[논문 리뷰] Dynamic Energy Management

Nicholas Moehle, Enzo Busseti외 2명|arXiv (Cornell University)|2019. 03. 14.

Electric Power System Optimization인용 수 16

한 줄 요약

이 논문은 예측 불확실성을 다루기 위해 모델 예측 제어(MPC) 및 강건 MPC를 활용하여 실시간 제어를 가능하게 하는 볼록 최적화 기반 프레임워크를 제안한다. 주요 기여는 전력 흐름을 최적화하면서 현장 마진 가격을 계산하는 통합적이고 확장 가능한 방법으로, 경제적 균형과 사회적 최적성을 보장하며, 예측 오류가 있는 바람 풍력 예측 조건에서도 완벽한 예측 기준 성능에 근접한 성능을 입증하였다.

ABSTRACT

We present a unified method, based on convex optimization, for managing the power produced and consumed by a network of devices over time. We start with the simple setting of optimizing power flows in a static network, and then proceed to the case of optimizing dynamic power flows, i.e., power flows that change with time over a horizon. We leverage this to develop a real-time control strategy, model predictive control, which at each time step solves a dynamic power flow optimization problem, using forecasts of future quantities such as demands, capacities, or prices, to choose the current power flow values. Finally, we consider a useful extension of model predictive control that explicitly accounts for uncertainty in the forecasts. We mirror our framework with an object-oriented software implementation, an open-source Python library for planning and controlling power flows at any scale. We demonstrate our method with various examples. Appendices give more detail about the package, and describe some basic but very effective methods for constructing forecasts from historical data.

연구 동기 및 목표

• 전기 네트워크 내 상호연결된 장치들 간의 동적 전력 흐름을 통합적이고 볼록 최적화 기반으로 관리하기 위한 방법을 개발하는 것.
• 미래 수요, 가격 및 발전 예측을 활용하여 현재 전력 흐름을 최적화하는 데 목적이 있는 모델 예측 제어(MPC)를 통한 실시간 제어를 가능하게 하는 것.
• 예측 불확실성을 다루기 위해 시나리오 기반 강건 최적화를 적용하여 MPC를 확장하여, 모든 시나리오에서 첫 번째 단계의 일致성을 보장하는 것.
• 모든 장치에 대해 수익 중립적이고 이윤 최대화 가능한 지급 체계를 지원하는 현장 마진 가격을 계산하는 것.
• 확장 가능한 전력 네트워크 모델링 및 최적화를 위한 오픈소스 객체 지향 파이썬 라이브러리(cvxpower)를 제공하는 것.

제안 방법

• 유한 시간 간격 동안 장치 제약 조건, 전력 균형 및 램프 속도를 포함하여 동적 전력 흐름 최적화 문제를 볼록 문제로 수식화한다.
• 모델 예측 제어(MPC)를 활용하며, 각 시간 단계에서 예측을 사용하여 유한 시간 간격 최적화 문제를 풀고, 첫 번째 단계의 결과만 실행한다.
• S개의 예측 불확실성 시나리오를 고려하여 MPC를 강건 MPC로 확장하며, 모든 시나리오에서 첫 번째 단계의 전력 흐름이 동일해야 한다는 제약 조건을 도입한다.
• 공통된 첫 번째 단계 결정을 가진 시나리오 기반 강건 최적화 설정을 사용하여 불확실성 하에서 기대 비용을 최소화한다.
• 전력 균형 제약 조건의 이중 변수를 통해 현장 마진 가격을 계산하여, 수익 중립적이고 이윤 최대화 가능한 지급 메커니즘을 가능하게 한다.
• 객체 지향 설계를 활용하여 장치 및 네트워크 복잡성을 추상화한 오픈소스 파이썬 라이브러리 cvxpower를 통해 프레임워크를 구현한다.

실험 결과

연구 질문

• RQ1 볼록 최적화 프레임워크는 다양한 네트워크 장치들 간의 정적 및 동적 전력 흐름 관리 문제를 통합적으로 해결할 수 있는가?
• RQ2 예측이 불확실할 경우 실시간 에너지 관리에서 모델 예측 제어(MPC)의 성능은 어느 정도인가?
• RQ3 다양한 예측 시나리오를 고려한 강건 MPC는 결정론적 MPC에 비해 제어 성능을 크게 향상시킬 수 있는가?
• RQ4 계산된 현장 마진 가격은 각 장치가 기대 수익을 최대화할 수 있는 경제적 균형을 이끌어내는가?
• RQ5 예측 오류가 있는 바람 풍력 예측 조건에서도 강건 MPC의 성능이 완벽한 예측 기반 MPC 성능에 얼마나 가까이 도달하는가?

주요 결과

• 20개 시나리오를 사용한 강건 MPC는 $3,291의 비용을 기록하였으며, 결정론적 최적 전력 흐름(DOPF)의 $3,269 비용에 비해 약간 높을 뿐이지, 예측 오류가 있음에도 근사 최적성을 입증하였다.
• 바람 풍력 발전기의 총 지급액은 MPC의 -$115.3k에서 강건 MPC의 -$98.1k로 감소하여, 불확실성 하에서 변동형 재생 에너지 출력에 대한 의존도가 감소함을 나타냈다.
• 에너지 저장 장치는 강건 MPC에서 $-48.9k의 지급액을 받았고, MPC의 $-36.0k보다 높아, 불확실성 관리에서의 가치 증가를 반영했다.
• 가스 발전기의 지급액은 -$122.3k에서 -$104.5k로 감소하여, 불확실성 하에서 저장장치와 재생 에너지의 사용 증가로 인해 운용 빈도가 감소함을 보여주었다.
• 부하 장치는 강건 MPC에서 $251.6k의 총 지급액을 받았고, MPC의 $273.6k보다 낮아, 순수 수요 변동성 감소와 일치하는 결과를 보였다.
• 프레임워크는 계산된 가격 하에서 각 장치가 기대 수익을 최대화하도록 보장하여, 경제적 균형의 존재를 확인하였다.