[논문 리뷰] Dynamic Control and Optimization of Distributed Energy Resources in a Microgrid

Trudie Wang, Dan O'Neill외 1명|arXiv (Cornell University)|2014. 09. 30.

Smart Grid Energy Management참고 문헌 46인용 수 11

한 줄 요약

이 논문은 분산 에너지 자원(DER)인 태양광, 에너지 저장장치, 전기차 및 제어 가능한 부하를 실시간으로 동적으로 최적화하기 위해 보조변수분할법(ADMM)을 사용하는 탈중앙화된 모델 예측 제어(MPC) 프레임워크를 제안한다. 각 DER이 국지적 최적화 문제를 해결하고 간단한 메시지만을 교환함으로써, 중앙집중식 성능에 가까운 결과를 실시간으로 달성하면서도 전력망 제약 조건을 준수하고 동적 요금제 및 불확실성 하에서 총비용을 최소화한다.

ABSTRACT

As we transition towards a power grid that is increasingly based on renewable resources like solar and wind, the intelligent control of distributed energy resources (DER) including photovoltaic (PV) arrays, controllable loads, energy storage and plug-in electric vehicles (EVs) will be critical to realizing a power grid that can handle both the variability and unpredictability of renewable energy sources as well as increasing system complexity. Realizing such a decentralized and dynamic infrastructure will require the ability to solve large scale problems in real-time with hundreds of thousands of DERs simultaneously online. Because of the scale of the optimization problem, we use an iterative distributed algorithm previously developed in our group to operate each DER independently and autonomously within this environment. The algorithm is deployed within a framework that allows the microgrid to dynamically adapt to changes in the operating environment. Specifically, we consider a commercial site equipped with on-site PV generation, partially curtailable load, EV charge stations and a battery electric storage (BES) unit. The site operates as a small microgrid that can participate in the wholesale market on the power grid. We report results for simulations using real data that demonstrate the ability of the optimization framework to respond dynamically in real-time to external conditions while maintaining the functional requirements of all DERs.

연구 동기 및 목표

• 고도로 재생 가능 에너지 비중이 높고 수요가 변동성이 큰 대규모 동적 마이크로그리드를 관리하는 데 도전하는 것.
• 불확실성과 재생 에너지 발전의 변동성에도 불구하고 시스템의 신뢰성과 효율성을 유지하는 가용성 있는 실시간 제어 프레임워크를 개발하는 것.
• 중앙집중식 최적화나 광범위한 통신 없이도 분산 에너지 자원(DER) 간의 탈중앙화된 조율을 가능하게 하는 것.
• 전력망 물리적 제약 조건(예: 선로 용량 제한, 저장소 용량 등)을 준수하면서 마이크로그리드 운영 비용을 최소화하는 것.
• 사전 지식이 있는 중심 최적화에 비해 탈중앙화 제어가 유사한 성능을 달성할 수 있음을 입증하는 것.

제안 방법

• 프레임워크는 유한 시간 윈도우 내에서 후행 수평 최적화를 가능하게 하기 위해 모델 예측 제어(MPC)를 사용한다.
• 각 DER(태양광, 저장장치, 전기차, 제어 가능한 부하)는 자체 목표 및 제약 조건을 가진 국지적 최적화 문제를 수립한다.
• 결합된 최적화 문제를 탈중앙화 방식으로 해결하기 위해 보조변수분할법(ADMM)을 사용한다.
• 이웃하는 DER 간의 단순한 메시지 교환만 필요하며, 선로 용량 등의 결합 제약 조건을 강제하기 위해 이중 변수를 교환한다.
• 알고리즘은 국지적 결정과 이중 변수를 반복적으로 갱신하여 수렴할 때까지 진행되며, 전역 최적 또는 근사 최적 해를 도출한다.
• 각 시간 단위에서 제어기는 업데이트된 예측 정보와 실시간 데이터를 사용하여 문제 재해결을 통해 동적 적응을 가능하게 한다.

실험 결과

연구 질문

• RQ1 탈중앙화된 최적화 프레임워크가 실시간 마이크로그리드 제어에서 중심 최적화에 가까운 성능을 달성할 수 있는가?
• RQ2 ADMM는 선로 용량 등의 결합 제약 조건 하에서 태양광, 저장장치, 전기차 및 제어 가능한 부하와 같은 다양한 DER을 얼마나 효과적으로 조율할 수 있는가?
• RQ3 탈중앙화 제어는 실시간 도매 전기요금에 얼마나 잘 대응할 수 있으며, 시스템 신뢰성을 유지할 수 있는가?
• RQ4 DER 간의 최소한의 통신으로도 중앙집중적 조율 없이 고품질의 전체 시스템 전력 프로파일을 도출할 수 있는가?
• RQ5 프레임워크는 사고 상황과 예측 불확실성을 어떻게 다루며, 운영 제약 조건을 유지할 수 있는가?

주요 결과

• 탈중앙화된 ADMM-MPC 프레임워크는 동적이고 불확실한 조건 하에서도 전방지견이 있는 중심 최적화와 유사한 비용 성능을 달성한다.
• 이 방법은 선로 열적 제한 및 배터리 용량과 같은 핵심 물리적 제약 조건을 효과적으로 준수하여 시스템의 안정성을 확보한다.
• 국지적 정보와 이웃 간의 단순한 메시지 교환만 필요하므로, 시스템은 확장 가능하고 통신 장애에 강건하다.
• 프레임워크는 효과적인 수요 반응 및 부하 형상 조절을 가능하게 하여 피크 수요를 감소시키고 비상 발전기 의존도를 최소화한다.
• 전기차 충전이 알고리즘을 통해 자연스럽게 조율되어 동시에 고부하 충전을 방지하고 전압 위반을 줄인다.
• 100% 태양광 발전 조건에서도 마이크로그리드는 안정적이고 고품질의 전력 프로파일을 유지하며, 고립 운용 시에도 내구성과 유연성을 입증한다.