[논문 리뷰] Day-ahead Trading of Aggregated Energy Flexibility - Full Version

Emmanouil Valsomatzis, Torben Bach Pedersen외 1명|arXiv (Cornell University)|2018. 05. 07.

Electric Vehicles and Infrastructure참고 문헌 22인용 수 3

한 줄 요약

이 논문은 전기자동차(EV) 에너지 유연성을 위한 세 가지 마켓 기반 집계 기법을 제안하며, 개별 EV 충전 부하를 노르웨이-스웨덴 시장의 당일 시장에서 거래 가능한 영향력 있는 주문(FOs)으로 전환한다. 실제 시장 제약 조건을 고려하고 가격 아르비트를 최적화함으로써 에너지 조달 비용 평균 24.4% 절감을 달성하였으며, 최적 기준 대비 최대 27.4%까지 절감하여 균형책임자(BRPs)에게 상당한 재정적 이익을 제공한다.

ABSTRACT

Flexibility of small loads, in particular from Electric Vehicles (EVs), has recently attracted a lot of interest due to their possibility of participating in the energy market and the new commercial potentials. Different from existing work, the aggregation techniques proposed in this paper produce flexible aggregated loads from EVs taking into account technical market requirements. They can be further transformed into the so-called flexible orders and be traded in the day-ahead market by a Balance Responsible Party (BRP). As a result, the BRP can achieve at least 20% cost reduction on average in energy purchase compared to traditional charging based on 2017 real electricity prices from the Danish electricity market.

연구 동기 및 목표

• 최소 입찰 크기 및 영향력 있는 주문 요구사항과 같은 실제 기술적 시장 제약 조건을 반영하지 못하는 기존 EV 유연성 거래 모델의 격차를 해소하기 위해.
• 특히 노르웨이-스웨덴 영향력 있는 주문(FO) 프레임워크에 부합하는 실제 시장 규칙을 준수하는 영향력 있는 집계 부하(flex-offers)를 생성하는 집계 기법을 개발하기 위해.
• 균형책임자(BRPs)가 당일 시장에서 집계된 EV 유연성을 전략적으로 입찰하여 에너지 구매 비용을 절감할 수 있도록 하기 위해.
• 실제 2017년 덴마크 전기 요금 및 EV 플러그인 데이터를 사용하여 제안된 기법의 재정적 및 기술적 성능을 평가하기 위해.
• 시장 기반 집계가 전통적인 고정 스케줄링 및 기준 입찰 접근 방식보다 비용 효율성과 시장 준수성 측면에서 뛰어나다는 것을 입증하기 위해.

제안 방법

• EV 충전 유연성을 표현하기 위해 영향력 있는 주문(FO) 모델을 도입하며, 각 FO는 시간 창, 에너지 양, EV 배터리 충전 수준(SOC) 및 충전 효율에 기반한 전력 제약 조건으로 정의된다.
• 시장 기반 FO 집계 문제를 제약 조건이 있는 최적화 과제로 설정하며, 집계된 FO는 최소 입찰 크기 및 시간 유연성과 같은 시장 특화 요구 사항을 충족해야 한다.
• 동적 프ogram밍(DP), 동적 시간 우선(DTF), 부하 우선순위(LP)의 세 가지 휴리스틱 집계 알고리즘을 제안하며, 각각 시장 및 기술적 제약 조건을 준수하면서 비용 절감을 극대화하도록 설계된다.
• 실제로 알려진 플러그인 시간과 충전 프로파일을 가진 5,000~40,000대의 EV 데이터를 활용해 당일 시장에서의 집계 및 입찰를 시뮬레이션한다.
• 집계된 FO를 실제 시장에 제출할 수 있는 영향력 있는 주문(FOs)으로 변환하며, 이는 시장이 정의된 유연성 창 내에서 활성화 시간을 스케줄링할 수 있도록 한다.
• 실제 2017년 Elspot 전기 요금을 사용해 성능을 평가하며, 다양한 기법과 기준 대비 총 에너지 비용을 비교하고, 예측 불확실성 하에서의 불균형 비용도 분석한다.

실험 결과

연구 질문

• RQ1 최소 입찰 크기 및 시간 유연성과 같은 기술적 제약 조건을 충족하는 시장 준수 영향력 있는 주문으로 EV 충전 유연성을 효과적으로 집계하는 방법은 무엇인가?
• RQ2 당일 전기 시장에서 기존의 고정 스케줄링 또는 기준 입찰 전략 대비 마켓 인지 집계 기법을 사용할 경우 재정적 영향은 어떠한가?
• RQ3 다양한 가격 동태와 EV 플러그인 패턴 하에서, 특히 저가 또는 음수 전기 요금 시기에서 DP, DTF, LP 등의 다른 집계 휴리스틱 기법은 어떻게 성능을 내는가?
• RQ4 EV 플러그인 행동에 대한 예측 불확실성은 집계된 유연성 거래의 재정적 결과에 어떤 영향을 미치며, BRP 수익성에 어떤 영향을 미치는가?
• RQ5 이론적 최적 솔루션 대비 시장 기반 집계 접근 방식은 비용 절감 측면에서 어떻게 비교되는가? 실제로는 최적 절감의 몇 퍼센트를 달성할 수 있는가?

주요 결과

• 동적 프로그래밍(DP) 휴리스틱은 365개 거래 기간 동안 에너지 구매 비용 평균 24.4% 절감을 달성하며, DTF(20.2%) 및 LP(19.1%)를 능가한다.
• DP는 집계에 참여한 FO의 최적 비용 절감의 98.3%를 달성하여 시장 유연성을 효율적으로 활용하는 것으로 나타났다.
• 최적 솔루션은 평균 27.4% 비용 절감을 제공하며, DP는 이 잠재력의 88.9%를 달성하여 뛰어난 근접 최적성( near-optimality)을 입증한다.
• 2017년 12월 24일 -50 €/MWh의 음수 전기 요금 기간에는 비용 절감률이 800%를 초월하여, 변동성이 큰 가격 환경에서의 효과성을 입증한다.
• 예측 불확실성 하에서, EV의 23% 이상가 예상대로 참여하지 못할 경우, 영향력 있는 주문을 통한 에너지 비용이 플러그인 충전 비용을 초과하게 되어 재정적 리스크 한계를 드러낸다.
• DP는 거래 기간의 66%에서 가장 높은 비용 절감을 달성하며, DTF는 나머지 34%에서 우세하며, 이는 가격 곡선의 형태와 시기 의존성에 따라 달라진다.