[論文レビュー] Stochastic Multistage Co-optimization of Generation and Transmission Expansion Planning

Fernanda Thome, Ricardo C. Perez+3 more|arXiv (Cornell University)|Oct 3, 2019

Electric Power System Optimization参考文献 18被引用数 4

ひとこと要約

本稿では、ベンダース分解とプログレッシブヘッジィングを用いて、ランダムな再生可能エネルギー供給および負荷の下で、コスト効率的で信頼性の高い電力系統計画を実現するための確率的マルチステージ共同最適化フレームワークを提案する。MIPに基づく投資モジュールとSDDPに基づく運用モジュールを統合し、反復的に拡張計画を精緻化することで、システムコストを低減するとともに、不確実な再生可能エネルギー供給および負荷下でも信頼性を確保する。ケーススタディによりボリビア電力系統において顕著なコスト削減が実証された。

ABSTRACT

This paper describes a generation and transmission (G&T) expansion planning tool based on Benders decomposition and multistage stochastic optimization: (i) A MIP-based "investment module" determines a trial expansion plan; (ii) an SDDP-based "operation module" calculates the expected operation costs for the trial plan and Benders cuts to the investment module based on the expected marginal costs of the capacity constraints at the optimal solution. The integrated G&T planning approach is illustrated with a realistic planning study for the Bolivian power system.

研究の動機と目的

• 再生可能エネルギー供給および負荷の長期的不確実性下で、発電および送電系統の拡張計画を共同最適化する複雑さに対処すること。
• 意思決定の分離を図りながらも連携を維持するスケーラブルな分解ベースの手法を開発すること。
• 複数の段階およびシナリオにわたる発電および送電投資の共同最適化により、総システムコストを低減すること。
• 確率的プログラミングおよびベンダースカットを用いて、システムの信頼性および運用可能性を確保すること。
• 実際の電力系統、具体的にはボリビア電力系統を対象として、現実的な不確実性条件下でのフレームワークの妥当性を検証すること。

提案手法

• マスタープロブレム（投資意思決定）とサブプロブレム（不確実性下の運用）を分離するためのベンダース分解フレームワークを用いる。
• マスタープロブレムにおいて混合整数プログラミング（MIP）モデルを用いて、発電および送電のための候補拡張計画を決定する。
• サブプロブレムにおいて確率的双対動的プログラミング（SDDP）を適用し、期待される運用コストを計算するとともに、ベンダース最適性カットを生成する。
• 複数のシナリオにわたるマルチステージ確率的意思決定を改善し、収束性を高めるためにプログレッシブヘッジィングを統合する。
• SDDP解から得られる容量制約の期待限界コストを用いて、投資モジュールの有効なベンダースカットを生成する。
• 収束に達するまで、カットを更新することでマスタープロブレムを反復的に精緻化する。

実験結果

リサーチクエスチョン

• RQ1 再生可能エネルギーおよび負荷の長期的不確実性下で、発電および送電拡張計画をどのように共同最適化できるか？
• RQ2 SDDPを組み合わせたベンダース分解は、マルチステージ確率的計画における収束速度および解の品質にどのような影響を与えるか？
• RQ3 確率的運用コストの統合は、拡張計画のロバストネスおよびコスト効率をどのように向上させるか？
• RQ4 提案されたフレームワークは、高水準の再生可能エネルギー導入を有する現実的で大規模な電力系統を処理できるか？
• RQ5 共同最適化計画における投資コスト、運用コスト、システム信頼性の間のトレードオフは何か？

主な発見

• 提案された共同最適化フレームワークは、運用ニーズに適合した投資をより的確に実施できるため、逐次計画手法と比較して総システムコストを顕著に低減する。
• SDDPとベンダース分解を統合することで、マルチステージ確率的意思決定の効率的処理が可能となり、標準的な分解手法よりも収束性が向上する。
• ボリビア電力系統を対象としたケーススタディにより、連携された拡張計画が不確実性下で期待される運用コストを低減し、信頼性を向上させることを示した。
• 期待限界コストに基づくベンダースカットの使用により、強い双対性が保証され、近似的最適解への収束が加速される。
• 本フレームワークは、再生可能エネルギー供給および負荷の高い変動性を有する現実的で大規模なシステムを効果的に処理でき、スケーラビリティおよび実用的妥当性を実証した。
• 結果から、計画において不確実性を無視すると、非最適な投資意思決定が下され、長期にわたり高いシステムコストが発生することが明らかになった。