[논문 리뷰] Decision-Oriented Learning for Future Power System Decision-Making under Uncertainty

Ran Li, Haipeng Zhang외 5명|arXiv (Cornell University)|2024. 01. 08.

Energy Load and Power Forecasting참고 문헌 87인용 수 5

한 줄 요약

본 논문은 전력 시스템에 대한 의사결정 지향 학습(DOL)을 조사하며, 엔드-투-엔드 의사결정 손실이 전통적인 예측 중심 학습 및 검토 기법보다 우수할 수 있고, 응용 사례와 과제를 다룬다.

ABSTRACT

Better forecasts may not lead to better decision-making. To address this challenge, decision-oriented learning (DOL) has been proposed as a new branch of machine learning that replaces traditional statistical loss with a decision loss to form an end-to-end model. Applications of DOL in power systems have been developed in recent years. For renewable-rich power systems, uncertainties propagate through sequential tasks, where traditional statistical-based approaches focus on minimizing statistical errors at intermediate stages but may fail to provide optimal decisions at the final stage. This paper first elaborates on the mismatch between more accurate forecasts and more optimal decisions in the power system caused by statistical-based learning (SBL) and explains how DOL resolves this problem. Secondly, this paper extensively reviews DOL techniques and their applications in power systems while highlighting their pros and cons in relation to SBL. Finally, this paper identifies the challenges to adopt DOL in the energy sector and presents future research directions.

연구 동기 및 목표

• 재생에너지 비중이 높은 전력 시스템에서 예측 정확도와 의사결정 품질 간의 불일치를 설명한다.
• 통계 기반 학습의 엔드-투-엔드 대안으로서 의사결정 지향 학습(DOL)을 소개하고 고무한다.
• 전력 시스템에서의 DOL 기법과 응용을 검토한다.
• DOL과 통계 기반 학습(SBL)을 비교하고 장단점을 논의한다.
• 에너지 부문에서 DOL 채택의 과제를 식별하고 향후 연구 방향을 제시한다.

제안 방법

• 전력 시스템 맥락에서 DOL의 개념적 분석을 제공한다.
• 전력 시스템에서의 DOL 기법과 응용에 대한 문헌 조사를 수행한다.
• SBL에 비해 DOL의 장점과 단점을 논의한다.
• 기존의 응용, 범주화 및 결과를 정리하고 종합한다.
• 채택에 대한 실무적 과제를 식별하고 향후 연구 방향을 개요한다.

실험 결과

연구 질문

• RQ1 불확실성 하에서 전력 시스템 의사결정에서 예측 정확도와 최적 의사결정 품질 간의 불일치는 무엇인가?
• RQ2 전력 시스템에서 예측과 의사결정 간의 불일치를 DOL이 어떻게 해소할 수 있는가?
• RQ3 재생에너지 비중이 높은 시스템에서 DOL의 장점과 한계는 무엇인가?
• RQ4 에너지 부문에서 DOL 채택을 가로막는 도전과제는 무엇이며 제시된 향후 연구 방향은 무엇인가?

주요 결과

• DOL은 전통적인 통계 손실을 의사결정 중심 손실로 대체하여 학습을 최종 의사결정 품질과 일치시킨다.
• DOL은 SBL과 비교한 이점과 트레이드오프를 가진 전력 시스템 문제에 적용되어 왔다.
• 본 논문은 예측 정확도와 의사결정 최적성 간의 불일치를 DOL의 핵심 동기로 강조한다.
• 재생에너지 비중이 높은 환경에서 DOL의 기법과 응용을 조사하고 장단점을 요약한다.
• 채택에 대한 실무적 과제를 식별하고 향후 연구 방향을 제시한다.