[論文レビュー] Uncertainty-Aware Grid Planning in the Real World: A Method Enabling Large-Scale, Two-Stage Adaptive Robust Optimization for Capacity Expansion Planning

Gabriel Mantegna, Emil Dimanchev+3 more|arXiv (Cornell University)|Feb 28, 2026

Electric Power System Optimization被引用数 0

ひとこと要約

論文は、大規模容量拡張計画における不確実性を内生化するスケーラブルな分割予算の二段階適応ロバスト最適化法を提案し、カリフォルニア州の実世界 RESOLVE モデルで実証し、従来の ARO と比較して評価している。

ABSTRACT

Capacity expansion models are frequently used to inform multi-billion dollar grid infrastructure decisions, a context in which there is significant uncertainty surrounding the future need for and performance of such infrastructure. However, despite much academic literature on the topic, virtually no grid planning processes use capacity expansion models that endogenously consider uncertainty, an oversight which frequently leads to short-sighted infrastructure decisions. This is partially due to a technology transfer gap, but it is also due to a lack of methods that work at large scale. In this paper we introduce a method for endogenizing uncertainty into capacity expansion models, a variant of adaptive robust optimization, that addresses this gap. We apply the method to a real-world capacity expansion planning problem, that of the State of California, and compare its performance to that of traditional adaptive robust optimization. We find that both the traditional method and our method identify increased transmission investment as a key lever for increasing robustness and adaptability, while helping to avoid downside risks that current deterministic planning processes may be exposing ratepayers to. Our method performs similarly to the traditional method in terms of outcomes, while significantly reducing computational complexity, making it scalable to real-world planning problems.

研究の動機と目的

• 容量拡張計画における不確実性を内生化する必要性を動機づけ、 brittle な決定論的投資を回避する。
• 計算コストの prohibitive な問題を避けつつ、非気象的不確実性を扱える実用的な大規模最適化手法を開発する。
• 提案手法を実世界の計画問題（カリフォルニア RESOLVE）で従来の適応ロバスト最適化とベンチマークする。
• 不確実性を内生化することが投資決定、特に送電投資、および下振れリスクに対するロバスト性に与える影響を示す。

提案手法

• コストベースの不確実性と第二段階の RHS 不確実性を分離する分割不確実性予算形式を導入する。
• コスト不確実性を l1 バジェット集合で、RHS 不確実性を明示的なシナリオで表現し、LP に再構成可能とする。
• コストと RHS のシナリオに対する完全回復可能性を前提とする場合、分割予算形式が線形計算機として解けるという理論的正当性を提供する。
• 標準的な二段階 ARO 形式と比較して計算複雑性を低減できるよう、問題構造を活用する。
• カリフォルニアの RESOLVE モデルに酷似した実世界の全規模計画モデルへ適用し、従来の ARO 結果と比較する。

実験結果

リサーチクエスチョン

• RQ1 大規模容量拡張計画において、 prohibitive な計算を伴わずに不確実性を内生化するにはどうすればよいか？
• RQ2 分割予算適応ロバスト最適化アプローチは、従来の二段階 ARO と比較してロバスト性を保ちつつスケーラビリティを向上させるか？
• RQ3 不確実性を内生化することは、実世界の計画文脈における投資決定、特に送電投資にどのような影響を与えるか？
• RQ4 提案手法は、実世界のケーススタディにおける不確実性下のデ deterministic な計画と比較してどのように性能を発揮するか？

主な発見

• 本手法は、送電投資をロバスト性と適応性の鍵のレバーとして特定し、従来の ARO 結果と類似した結論を示す。
• 分割予算アプローチは従来の ARO と同等の成果を達成しつつ計算複雑性を大幅に削減し、実世界規模を実現可能にする。
• 不確実性を内生化することで、決定論的計画が負う可能性のある下振れリスクを回避するのに役立つ。
• この手法は不確実性に対するロバスト性を維持しつつ、シナリオ確率を正確に指定する必要を回避する。