[논문 리뷰] A Control-variable Regression Monte Carlo Technique for Short-term Electricity Generation Planning

Magnus Perninge|arXiv (Cornell University)|2015. 12. 30.

Electric Power System Optimization인용 수 3

한 줄 요약

이 논문은 지연 반응과 확률적 네트워크 제약 조건을 고려한 고차원적 단기 전력 발전 계획 문제를 해결하기 위해 제어 변수 회귀 몽테카를로 방법을 제안한다. 가치 함수의 하한 근사값을 제어 변수로 사용함으로써 몽테카를로 시뮬레이션의 분산을 크게 감소시켜, 운영 리스크와 비용 간의 트레이드오���을 고려한 전력 시스템에서 최적의 재배치 전략을 효율적으로 계산할 수 있도록 한다.

ABSTRACT

In the day-to-day operation of a power system, the system operator repeatedly solves short-term generation planning problems. When formulating these problems the operators have to weigh the risk of costly failures against increased production costs. The resulting problems are often high-dimensional and various approximations have been suggested in the literature. In this article we formulate the short-term planning problem as an optimal switching problem with delayed reaction. Furthermore, we proposed a control variable technique that can be used in Monte Carlo regression to obtain a computationally efficient numerical algorithm.

연구 동기 및 목표

• 네트워크 제약 조건과 지연을 고려한 단기 전력 발전 계획에서 고차원 최적 스위칭 문제를 해결하는 데 발생하는 계산적 과제를 해결한다.
• 경제적 효율성과 안전성 제약 조건을 균형 잡는 실시간 전력 시스템 운영을 위한 수치적으로 효율적인 알고리즘을 개발한다.
• 가치 함수의 저차원 근사값에서 유도된 제어 변수를 도입하여 최적 스위칭 문제에 대한 몽테카를로 회귀 효율성을 향상시킨다.
• 다수의 제어 가능한 발전기와 확률적 부하 변동이 존재하는 현실적인 전력 시스템에서 최적의 발전 재배치 전략을 계산 가능한 방식으로 가능하게 한다.

제안 방법

• 지연된 실행과 고차원 확률적 노이즈를 고려한 단기 발전 계획 문제를 최적 스위칭 문제로 수식화한다.
• 원래 문제의 차원을 축소한 근사값을 사용하여 가치 함수의 하한 및 상한을 구축한다.
• 가치 함수 추정의 분산을 줄이기 위해 하한을 몽테카를로 시뮬레이션의 제어 변수로 사용한다.
• 상태공간 분할과 기저 함수(예: 다항식 및 신경망 기반)를 활용하여 가치 함수와 제어 정책을 근사한다.
• 가치 함수 근사와 정책 근사를 결합한 하이브리드 접근법을 통해 계산 효율성을 향상시킨다.
• 선형 보간과 마르코프 체인 근사를 활용하여 경계를 상태 공간 전역으로 확장하고 몽테카를로 샘플링을 가능하게 한다.

실험 결과

연구 질문

• RQ1 네트워크 제약 조건과 실행 지연을 고려한 단기 전력 발전 계획에서 고차원 최적 스위칭 문제는 어떻게 효율적으로 해결할 수 있는가?
• RQ2 가치 함수의 저차원 근사값은 이러한 문제에 대한 회귀 몽테카를로에서 효과적인 제어 변수가 될 수 있는가?
• RQ3 제어 변수를 사용할 경우 몽테카를로 추정의 분산과 수렴 속도에 어떤 영향을 미치는가?
• RQ4 제어 가능한 발전기 수와 시스템 복잡성이 증가함에 따라 이 방법은 어떻게 스케일링되는가?
• RQ5 반복적 샘플링과 정책 평가를 통해 가치 함수에 대한 더 타이트한 경계를 유도할 수 있는가? 이를 통해 해의 정확도를 향상시킬 수 있는가?

주요 결과

• 제안된 제어 변수 회귀 몽테카를로 방법은 가치 함수 추정의 분산을 크게 감소시켜, 거친 몽테카를로 대비 더 빠른 수렴과 더 정확한 결과를 도출한다.
• 16개의 부하 버스와 10대의 제어 가능한 발전기를 갖는 39-bus 시스템에서, 1 k¤/MW의 교란 비용을 가정할 경우 100,000개의 경로를 사용하여 추정된 최적 비용은 7,472 k¤/MW였다.
• 하한을 제어 변수로 사용함으로써 기준 몽테카를로(제어 변수 없음) 대비 추정 비용을 최대 30%까지 감소시켰다.
• 샘플 크기가 증가함에 따라 방법의 성능이 향상되었으며, 저비용 교란 비용(1 k¤/MW) 조건에서 100,000개의 샘플로 비용이 7,472 k¤/MW로 안정화되었다.
• 100 k¤/MW의 교란 비용 조건에서 t=0 시점의 가치 함수 상한은 약 94,865 k¤/MW로 추정되었으며, 이는 고비용 시나리오를 처리할 수 있음을 시사한다.
• 수치적 복잡도는 운영 모드 수(|Γ|)에 대해 선형적으로 증가하며, 이는 제어 가능한 발전기 수 증가에 따라 지수적으로 증가하므로 대규모 시스템에서는 도전 과제가 된다.