[논문 리뷰] Data-Driven Decentralized Optimal Power Flow.

Roel Dobbe, Oscar Sondermeijer외 4명|arXiv (Cornell University)|2018. 06. 14.

Optimal Power Flow Distribution참고 문헌 32인용 수 17

한 줄 요약

이 논문은 다수의 분산 에너지 자원(DER)이 국소 정보만을 사용하여 중심 집중식 OPF 해를 공동으로 근사할 수 있도록 하는 데이터 기반, 분산형 최적 전력 흐름(OPF) 방법을 제안한다. 비율 손실의 프레임워크를 활용하여, 통신 요구 사항을 최소화하고 최적의 통신 토폴로지 식별을 위한 확장 가능한 프레임워크를 제공하면서도, 시스템 제약 조건을 만족시키며 거의 최적의 성능을 달성하는 국소 제어 정책을 학습한다.

ABSTRACT

The implementation of optimal power flow (OPF) methods to perform voltage and power flow regulation in electric networks is generally believed to require communication. We consider distribution systems with multiple controllable Distributed Energy Resources (DERs) and present a data-driven approach to learn control policies for each DER to reconstruct and mimic the solution to a centralized OPF problem from solely locally available information. Collectively, all local controllers closely match the centralized OPF solution, providing near-optimal performance and satisfaction of system constraints. A rate distortion framework facilitates the analysis of how well the resulting fully decentralized control policies are able to reconstruct the OPF solution. Our methodology provides a natural extension to decide what buses a DER should communicate with to improve the reconstruction of its individual policy. The method is applied on both single- and three-phase test feeder networks using data from real loads and distributed generators. It provides a framework for Distribution System Operators to efficiently plan and operate the contributions of DERs to active distribution networks.

연구 동기 및 목표

• 중앙 집중식 조정이나 광범위한 통신에 의존하지 않고 분산 전력망에서 최적 전력 흐름(OPF)을 구현하는 데 도전하는 것.
• 다수의 분산 에너지 자원(DER)이 국소에서 이용 가능한 데이터만을 사용하여 중심 집중식 OPF 해를 공동으로 근사할 수 있도록 하는 것.
• 시스템 제약 조건을 만족시키면서 거의 최적의 성능을 달성하는 분산형 제어 정책 학습 프레임워크를 개발하는 것.
• 중심 집중식 OPF 해를 재구성하는 데 도움이 되는 버스 간 통신을 어느 정도로 해야 하는지 체계적으로 결정하는 방법을 제공하는 것.
• 분산 전력망에서 DER 기여도를 계획하고 운영할 수 있는 실용적인 프레임워크를 분산 전력망 운영자에게 제공하는 것.

제안 방법

• 분산 전력망의 역사적 또는 시뮬레이션된 운영 데이터를 사용하여 각 DER의 국소 제어 정책을 학습하는 데이터 기반 접근법을 활용한다.
• 통신 비용과 중심 집중식 OPF 해의 재구성 정확도 사이의 트레이드오프를 정량화하고 최적화하기 위해 비율 손실 프레임워크를 적용한다.
• 국소 측정값과 제한된 DER 간 통신을 통해, 중심 집중식 OPF 솔버의 행동을 공동으로 모방하는 제어 정책을 학습한다.
• 각 DER가 독립적으로 정책을 학습하지만, 집합적 행동이 중심 집중식 해로 수렴하는 분산 최적화 프레임워크를 적용한다.
• 비율 손실 분석을 기반으로 각 DER에 가장 유용한 정보를 제공하는 통신 링크를 식별하는 통신 토폴로지 선택 메커니즘을 도입한다.
• 실제 부하 및 DER 데이터를 사용하여 단상 및 삼상 분포계통 테스트 피더에서 방법을 검증한다.

실험 결과

연구 질문

• RQ1 국소 데이터만을 사용하여 분산형 DER 제어 정책을 학습하여 중심 집중식 OPF 해에 가까이 근사할 수 있는가?
• RQ2 비율 손실 프레임워크는 통신 효율적인 분산 제어 정책 설계를 어떻게 가능하게 하는가?
• RQ3 제한된 통신 조건 하에서 DER 간 통신 토폴로지가 중심 집중식 OPF 해 재구성 정확도를 최대화하는 데 어떻게 기여하는가?
• RQ4 분산 정책이 시스템 제약 조건을 만족시키면서 거의 최적의 성능을 얼마나 잘 달성할 수 있는가?
• RQ5 이 방법은 단상 및 삼상 시스템을 포함한 다양한 분포계통 구성에 대해 어떻게 확장 가능한가?

주요 결과

• 분산 제어 정책은 전력 흐름 및 전압 조절 측면에서 중심 집중식 OPF 해와 거의 정확히 일치하는 거의 최적의 성능을 공동으로 달성한다.
• 비율 손실 프레임워크는 추가 통신 오버헤드를 최소화하면서도 정책 재구성 정확도를 크게 향상시키는 통신 링크를 성공적으로 식별한다.
• 모든 테스트된 단상 및 삼상 테스트 피더에서 전압 제한 및 열선로 과부하 제약 조건을 유지한다.
• 이 방법은 국소 측정값과 전략적 통신의 소수의 조합만으로도 DER가 효과적으로 작동하도록 가능하게 한다.
• 분산 전력망 운영자들이 활성 분산 전력망에서 DER 기여도를 통합하고 관리하는 데 확장 가능하고 실용적인 솔루션을 제공한다.
• 실제 부하 및 발전기 데이터에 대한 실험 결과는 제안된 데이터 기반의 분산형 OPF 접근법의 강건성과 실용적 타당성을 확인한다.