[論文レビュー] Scenario-based Optimization Models for Power Grid Resilience to Extreme Flooding Events

Ashutosh Shukla, Erhan Kutanoğlu+1 more|arXiv (Cornell University)|Feb 21, 2023

Flood Risk Assessment and Management被引用数 4

ひとこと要約

本論文は、ハリケーンに起因する極端な洪水に対する送電網のレジリエンスを向上させるために、確率的およびロバストな2つのシナリオベース最適化モデルを提案する。水文的洪水予測とDC潮流モデルを統合することで、不確実性下での最適な変電所強化戦略を同定し、平均予測に基づく手法と比較して、特に予算が高く、またはシナリオ確率が不確実な状況において、負荷遮断を顕著に低減する。

ABSTRACT

We propose two scenario-based optimization models for power grid resilience decision making that integrate output from a hydrology model with a power flow model. The models are used to identify an optimal substation hardening strategy against potential flooding from storms for a given investment budget, which if implemented enhances the resilience of the power grid, minimizing the power demand that is shed. The same models can alternatively be used to determine the optimal budget that should be allocated for substation hardening when long-term forecasts of storm frequency and impact (specifically restoration times) are available. The two optimization models differ in terms of capturing risk attitude: one minimizes the average load shed for given scenario probabilities and the other minimizes the worst-case load shed without needing scenario probabilities. To demonstrate the efficacy of the proposed models, we further develop a case study for the Texas Gulf Coast using storm surge maps developed by the National Oceanic and Atmospheric Administration and a synthetic power grid for the state of Texas developed as part of an ARPA-E project. For a reasonable choice of parameters, we show that a scenario-based representation of uncertainty can offer a significant improvement in minimizing load shed as compared to using point estimates or average flood values. We further show that when the available investment budget is relatively high, solutions that minimize the worst-case load shed can offer several advantages as compared to solutions obtained from minimizing the average load shed. Lastly, we show that even for relatively low values of load loss and short post-hurricane power restoration times, it is optimal to make significant investments in substation hardening to deal with the storm surge considered in the NOAA flood scenarios.

研究の動機と目的

• ハリケーンに起因する洪水が送電網に及ぼす脅威の増大に応えること、特にテキサス州のような脆弱な沿岸地域を対象とする。
• 高潮洪水水位の不確実性とその変電所運用への影響を考慮した意思決定支援モデルを開発すること。
• 限られた投資予算下で、極端な洪水発生時における負荷遮断を最小限に抑えるための実行可能な変電所強化戦略を提供すること。
• 長期的な嵐の頻度と復旧時間の予測を用いて、変電所強化の最適投資予算を特定すること。
• リスク志向性の違いに対応する意思決定を可能にするために、期待性能を最適化する確率的（期待値）と最悪ケースを最適化するロバスト（ロバスト）最適化手法を比較すること。

提案手法

• NOAAの物理ベースの高潮洪水モデル出力と、テキサス州送電網のための合成DC最適潮流モデルを統合する。
• 洪水予測から得られるシナリオ確率を用いて、期待負荷遮断を最小化する2段階の確率的最適化（SO）モデルを定式化する。
• シナリオ確率を必要とせず、最悪ケースの負荷遮断を最小化する2段階のロバスト最適化（RO）モデルを開発する。
• 歴史的およびモデル化された洪水範囲に基づくシナリオ生成を用いて、変電所周辺の高潮水位の不確実性を表現する。
• NOAAの高潮マップとARPA-Eプロジェクトの合成グリッドを用いて、100の洪水シナリオを生成し、テキサス州グリーンコast地域を事例に適用する。
• シナリオごとの負荷遮断、予算感受性、不確実性仮定の変化に対するロバスト性を比較分析することで、モデルの性能を評価する。

Figure 1: A schematic representation of the decision-making framework for the proposed models

実験結果

リサーチクエスチョン

• RQ1 洪水の不確実性をシナリオベースで表現することと、平均値や点推定値を用いる手法とを比較した場合、負荷遮断の低減にどの程度差が出るか？
• RQ2 異なる予算水準下で、期待負荷遮断を最小化する（確率的モデル）と、最悪ケースの負荷遮断を最小化する（ロバストモデル）の間のトレードオフは何か？
• RQ3 長期的な嵐の頻度と復旧時間を考慮した場合、変電所強化にどの程度の投資が最適か？
• RQ4 高精度な物理ベースの洪水マップを用いる価値は、単純なシナリオ生成手法と比較して、レジリエンス計画においてどの程度高いか？
• RQ5 最悪ケース性能と期待性能の両面で、ロバスト最適化手法が確率的手法を上回る条件は何か？

主な発見

• シナリオベースの不確実性表現を用いることで、特に高影響シナリオ下で、平均予測に基づく手法と比較して期待負荷遮断が顕著に低減される。
• 4000万ドル以上の投資予算では、ロバスト最適化の解が最悪ケースの負荷遮断において確率的最適化を上回り、期待性能についても競争力を持つ。
• 低負荷損失と短い復旧時間であっても、高潮の影響を緩和するために、大規模な変電所強化投資が最適である。
• ロバスト最適化モデルは、すべてのシナリオで安定した性能を示し、負荷遮断のばらつきが最小限に抑えられるため、シナリオ確率が不確実または変動しやすい状況では好ましい。
• 2つのモデルを併用することで、不完全な洪水予測とほぼ完全な洪水予測の下での期待性能を比較することで、完全情報の価値を意思決定者が評価できる。
• NOAAベースの洪水マップと潮流モデルの統合により、ヒューリスティックまたは簡略化された洪水シナリオ手法よりも、より正確で実行可能なレジリエンス計画が可能になる。

Figure 2: An example permanent hardening structure at a substation