[論文レビュー] Robust Scheduling of Virtual Power Plant under Exogenous and Endogenous Uncertainties

Yunfan Zhang, Feng Liu+4 more|arXiv (Cornell University)|Jan 26, 2021

Smart Grid Energy Management参考文献 21被引用数 5

ひとこと要約

本稿では、外生的（意思決定に依存しない）および内生的（意思決定に依存する）不確実性の両方の下で、バーチャルパワープルーフィング（VPP）スケジューリングのためのロバストで適応可能な最適化フレームワークを提案する。強大双対性、マコーリック緩和、ベンダース分解を統合することで、混合整数線形計画法（MILP）に再定式化された問題を解き、動的予備供給デプロイメントリスク下でも最適な日次エネルギーおよび予備市場入札を実現するとともに、ロバストな妥当性と最適性を保証する。

ABSTRACT

Virtual power plant (VPP) provides a flexible solution to distributed energy resources integration by aggregating renewable generation units, conventional power plants, energy storages, and flexible demands. This paper proposes a novel model for determining the optimal offering strategy in the day-ahead energy-reserve market and the optimal self-scheduling plan. It considers exogenous uncertainties (or called decision-independent uncertainties, DIUs) associated with market clearing prices and available wind power generation, as well as the endogenous uncertainties (or called decision-dependent uncertainties, DDUs) pertaining to real-time reserve deployment requests. A tractable solution method based on strong duality theory, McCormick relaxation, and the Benders' decomposition to solve the proposed stochastic adaptive robust optimization with DDUs formulation is developed. Simulation results demonstrate the applicability of the proposed approach.

研究の動機と目的

• 日次エネルギーおよび予備市場における二重の不確実性タイプ下でのバーチャルパワープルーフィング（VPP）のロバストなスケジューリング戦略の開発を目的とする。
• 従来のロバスト最適化モデルでしばしば無視される、リアルタイムの予備供給デプロイメントにおける意思決定に依存する不確実性（DDU）を扱うことを目的とする。
• 市場価格および風力発電の最悪事象実現下でも、VPPスケジューリングのロバストな妥当性と最適性を保証することを目的とする。
• 意思決定に依存する不確実性（DDU）を有する適応的ロバスト最適化問題を、解釈可能な混合整数線形計画問題（MILP）に変換するための実用的解法を提案することを目的とする。

提案手法

• VPPスケジューリングのための意思決定に依存する不確実性（DDU）を有する2段階の適応的ロバスト最適化モデルを定式化する。
• 強大双対性理論を適用して、内側のロバストな部分問題を双対形式に再定式化し、線形化を可能にする。
• 意思決定変数と不確実パラメータの相互作用から生じる積項を処理するために、マコーリック緩和を用いる。
• 部分問題のKKT条件から導かれる最適性カットを用いて、反復的にマスタープロブレムを改善するベンダース分解を採用する。
• バイナリ変数を用いたbig-M法により、DDU制約に起因する非凸性を扱うために補完的スラックネス条件を線形化する。
• ARO-DDU問題の最適解への有限収束を保証する修正版ベンダース分解アルゴリズムを開発する。

実験結果

リサーチクエスチョン

• RQ1 外生的および内生的不確実性の両方の下で、VPPは日次エネルギーおよび予備供給の提示をどのように最適にスケジューリングできるか？
• RQ2 意思決定に依存する予備供給デプロイメント要請は、VPPスケジューリングのロバスト性および収益性にどのような影響を与えるか？
• RQ3 意思決定に依存する不確実性が引き起こす本質的な双線形性および非凸性は、ロバスト最適化フレームワーク内でどのように効果的に線形化できるか？
• RQ4 提案された解法は、DDUを有する適応的ロバスト最適化問題に対して有限収束性および最適性を保証できるか？
• RQ5 強大双対性とベンダース分解の統合は、大規模VPPスケジューリングにおける計算の実行可能性をどのように向上させるか？

主な発見

• 提案されたモデルは、意思決定に依存する不確実性を有する適応的ロバスト最適化問題を、解釈可能な混合整数線形計画問題（MILP）に成功して変換した。
• 修正版ベンダース分解アルゴリズムは、有限回の反復内で最適解への収束を保証する。
• 与えられた意思決定下での最悪事象の不確実性実現を検証する部分問題により、ロバストな妥当性が保証される。
• 強大双対性とKKT条件の統合により、非線形かつ非凸な部分問題が正確に線形形式に再定式化可能である。
• シミュレーション結果は、本手法がVPPスケジューリングにおける複雑な不確実性相互作用を効果的に処理できることを示している。
• 本手法は、変動が激しい市場環境および再生可能エネルギー発電条件下でも、経済的パフォーマンスとロバスト性のバランスを的確に実現できる。