[논문 리뷰] Data-Driven Distributionally Robust Scheduling of Community Integrated Energy Systems with Uncertain Renewable Generations Considering Integrated Demand Response

Yang Li, Meng Han외 3명|arXiv (Cornell University)|2023. 01. 21.

Smart Grid Energy Management인용 수 15

한 줄 요약

이 논문은 재생에너지 불확실성 하에서 커뮤니티 통합 에너지 시스템(CIES)의 스케줄링을 위한 데이터 기반의 두단계 분산형 강건 최적화 프레임워크를 제안하며 수요반응 및 건물 열적 쾌적도 고려를 통합한다. GAN 기반 시나리오 생성기와 혼합 불확실성 세트를 사용해 경제성과 강건성을 향상시킨다.

ABSTRACT

A community integrated energy system (CIES) is an important carrier of the energy internet and smart city in geographical and functional terms. Its emergence provides a new solution to the problems of energy utilization and environmental pollution. To coordinate the integrated demand response and uncertainty of renewable energy generation (RGs), a data-driven two-stage distributionally robust optimization (DRO) model is constructed. A comprehensive norm consisting of the 1-norm and infinity-norm is used as the uncertainty probability distribution information set, thereby avoiding complex probability density information. To address multiple uncertainties of RGs, a generative adversarial network based on the Wasserstein distance with gradient penalty is proposed to generate RG scenarios, which has wide applicability. To further tap the potential of the demand response, we take into account the ambiguity of human thermal comfort and the thermal inertia of buildings. Thus, an integrated demand response mechanism is developed that effectively promotes the consumption of renewable energy. The proposed method is simulated in an actual CIES in North China. In comparison with traditional stochastic programming and robust optimization, it is verified that the proposed DRO model properly balances the relationship between economical operation and robustness while exhibiting stronger adaptability. Furthermore, our approach outperforms other commonly used DRO methods with better operational economy, lower renewable power curtailment rate, and higher computational efficiency.

연구 동기 및 목표

• 재생 에너지의 불확실성을 가진 커뮤니티 통합 에너지 시스템(CIES)의 강건한 스케줄링을 동기화한다.
• 데이터 기반의 두단계 분산형 강건 최적화(DRO) 모델을 개발한다.
• 열적 쾌적도 및 건물 열惯성(thermal inertia)을 고려한 통합 수요 반응을 포함한다.
• 재생에너지 불확실성 포착을 위한 GAN 기반 시나리오 생성기를 활용한다.
• 북중국의 실제 CIES에서 방법을 시연하고 기존 방법과 비교한다.

제안 방법

• 불확실성 정보 세트를 1-노름과 무한노름 혼합으로 구성한 두단계 분산형 최적화 모델을 형식화한다.
• 그래디언트 패널티가 있는 워터슈트 Wasserstein 거리 기반의 GAN을 개발하여 재생에너지 시나리오를 생성한다.
• 인간의 열적 쾌적성 모호성과 건물 열惯성을 고려한 통합 수요 반응 메커니즘을 도입한다.
• 경제적 운용과 강건성의 균형을 맞추기 위해 DRO 모델을 해결한다.
• 성능과 효율성을 평가하기 위해 확률적 프로그래밍 및 강건 최적화와 비교한다.

실험 결과

연구 질문

• RQ1 DRO를 어떻게 활용하여 재생에너지의 불확실성 하에서 CIES를 강건하게 스케줄링하면서 수요 반응을 활용할 수 있는가?
• RQ2 혼합 노름 불확실성 세트의 사용이 솔루션의 강건성과 경제성에 미치는 영향은 무엇인가?
• RQ3 GAN으로 생성된 시나리오가 DRO를 위한 재생에너지 불확실성의 표현을 개선할 수 있는가?
• RQ4 열적 쾌적도와 관성(inertia)을 고려한 통합 수요 반응이 재생에너지 활용도와 비용에 어떤 영향을 미치는가?
• RQ5 제안된 방법이 전통적 확률적 프로그래밍 및 강건 최적화와 비교하여 어떻게 성능을 내는가?

주요 결과

• DRO 모델은 재생에너지 불확실성 하에서 경제적 운용과 강건성 간의 균형을 이룬다.
• 워터슈트 Wasserstein 거리에 기반한 GAN 생성 시나리오는 DRO의 시나리오 생성을 개선한다.
• 열적 쾌적도와 관성을 반영한 통합 수요 반응은 재생에너지 사용을 촉진하고 제약을 감소시킨다.
• 제안된 방법은 다른 DRO 접근법보다 더 나은 운용 경제성, 더 낮은 제약 절감, 더 높은 계산 효율성을 보인다.
• 실제 북중국 CIES에서의 시뮬레이션은 실용적 적용성 및 기존 방법 대비 강건성 개선을 보여준다.