[논문 리뷰] A Conditional Model of Wind Power Forecast Errors and Its Application in Scenario Generation

Zhiwen Wang, Chen Shen외 1명|arXiv (Cornell University)|2017. 08. 22.

Electric Power System Optimization참고 문헌 31인용 수 4

한 줄 요약

이 논문은 여러 풍력발전소에서의 비정규분포이자 예측에 의존하는 오차 분포를 포괄하기 위해 조건부 가우시안 믹스처 모델을 제안한다. 예측값에 조건부로 오차 분포를 모델링하고, 특화된 샘플링 방법을 통해 빠르고 정확한 시나리오 생성이 가능하게 하여, 전력 시스템의 확률적 예측 정확도와 운영 계획 수립을 향상시킨다.

ABSTRACT

In power system operation, characterizing the stochastic nature of wind power is an important albeit challenging issue. It is well known that distributions of wind power forecast errors often exhibit significant variability with respect to different forecast values. Therefore, appropriate probabilistic models that can provide accurate information for conditional forecast error distributions are of great need. On the basis of Gaussian mixture model, this paper constructs analytical conditional distributions of forecast errors for multiple wind farms with respect to forecast values. The accuracy of the proposed probabilistic models is verified by using historical data. Thereafter, a fast sampling method is proposed to generate scenarios from the conditional distributions which are non-Gaussian and interdependent. The efficiency of the proposed sampling method is verified.

연구 동기 및 목표

• 전력 시스템 운영에서 비정상적이고 예측에 의존하는 풍력발전 예측 오차를 모델링하는 문제를 해결하기 위해.
• 특정 예측값을 기반으로 한 오차 조건부 분포를 포괄하는 확률 모델을 개발하기 위해.
• 실제 통계적 행동을 반영한 현실적이고 상호의존적인 풍력발전 시나리오를 생성하기 위해.
• 스토하스틱 최적화와 리스크 관리에 활용하기 위한 시나리오 생성의 효율성과 정확도를 향상시키기 위해.

제안 방법

• 풍력발전 예측 오차의 주변 분포를 표현하기 위해 가우시안 믹스처 모델을 사용한다.
• 예측값에 기반하여 오차의 조건부 분포를 해석적으로 유도하여 변동성을 포착한다.
• 비정규분포이며 상호의존적인 조건부 분포에서 시나리오를 생성하기 위한 빠른 샘플링 방법을 개발한다.
• 다양한 풍력발전소의 역사적 풍력발전 및 예측 데이터를 사용하여 모델을 학습하고 검증한다.
• 샘플링 방법은 통계적 의존성 구조를 유지하면서도 계산 효율성을 확보한다.

실험 결과

연구 질문

• RQ1 풍력발전 예측 오차는 어떻게 예측값에 조건부로 의존하는 방식으로 정확하게 모델링할 수 있는가?
• RQ2 비정규분포이자 이방성(이질분산) 성격을 가지는 오차를 가장 잘 포괄하는 확률 모델 구조는 무엇인가?
• RQ3 복잡한 비정규분포 조건부 분포에서 효율적이고 현실적인 시나리오 생성은 어떻게 달성할 수 있는가?
• RQ4 제안된 모델은 기존의 표준 샘플링 방법에 비해 시나리오 품질을 어느 정도 향상시키는가?

주요 결과

• 제안된 조건부 가우시안 믹스처 모델은 풍력발전 예측 오차의 예측에 의존하는 변동성을 효과적으로 포착한다.
• 무조건적 또는 단순한 파라미터 모델에 비해 조건부 오차 분포를 더 정확하게 표현한다.
• 빠른 샘플링 방법을 통해 통계적 구조를 유지하는 상호의존적 시나리오를 효율적으로 생성할 수 있다.
• 다양한 풍력발전소에서의 역사적 데이터를 활용한 실증 검증을 통해, 복잡한 오차 역학을 실제와 유사하게 반영할 수 있음을 확인하였다.