[論文レビュー] Robust Risk-Constrained Unit Commitment with Large-scale Wind Generation: An Adjustable Uncertainty Set Approach

Cheng Wang, Feng Liu+5 more|arXiv (Cornell University)|Oct 12, 2015

Electric Power System Optimization参考文献 19被引用数 8

ひとこと要約

本稿では、大規模な風力発電を管理するために調整可能な不確実性集合を用いる、ロバストなリスク制約付きユニットコミットメント（RRUC）フレームワークを提案する。この手法は、風力予測誤差が不確実性集合を超過するリスクを明示的に考慮することで、運用の柔軟性を最適化し、極端な事象下でのシステムの信頼性を向上させるとともに運用コストを削減する。従来のロバストユニットコミットメント手法と比較して、本手法は稀な事象下でも優れた性能を示す。

ABSTRACT

This paper addresses two vital issues which are barely discussed in the literature on robust unit commitment (RUC): 1) how much the potential operational loss could be if the realization of uncertainty is beyond the prescribed uncertainty set; 2) how large the prescribed uncertainty set should be when it is used for RUC decision making. In this regard, a robust risk-constrained unit commitment (RRUC) formulation is proposed to cope with large-scale volatile and uncertain wind generation. Differing from existing RUC formulations, the wind generation uncertainty set in RRUC is adjustable via choosing diverse levels of operational risk. By optimizing the uncertainty set, RRUC can allocate operational flexibility of power systems over spatial and temporal domains optimally, reducing operational cost in a risk-constrained manner. Moreover, since impact of wind generation realization out of the prescribed uncertainty set on operational risk is taken into account, RRUC outperforms RUC in the case of rare events. Three algorithms based on column and constraint generation (C&CG) are derived to solve the RRUC. As the proposed algorithms are quite general, they can also apply to other RUC models to improve their computational efficiency. Simulations on a modified IEEE 118-bus system demonstrate the effectiveness and efficiency of the proposed methodology

研究の動機と目的

• 既存のロバストユニットコミットメント（RUC）モデルでは、風力発電が規定された不確実性集合を超えた場合の運用リスクが十分に考慮されていないという問題に対処すること。
• 変動が激しい風況下でも、コスト効率とリスク露出のバランスを取るための不確実性集合の最適なサイズを特定すること。
• 許容可能な運用リスクレベルに応じて不確実性集合を動的に調整する、リスク制約付きユニットコミットメントフレームワークを構築すること。
• 稀な風力予測誤差の影響を明示的にモデル化することで、システムの信頼性と運用コスト効率を向上させること。
• 調整可能な不確実性集合を用いて、時間的・空間的配分において最適なシステムの柔軟性を実現すること。

提案手法

• RRUCモデルは、望ましい運用リスクレベルに応じて調整可能な風力発電用の不確実性集合を導入する。
• 不確実性集合は、リスク制約下での総運用コストを最小化するように、ユニットコミットメント問題の一部として最適化される。
• 二段階のロバスト最適化問題を効率的に解くために、列と制約の生成（C&CG）アルゴリズムが採用される。
• 計算性能とスケーラビリティを向上させるために、C&CGアルゴリズムの3つの変種が開発された。
• 不確実性集合外に位置する風力実現値のリスクインパクトを明示的に考慮することで、稀な事象におけるロバストネスが向上する。
• 本手法は汎用的であり、他のRUCモデルに応用可能で、計算効率の向上が見込まれる。

実験結果

リサーチクエスチョン

• RQ1 不確実性集合を超える風力予測誤差のリスクが、ユニットコミットメントの運用結果にどのように影響を与えるか？
• RQ2 大規模な風力接続下で、コストを最小限に抑えつつ許容可能なリスクレベルを維持するための不確実性集合の最適なサイズは何か？
• RQ3 調整可能な不確実性集合は、固定不確実性集合を用いたロバストユニットコミットメントと比較して、システムの信頼性とコスト効率を向上させることができるか？
• RQ4 本稿で提案するRRUCモデルは、稀だが深刻な風力予測誤差発生時において、どのように性能を発揮するか？
• RQ5 C&CGベースのアルゴリズムは、大規模なロバストユニットコミットメント問題を解く上で、計算効率をどの程度向上させることができるか？

主な発見

• RRUCモデルは、リスク許容度に応じて不確実性集合を最適に調整することで、従来のRUCと比較して運用コストを顕著に削減する。
• 本手法は、稀な風力予測誤差の処理において優れた性能を示し、標準的なRUCよりもリスク管理の観点で優れている。
• 変更を加えたIEEE 118バス系統を用いたシミュレーションにより、RRUCフレームワークの有効性と計算効率が確認された。
• 開発された3つのC&CGベースのアルゴリズムは、高い解の品質とスケーラビリティを達成しており、リアルタイム応用に適している。
• 調整可能な不確実性集合により、システムの柔軟性を時間的・空間的により効果的に配分可能となり、全体のレジリエンスが向上する。
• 本フレームワークは一般化可能であり、他のロバストユニットコミットメントモデルの計算効率を向上させる応用が可能である。