magnitude improvement in computation time, making it feasible for online forecasting of market operations. Numerical simulations on large and moderate size power systems illustrate its performance and complexity features and its potential as a tool for system operators.

研究の動機と目的

• 確率的再生可能エネルギーおよび負荷の変動を伴う大規模な送電系統において、リアルタイムでの確率的予測が計算的に非現実的であるという問題に取り組む。
• 現在のシステム状態およびリアルタイム測定値に基づいて、LMP、潮流、ディスパッチ水準の条件付き確率分布を生成するオンライン手法を開発する。
• 電力系統における確率的予測のための従来のモンテカルロシミュレーションの高い計算コストを低減する。
• システム運用者が、とくに急激なラムプイベント中において、不確実性下での市場運用のリアルタイムシミュレーションおよび予測を可能にする。
• DCOPFのパラメトリック構造を活用し、重要な運用領域におけるシステム行動のコンactかつ適応的な表現を学習する。

提案手法

• 本手法は、リアルタイム測定値と歴史的データから、パラメトリックDCOPF解構造のスパース表現を学習するオンライン辞書学習（ODL）を用いる。
• ODLは、LMP や潮流などのシステム変数における支配的パターンを表す基底ベクトルの辞書を、動的に更新する。
• 本手法は、ランダム変数（例：負荷および発電）の関数としてのシステムを、区分的線形関数としてモデル化する。重要な領域は、DCOPFにおける束縛制約によって定義される。
• モンテカルロ走破の間で最も頻繁に発生する重要な領域のみを特定することで、各サンプルパスに対して完全なDCOPFを解く必要を回避する。
• 学習された辞書により、各実現の再計算なしに、市場変数の同時分布および周辺分布を高速に予測可能となる。
• アルゴリズムは、新しい測定値が到着するたびに辞書を動的に更新し、変化するシステム状態および負荷プロファイルに適応可能となる。

実験結果

リサーチクエスチョン

• RQ1 オンライン辞書学習を用いることで、LMP や潮流などの主要な電力市場変数の同時分布および周辺分布を、効率的に近似できるか？
• RQ2 提案されたODLベースの手法は、電力系統における確率的予測のための標準的モンテカルロシミュレーションと比較して、計算コストをどのように低減するか？
• RQ3 急激なラムプイベント（例：「デュックカーブ」現象）の間、LMP や潮流の分布的挙動はいかなるものか？
• RQ4 大規模なモンテカルロシミュレーションにおいて、パラメトリックDCOPF解空間内の実際の活性化された重要な領域はいくつあるか？
• RQ5 本手法は、とくに急激な負荷ラムプなどの過渡的イベント中において、リアルタイムでシステム行動を適応的に学習・表現できるか？

主な発見

• 提案されたODL手法は、標準的モンテカルロシミュレーションと比較して、計算時間を桁違いに短縮し、リアルタイムでの確率的予測の実現を可能にした。
• IEEE 118バス系統において、1,000回のモンテカルロ走破において、パラメトリックDCOPFの全可能な重要な領域のわずか少数が実際に活性化されており、顕著な計算コスト削減が達成された。
• 定常状態（T=55）では、バス94–95におけるLMPの同時分布が一点質量に集中しており、変動性が低く、価格が安定していることを示している。
• 下向きラムプイベント（T=142）では、バス94–95におけるLMPの同時分布に二つの明確なモードが観察され、混雑のため小差価格の確率が高く、大差価格の確率が低いことを示している。
• 急激な上行ラムプイベント（T=240）では、バス94–95におけるLMP分布に4つの可能な実現が観察され、約50％の確率で顕著な価格差が生じることを示しており、高い不確実性を示している。
• トランスミッション線路上の潮流分布は、過渡的イベント中、特にトライラインにおいて、非ガウス的かつマルチモーダルな形状を示しており、予測におけるガウス仮定の限界を浮き彫りにしている。