[논문 리뷰] An Adjustable Chance-Constrained Approach for Flexible Ramping Capacity Allocation

Zhiwen Wang, Chen Shen외 3명|arXiv (Cornell University)|2017. 08. 01.

Electric Power System Optimization참고 문헌 37인용 수 3

한 줄 요약

이 논문은 고도의 풍력 통합을 포함하는 전력 시스템에서의 융통성 있는 램프 용량(FRC) 할당을 위해 조정 가능한 확률제약 최적화 방법을 제안한다. 예측 오차 기반의 풍력 램프링 조건부 분포를 도입하고, 확률제약 모델의 실용적인 재구성식을 제시함으로써, 운영 리스크와 FRC 비용을 균형 있게 조절한다. 수정된 IEEE 118-bus 시스템 사례에서 효과성과 계산 효율성이 입증되었다.

ABSTRACT

With the fast growth of wind power penetration, power systems need additional flexibility to cope with wind power ramping. Several electricity markets have established requirements for flexible ramping capacity (FRC) reserves. This paper addresses two crucial issues that have rarely been discussed in the literature: 1) how to characterize wind power ramping under different forecast values and 2) how to achieve a reasonable trade-off between operational risks and FRC costs. Regarding the first issue, this paper proposes a concept of conditional distributions of wind power ramping, which is empirically verified by using simulation and real-world data. For the second issue, this paper develops an adjustable chance-constrained approach to optimally allocate FRC reserves. Equivalent tractable forms of the original problem are devised to improve computational efficiency. Tests carried out on a modified IEEE 118-bus system demonstrate the effectiveness and efficiency of the proposed method.

연구 동기 및 목표

• 다양한 예측 조건 하에서 풍력 발전의 램프링 특성을 체계적으로 기술할 수 있는 부족함을 보완하기 위해.
• 전력 시스템에서 운영 리스크와 융통성 있는 램프 용량(FRC) 비용을 최적의 균형으로 조절할 수 있는 방법을 개발하기 위해.
• 확률제약 최적화 문제의 실용적 재구성식을 통해 대규모 FRC 할당 문제에 대한 계산 효율성을 향상시키기 위해.
• 표준 테스트 시스템에서 실제 및 시뮬레이션된 풍력 데이터를 사용하여 제안된 방법을 검증하기 위해.

제안 방법

• 예측 오차에 따라 변화하는 풍력 램프링의 조건부 분포를 도입하였으며, 시뮬레이션 및 실제 데이터를 기반으로 경험적으로 검증하였다.
• 풍력 램프링의 불확실성을 모델링하면서도 리스크 수용 수준을 조정할 수 있는 조정 가능한 확률제약 프로그래밍 프레임워크를 개발하였다.
• 원래의 비볼록 확률제약 문제에 대해 등가의 볼록 재구성식을 유도하여 계산의 실용성을 향상시켰다.
• 성능 및 확장성 평가를 위해 재구성된 모델을 수정된 IEEE 118-bus 시스템에 적용하였다.
• 역사적 및 시뮬레이션된 풍력 데이터를 사용하여 램프링 분포 모델을 校정하고, 다양한 예측 시나리오 하에서 리스크 노출도를 평가하였다.

실험 결과

연구 질문

• RQ1 다양한 예측 조건 하에서 풍력 발전의 램프링은 어떻게 효과적으로 기술할 수 있는가?
• RQ2 고도의 풍력 통합을 포함하는 전력 시스템에서 운영 리스크와 FRC 비용 간의 최적 트레이드오프는 무엇인가?
• RQ3 대규모 FRC 할당 문제에 대해 확률제약 최적화를 어떻게 계산적으로 실용적으로 만들 수 있는가?
• RQ4 제안된 방법은 기존 방법에 비해 체계적 신뢰성과 비용 효율성을 얼마나 향상시키는가?

주요 결과

• 제안된 풍력 램프링의 조건부 분포 모델은 실제 및 시뮬레이션 데이터를 통해 예측 의존성에 기반한 변동성을 정확히 반영함을 입증하였다.
• 조정 가능한 확률제약 접근법은 의사결정자가 리스크 수용 수준을 조절할 수 있도록 하여 체계적인 리스크 관리가 가능함을 보여주었다.
• 재구성된 최적화 모델은 원래의 비볼록 공식화 대비 뚜렷한 계산 효율성 향상을 달성하였다.
• IEEE 118-bus 시스템에서의 시험 결과는 이 방법이 FRC 비용을 감소시키면서도 수용 가능한 리스크 수준을 유지하는 데 효과적임을 확인하였다.