[논문 리뷰] Decentralized Data-Enabled Predictive Control for Power System Oscillation Damping

Linbin Huang, Jeremy Coulson외 2명|arXiv (Cornell University)|2019. 11. 27.

Power System Optimization and Stability참고 문헌 47인용 수 13

한 줄 요약

이 논문은 전력 시스템에서 광역 진동 감쇠를 위한 분산형 데이터 기반 예측 제어(DeePC) 프레임워크를 제안한다. 이는 VSC-HVDC 지점에서의 측정된 입력/출력 데이터만을 사용하여 세부적인 시스템 모델이 필요로 하지 않으며, 정확한 시스템 모델이 확보되지 않은 상황에서도 효과적으로 작동한다. Min-Max DeePC 알고리즘은 노이즈, 지연 및 불확실성 상황에서도 강건하고 분산형이며 실시간 제어를 가능하게 하며, 더 높은 감쇠 성능을 달성한다. 네 지역 시스템에 대한 고정밀 시뮬레이션을 통해 검증되었으며, k=16일 때 약 0.44초의 해소 시간을 기록하였다.

ABSTRACT

We employ a novel data-enabled predictive control (DeePC) algorithm in voltage source converter (VSC) based high-voltage DC (HVDC) stations to perform safe and optimal wide-area control for power system oscillation damping. Conventional optimal wide-area control is model-based. However, in practice detailed and accurate parametric power system models are rarely available. In contrast, the DeePC algorithm uses only input/output data measured from the unknown system to predict the future trajectories and calculate the optimal control policy. We showcase that the DeePC algorithm can effectively attenuate inter-area oscillations even in the presence of measurement noise, communication delays, nonlinear loads and uncertain load fluctuations. We investigate the performance under different matrix structures as data-driven predictors. Furthermore, we derive a novel Min-Max DeePC algorithm to be applied independently in multiple VSC-HVDC stations to mitigate inter-area oscillations, which enables decentralized and robust optimal wide-area control. Further, we discuss how to relieve the computational burden of the Min-Max DeePC by reducing the dimension of prediction uncertainty and how to leverage disturbance feedback to reduce the conservativeness of robustification. We illustrate our results with high-fidelity, nonlinear, and noisy simulations of a four-area test system.

연구 동기 및 목표

• 정확한 시스템 모델 확보가 어려운 상황(파rameter 불확실성, 장치 제어 법칙 미지, 동적 전력망 변화 등)에서 기존 모델 기반 광역 제어의 한계를 해결하기 위해.
• VSC-HVDC 지점에서의 입력/출력 측정값만을 활용하여 시스템 행동을 예측하고 최적의 제어 조치를 계산하는 데이터 기반 제어 접근법을 개발하기 위해. 이는 매개변수 기반 시스템 모델에 의존하지 않는다.
• 미래의 외란에 대한 불확실성을 고려한 Min-Max DeePC 알고리즘을 도입하여 분산형, 강건하고 실시간 광역 감쇠 제어를 가능하게 하기 위해.
• 예측 수평선 내에서 외란 피드백 및 차원 축소 기법을 도입하여 강건 제어의 계산 부담과 과도한 보수성(conservativeness)을 감소시키기 위해.

제안 방법

• DeePC 알고리즘은 측정된 입력/출력 궤적에서 구성된 데이터 헨켈 행렬을 사용하여 시스템 행동을 데이터 중심적이고 비모수적 방식으로 표현함으로써, 시스템 식별 없이도 향후 궤적 예측이 가능하다.
• Min-Max DeePC 설정은 최악의 외란 불확실성을 최적화에 통합하여 향후 외란에 대한 강건성을 확보하면서도, 다수의 VSC-HVDC 지점 간 분산 구현이 가능하도록 한다.
• 노이즈 필터링은 데이터 헨켈 행렬에 대한 특이값 분해(SVD)를 통해 수행되어, 노이즈가 있는 측정값 상황에서도 예측 정확도를 향상시킨다.
• 외란 피드백(DF) 정책을 도입하여 강건 최적화에 피드백 효과를 통합함으로써 보수성을 감소시키고, 성능 저하 없이 더 긴 예측 수평선을 허용한다.
• 강건 최적화 문제는 YALMIP 도구상자와 함께 해결되었으며, 제어 수평선 k=16에서 표준 하드웨어에서 약 0.44초의 해소 시간을 기록하여 실시간 실행 가능성을 입증하였다.
• 프레임워크는 VSC-HVDC 지점과 비선형 부하를 포함한 고정밀 비선형 네 지역 전력 시스템 테스트 케이스를 통해 검증되었다.

Figure 1: One-line diagram of a four-area test system with integration of an HVDC link.

실험 결과

연구 질문

• RQ1 매개변수 기반 시스템 모델이 필요 없이 데이터 기반 제어 접근법이 전력 시스템의 간섭 진동을 효과적으로 감쇠시킬 수 있는가?
• RQ2 통신 지연, 측정 노이즈, 부하 변동 상황에서 Min-Max DeePC의 성능이 표준 DeePC에 비해 어떻게 다를까?
• RQ3 미래 외란에 대한 불확실성이 존재할 때, 외란 피드백이 강건 제어의 보수성을 얼마나 줄일 수 있는가?
• RQ4 Min-Max DeePC를 실시간으로 구현하는 데 있어 계산 가능성은 어떻게 되며, 차원 축소 기법은 확장성에 어떤 영향을 미치는가?
• RQ5 DeePC의 분산 구현이 중심 제어기가 없이도 전체 시스템의 감쇠 성능을 유지할 수 있는가?

주요 결과

• 장기 제어 수평선(k=16) 상황에서 Min-Max DeePC 알고리즘이 표준 DeePC보다 훨씬 높은 감쇠 비율을 달성한다. DF Min-Max DeePC는 k=24에서도 높은 성능을 유지하지만, 표준 Min-Max DeePC는 진동을 제거하지 못한다.
• 외란 피드백 정책은 보수성을 감소시키며, 더 긴 예측 수평선을 허용하고 강건성을 향상시킨다. k=22를 초과하는 장기간에 걸쳐도 높은 감쇠 비율이 지속됨을 입증하였다.
• 강건 최적화 문제의 해소 시간은 인텔 코어 i5 7200U CPU(8GB RAM)에서 약 0.44초로 측정되어, k≥22에 대해 실시간 실행 가능함을 확인하였다.
• 데이터 헨켈 행렬에 대한 SVD를 통한 노이즈 필터링은 노이즈가 있는 측정값 상황에서 예측 정확도와 감쇠 성능을 크게 향상시킨다.
• 분산형 Min-Max DeePC 프레임워크는 네 지역 전부에서 간섭 진동을 효과적으로 감쇠시키며, 중심 조율 없이도 확장성과 신뢰성을 입증하였다.
• 비선형 부하, 부하 변동, 통신 지연 상황에서도 프레임워크는 강건한 성능을 유지하여 실세계 전력 시스템에 대한 실용적 타당성을 확인하였다.

Figure 2: Centralized wide-area control based on DeePC.