[논문 리뷰] Collaboratively Optimizing Power Scheduling and Mitigating Congestion using Local Pricing in a Receding Horizon Market

C.J. van Leeuwen, Joost Stam외 2명|arXiv (Cornell University)|2020. 09. 04.

Smart Grid Energy Management참고 문헌 21인용 수 4

한 줄 요약

이 논문은 수용가 및 전력망 운영자 간의 최소한의 정보 공유를 통해, 후행 시간 프레임워크 내 지역 가격 설정을 활용한 탈중앙화된 계층적 시장 기반 접근법을 제안한다. 이는 스마트 그리드에서 전력 스케줄링을 공동으로 최적화하고 혼잡을 완화하는 데 목적이 있다. 중앙 시장 운영자와 최종 사용자 에이전트 간의 정보 공유를 최소화함으로써, 전역 최적해와 동일한 해를 달성하는 경우가 20%에 달하는 근접 최적해를 도출하면서도 확장성과 소비자 프라이버시를 향상시키며, 예측 불확실성 하에서도 중심 집중형 솔버와 유사한 성능을 유지를 한다.

ABSTRACT

A distributed, hierarchical, market based approach is introduced to solve the economic dispatch problem. The approach requires only a minimal amount of information to be shared between a central market operator and the end-users. Price signals from the market operator are sent down to end-user device agents, which in turn respond with power schedules. Intermediate congestion agents make sure that local power constraints are satisfied and any potential congestion is avoided by adding local pricing differences. Our results show that in 20% of the evaluated scenarios the solutions are identical to the global optimum when perfect knowledge is available. In the other 80% the results are not significantly worse, while providing a higher level of scalability and increasing the consumer's privacy.

연구 동기 및 목표

• 분산 에너지 자원과 유연한 부하가 높은 비중을 차지하는 스마트 그룹에서 탈중앙화된 실시간 전력 스케줄링의 과제를 해결하기 위해.
• 최종 사용자와 전력망 운영자 간의 자율적이고 프라이버시를 보존하는 협업을 가능하게 하여 중심 집중 제어에 대한 의존도를 감소시키기 위해.
• 지역 가격 신호를 통해 전력 손실을 최소화하면서도 혼잡 제약 조건을 유지하기 위해.
• 특히 예측 불확실성 하에서도 중심 집중 최적화에 비해 확장성과 강건성을 향상시키기 위해.
• 시장 운영자와 최종 사용자 에이전트 간의 정보 교환을 최소화하여 실용적 구현을 가능하게 하기 위해.

제안 방법

• 계층적 시장 구조를 사용하여, 중앙 시장 운영자가 가격 신호를 최종 사용자 에이전트로 전달하고, 에이전트는 전력 스케줄링을 반환한다.
• 중간 혼잡 관리 에이전트는 지역 전력망 제약 조건을 이행하고, 과부하를 방지하기 위해 지역 가격 조정을 적용한다.
• 후행 시간 프레임워크는 예측 데이터와 업데이트된 가격 신호를 기반으로 반복적으로 전력 스케줄링을 최적화하기 위해 유투리적 시간 창을 사용한다.
• 기울기 강하 기반의 가격 조정 메커니즘이 시장 운영자가 전체 시스템 전력 손실을 최소화할 수 있도록 가격을 조정하도록 허용한다.
• 다양한 에이전트 유형(예: PV, 배터리, 열펌프)을 고려하여 별도의 비용 함수와 운영 제약 조건을 모델링한다.
• 예측된 향후 혼잡이 발생할 경우, 예측이 불확실하더라도 지역 가격 차이를 도입하여 갈등을 해결한다.

실험 결과

연구 질문

• RQ1 최소한의 정보 교환으로 탈중앙화된 시장 기반 접근법이 근접 최적의 경제적 배분 성능을 달성할 수 있는가?
• RQ2 계층적 후행 시간 프레임워크 내 지역 가격 설정은 소비자 프라이버시를 유지하면서 혼잡을 어떻게 완화하는가?
• RQ3 예측 불확실성 하에서 제안된 방법이 중심 집중형 솔버의 성능을 어느 정도 충족하는가?
• RQ4 예측이 향후 혼잡을 과도하게 예측하거나 과소 예측할 경우 시스템은 어떻게 행동하는가?
• RQ5 탈중앙화된 전력 스케줄링에서 최적성, 확장성, 프라이버시 간의 상충 관계는 어떠한가?

주요 결과

• 완벽한 예측 지식이 있는 경우 평가된 시나리오의 20%에서 LP-RH 알고리즘이 전역 최적해와 동일한 해를 도출하였다.
• 남은 80%의 시나리오에서는 중심 집중형 솔버와 유의미하게 떨어지지 않는 성능을 보이며 높은 성능 일관성을 입증하였다.
• 예측 불확실성에 더 민감하게 반응하는 경향이 있는 RHCS 솔버에 비해, LP-RH 알고리즘은 27개의 케이스에서 더 우수한 성능을 보였다. 특히 잘못된 혼잡 예측에 대한 과민 반응을 피하는 데 유리하였다.
• 105개의 무작위 문제 인스턴스를 성공적으로 처리하였으며, 타당한 경우의 79%에서 중심 집중형 PICS 솔버와 유사한 해를 도출하였다.
• 비타당하지 않은 경우에도 LP-RH는 일시적인 혼잡 위반을 허용함으로써 전력 손실을 최소화하였고, 이후 동적 가격 조정을 통해 이를 해소하였다.
• 예측 오류에 강건하며, 전체 협업이나 실시간 균형 조정 통합 없이도 시스템 안정성을 유지함을 입증하였다.