[논문 리뷰] Chance-Constrained Generic Energy Storage Operations under Decision-Dependent Uncertainty

N. D. Qi, Pierre Pinson외 3명|arXiv (Cornell University)|2022. 01. 17.

Smart Grid Energy Management인용 수 4

한 줄 요약

이 논문은 결정에 따라 변화하는 불확실성(DDU) 하에서 일반 에너지 저장(GES) 운용을 위한 확률적 제약 조건을 포함하는 최적화 프레임워크를 제안한다. 여기서 가용 충전 상태(SoC)의 범위는 인cent리브 신호와 사용자 불편 수준에 따라 달라진다. 본 논문은 분포 정보가 불완전한 경우를 대비한 탄력적 재구성 기법과 분포가 알려진 경우를 대비한 반복 알고리즘을 포함한 두 가지 해법을 제안하며, 데이터 기반의 파rameter 식별을 통해 보다 낮은 보상 비용과 향상된 운용 신뢰성을 입증한다.

ABSTRACT

Compared with large-scale physical batteries, aggregated and coordinated generic energy storage (GES) resources provide low-cost, but uncertain, flexibility for power grid operations. While GES can be characterized by different types of uncertainty, the literature mostly focuses on decision-independent uncertainties (DIUs), such as exogenous stochastic disturbances caused by weather conditions. Instead, this manuscript focuses on newly-introduced decision-dependent uncertainties (DDUs) and considers an optimal GES dispatch that accounts for uncertain available state-of-charge (SoC) bounds that are affected by incentive signals and discomfort levels. To incorporate DDUs, we present a novel chance-constrained optimization (CCO) approach for the day-ahead economic dispatch of GES units. Two tractable methods are presented to solve the proposed CCO problem with DDUs: (i) a robust reformulation for general but incomplete distributions of DDUs, and (ii) an iterative algorithm for specific and known distributions of DDUs. Furthermore, reliability indices are introduced to verify the applicability of the proposed approach with respect to the reliability of the response of GES units. Simulation-based analysis shows that the proposed methods yield conservative, but credible, GES dispatch strategies and reduced penalty cost by incorporating DDUs in the constraints and leveraging data-driven parameter identification. This results in improved availability and performance of coordinated GES units.

연구 동기 및 목표

• 일반 에너지 저장(GES) 운영에서 결정에 따라 변화하는 불확실성(DDU)을 모델링함으로써 에너지 저장 최적화 분야의 격차를 해소하고자 한다.
• 인센티브 신호와 불편 수준로 인해 영향을 받는 충전 상태(SoC)의 범위에 영향을 미치는 DDU를 통합한 확률적 제약 조건 최적화(CCO) 프레임워크를 개발하고자 한다.
• 분포 정보가 불완전하거나 완전히 알려진 경우에도 적용 가능한 CCO 문제에 대한 해법을 제안하고자 한다.
• 제안된 신뢰성 지표를 통해 GES 반응의 신뢰성을 검증하고자 한다.
• 운영 제약 조건에 DDU를 통합함으로써 GES 운용 성능을 향상시키고 보상 비용을 감소시키고자 한다.

제안 방법

• 결정에 따라 변화하는 불확실성(DDU) 하에서 확률적 제약 조건을 관리하기 위해 일일 전기 경제 운용 문제를 CCO 기반으로 수립한다.
• 일반적이지만 분포 정보가 불완전한 DDU의 경우를 다룰 수 있도록 탄력적 재구성 기법을 도입하여 불확실성 하에서도 제약 조건의 타당성을 보장한다.
• 특정하고 알려진 분포를 가진 DDU의 경우에 특화된 반복 알고리즘을 개발하여 점진적 근사 기법을 통해 정밀한 제약 조건 처리를 가능하게 한다.
• 실제 사용자 반응 패턴과 인센티브 구조를 기반으로 DDU 모델을 校정하기 위해 데이터 기반 파rameter 식별 기법을 통합한다.
• 불확실성 하에서 GES 운용 전략의 신뢰성과 성능을 평가하기 위해 신뢰성 지표를 정의한다.
• 시뮬레이션 기반 분석을 통해 제안된 방법의 타당성을 검증하고, 비용 절감 및 운영 신뢰성 향상에 미치는 영향을 평가한다.

실험 결과

연구 질문

• RQ1 일일 운용 프레임워크 내에서 일반 에너지 저장(GES) 운영의 결정에 따라 변화하는 불확실성(DDU)을 효과적으로 모델링할 수 있는 방법은 무엇인가?
• RQ2 분포 정보가 불완전하거나 완전히 명시된 경우에 DDU 하에서 확률적 제약 조건 문제를 해결할 수 있는 타당한 최적화 방법은 무엇인가?
• RQ3 DDU를 고려한 운용 전략은 기존의 결정 독립적 불확실성 모델에 비해 비용과 신뢰성 측면에서 어떻게 비교될 수 있는가?
• RQ4 데이터 기반 파rameter 식별은 DDU 하에서 GES 운용의 정확성과 성능을 얼마나 향상시킬 수 있는가?
• RQ5 결정에 따라 변화하는 불확실성 하에서 GES 단위의 성능을 신뢰성 있게 평가할 수 있는 지표는 무엇인가?

주요 결과

• DDU를 고려한 제안된 CCO 프레임워크는 DDU를 忽시한 모델에 비해 더 보수적이지만 더 신뢰할 수 있는 운용 전략을 도출한다.
• 탄력적 재구성 기법은 DDU의 분포 정보가 불완전한 경우에도 제약 조건의 타당성을 보장하여 운영 안전성을 향상시킨다.
• 반복 알고리즘은 DDU가 알려진 분포를 따를 경우 정확한 해를 도출하여 운용 정밀도를 향상시킨다.
• 시뮬레이션 결과에 따르면, 제약 조건에 DDU를 통합함으로써 보상 비용이 유의미하게 감소함을 확인할 수 있었다.
• 신뢰성 지표는 제안된 방법에 따라 협동 운용되는 GES 단위의 반응 신뢰성과 성능 향상을 확인한다.
• 데이터 기반 파rameter 식별은 모델의 정밀도를 향상시켜 실제 사용자 반응 행동과의 일치도를 높인다.