[논문 리뷰] Arbitrage with Power Factor Correction using Energy Storage

Md Umar Hashmi, Deepjyoti Deka외 3명|arXiv (Cornell University)|2019. 03. 14.

Smart Grid Energy Management참고 문헌 27인용 수 4

한 줄 요약

이 논문은 고비율의 인버터 기반 분산 발전을 가진 배전망에서 에너지 스토리지 시스템을 위한 동시 최적화 프레임워크를 제안한다. 이는 에너지 아비트라주와 현지 무효력 보정(PFC)을 동시에 수행하도록 설계되었으며, 맥클로빈 완화와 페널티 기반 방법을 활용하여 비볼록 공동 최적화 문제를 효율적으로 해결한다. 결과적으로 PFC는 수익 감소 없이 달성 가능하며, 변환기 크기 제약으로 인해 무효력 제어와 유도력 아비트라주 간의 상당한 분리가 발생한다.

ABSTRACT

The importance of reactive power compensation for power factor (PF) correction will significantly increase with the large-scale integration of distributed generation interfaced via inverters producing only active power. In this work, we focus on co-optimizing energy storage for performing energy arbitrage as well as local power factor correction. The joint optimization problem is non-convex, but can be solved efficiently using a McCormick relaxation along with penalty-based schemes. Using numerical simulations on real data and realistic storage profiles, we show that energy storage can correct PF locally without reducing arbitrage profit. It is observed that active and reactive power control is largely decoupled in nature for performing arbitrage and PF correction (PFC). Furthermore, we consider a real-time implementation of the problem with uncertain load, renewable and pricing profiles. We develop a model predictive control based storage control policy using auto-regressive forecast for the uncertainty. We observe that PFC is primarily governed by the size of the converter and therefore, look-ahead in time in the online setting does not affect PFC noticeably. However, arbitrage profit are more sensitive to uncertainty for batteries with faster ramp rates compared to slow ramping batteries.

연구 동기 및 목표

• 광범위한 인버터 기반 분산 발전, 특히 태양광 PV로 인한 증가하는 배전망 내 저력률 문제 해결
• 수익을 훼손하지 않으면서 에너지 스토리지 시스템이 에너지 아비트라주와 현지 전력력 보정(PFC)을 동시에 수행할 수 있는 공동 최적화 프레임워크 개발
• 실시간 제어 환경에서 예측 불확실성이 아비트라주 성능과 PFC 준수에 미치는 영향 분석
• 불확실성 하에서 배터리 램프 속도와 변환기 크기 조건에 따른 아비트라주 수익의 민감도 분석
• ARIMA 예측을 활용한 모델 예측 제어(MPC) 정책을 제공하여 실시간 실행이 가능하고, 안정적인 PFC 및 아비트라주 성과 확보

제안 방법

• 유도력 및 무효력 전력 배분을 위한 비볼록 공동 최적화 문제를 수립하여, 규제 기준 내에서 전력력 유지 조건을 만족시키면서 아비트라주 수익을 극대화한다.
• 비볼록 문제를 근사하기 위해 맥클로빈 완화를 적용하고, 전력력 제약을 강제하기 위해 페널티 기반 기법을 사용한다.
• 전기 요금, 넷 로드, 재생 에너지 발전 예측을 위한 자동회귀통합이동평균(ARIMA) 예측을 활용한 모델 예측 제어(MPC) 프레임워크를 구현하여 실시간 불확실성 처리
• 시간 이산화된 동적 모델을 사용하여 배터리 충전 상태는 $ b^i = b^{i-1} + x^i $ 방식으로 변화하며, 충전/방전 효율은 각각 $ \eta_{\text{ch}}, \eta_{\text{dis}} $ 로 정의된다.
• 변환기 용량을 제약하는 $ S_B^{\max} $ 를 통해 시동 전력 한계를 정의하며, 이는 무효력 전력 능력과 즉, PFC 성능을 결정한다.
• 완전한 지식이 있는 결정론적 최적 제어와 예측 데이터를 사용한 실시간 MPC를 비교하여, 불확실성 하에서의 수익 손실과 PFC 위반 여부 평가

실험 결과

연구 질문

• RQ1 에너지 스토리지 시스템은 수익 감소 없이 동시에 높은 아비트라주 수익과 효과적인 현지 전력력 보정(PFC)을 달성할 수 있는가?
• RQ2 전기 요금과 넷 로드에 대한 예측 불확실성이 실시간 MPC 제어 환경에서 아비트라주 성능과 PFC 준수에 어떤 영향을 미치는가?
• RQ3 전력력 보정은 미래 부하 및 요금 예측보다 변환기 크기에 더 크게 의존하는가?
• RQ4 배터리의 램프 속도는 아비트라주 성능에서 예측 불확실성에 대한 민감도에 어떤 영향을 미치는가?
• RQ5 변환기 크기를 증가시키는 것과 높은 전력력 보정을 유지하면서 아비트라주 수익을 보존하는 데의 상충 관계는 어떠한가?

주요 결과

• 에너지 스토리지 시스템은 실시간 MPC 하에서 0.25C-0.25C 배터리 조건에서 평균 전력력 97.04%를 달성하면서 수익 감소 없이 지역 전력력 보정을 수행할 수 있다.
• 예측 불확실성으로 인한 아비트라주 수익 손실은 빠른 램프 속도를 가진 배터리(예: 2C-2C 배터리의 경우 35.8% 손실)에서 훨씬 더 높으며, 느린 램프 속도 배터리(0.25C-0.25C 배터리의 경우 3% 손실)보다 높은 손실을 보인다.
• 전력력 보정은 주로 변환기 크기에 의해 결정되며, 향후 예측에 대한 의존도가 낮다. 따라서 시간에 따른 사전 예측의 영향은 PFC 성능에 거의 영향을 주지 않는다.
• 동일한 배터리 조건에서 변환기 크기를 증가시키면 수익 감소 없이 평균 전력력이 향상된다(예: 0.9375에서 0.9765로 향상).
• 결정론적 제어와 실시간 MPC 설정 간의 PFC 위반 수준은 유사하여, 충분한 변환기 크기가 확보된 경우 PFC가 불확실성에 대해 뛰어난 강건성을 보임을 시사한다.
• 고가 상황에서 최적의 제어 동작은 빠른 램프 속도를 가진 배터리의 경우 최대 속도로 방전하는 것이지만, 이는 용량 제약으로 인해 제한되며, 결과적으로 예측 오차에 더 민감해진다.