[논문 리뷰] Efficient Polynomial Chaos Expansion for Uncertainty Quantification in Power Systems

David Métivier, Marc Vuffray외 1명|arXiv (Cornell University)|2019. 10. 14.

Probabilistic and Robust Engineering Design참고 문헌 10인용 수 31

한 줄 요약

이 논문은 전력 시스템에서의 불확실성 정량화를 위한 계산적으로 효율적인 다항혼합확장(PCE) 방법인 Spice를 제안한다. 이 방법은 전력 흐름 방정식 내의 희소성과 대수적 구조를 활용하여, 표준 PCE나 몬테카를로 방법보다 수개의 차수 빠른 계산을 달성한다. 그리드 구조와 2차 방정식 성질을 활용함으로써, 1354bus의 pegase 시험 케이스와 같은 대규모 시스템에서도 확장 가능한 불확실성 정량화를 가능하게 하며, 확률제약 조건이 붙은 최적 전력 흐름 문제의 효율적 해법을 제공한다.

ABSTRACT

Growing uncertainty from renewable energy integration and distributed energy resources motivate the need for advanced tools to quantify the effect of uncertainty and assess the risks it poses to secure system operation. Polynomial chaos expansion (PCE) has been recently proposed as a tool for uncertainty quantification in power systems. The method produces results that are highly accurate, but has proved to be computationally challenging to scale to large systems. We propose a modified algorithm based on PCE with significantly improved computational efficiency that retains the desired high level of accuracy of the standard PCE. Our method uses computational enhancements by exploiting the sparsity structure and algebraic properties of the power flow equations. We show the scalability of the method on the 1354 pegase test system, assess the quality of the uncertainty quantification in terms of accuracy and robustness, and demonstrate an example application to solving the chance constrained optimal power flow problem.

연구 동기 및 목표

• 재생 가능 에너지와 분산 자원 증가로 인한 전력 시스템 내 불확실성 문제의 증가에 대응한다.
• 대규모 전력 시스템에 대한 표준 다항혼합확장(PCE)의 계산 비용 증가 문제를 해결한다.
• 최적화 프레임워크(예: 확률제약 조건이 붙은 최적 전력 흐름)와 호환되는 확장 가능하고 정확하며 강건한 불확실성 정량화 방법을 개발한다.
• 전력 흐름 방정식 내의 희소성과 대수적 구조를 활용하여 계산 복잡도를 감소시킨다.
• 실제 전력 시스템 운영 및 계획에 있어 PCE 기반 방법의 실용적 구현을 가능하게 한다.

제안 방법

• 희소성과 전력 흐름 방정식 내의 특성을 활용한 PCE 알고리즘의 변형인 Spice(Sparse Polynomial Iterative Chaos Expansion)를 제안한다.
• 반복 계산을 통해 PCE 계수 행렬 내의 비영 요소 패턴을 식별하고 활용함으로써 메모리 및 계산 비용을 감소시킨다.
• AC 전력 흐름 방정식의 2차 성질에 기반한 대수적 간소화를 적용하여 계수 계산 속도를 향상시킨다.
• 비정규 분포 불확실성에 대해 헤르미트 다항식을 사용한 수직 투영을 적용하여 정확성을 확보한다.
• 확률제약 조건이 붙은 최적 전력 흐름(CC-AC-OPF)에 대해 반복 알고리즘에 Spice를 통합하여, 분위수 추정치에 기반한 유효한 제약 조건을 업데이트한다.
• 희소 행렬 곱셈을 활용해 PCE 다항식을 효율적으로 평가함으로써, 매번 전력 흐름 해를 반복 계산하지 않고도 빠른 불확실성 전파를 가능하게 한다.

실험 결과

연구 질문

• RQ1 대규모 전력 시스템에 대해 정확도를 유지하면서도 계산적으로 확장 가능한 다항혼합확장(PCE)을 어떻게 구현할 수 있는가?
• RQ2 전력 시스템의 그리드 구조와 전력 흐름 방정식 내 희소성을 체계적으로 활용하여 PCE 계산 비용을 어떻게 감소시킬 수 있는가?
• RQ3 제안된 방법이 다양한 불확실성 분포와 시스템 크기에서 얼마나 정확하고 강건한가?
• RQ4 이 방법은 확률제약 조건이 붙은 최적 전력 흐름과 같은 최적화 프레임워크에 효과적으로 통합될 수 있는가?
• RQ5 대규모 시험 시스템에서 제안된 방법의 계산 성능가 장기 몬테카를로 및 표준 PCE와 비교해 어떻게 되는가?

주요 결과

• 1354-bus의 pegase 시스템에서 13개의 불확실성 영역을 사용하여 불확실성 정량화에 소요되는 계산 시간을 5초로 단축하여 높은 확장성을 입증하였다.
• 몬테카를로 검증 결과, 95% 및 99% 신뢰 수준에서 확률 제약 조건이 요구된 수준 내에서 충족됨을 확인하여 높은 정확도를 확보하였다.
• 99% 신뢰 수준에서 1차 수준의 표준 PCE는 무공률 변동을 포착하지 못해 제약 위반을 일으켰지만, Spice는 정확한 위험 추정을 수행하였다.
• Spice를 활용한 반복적 CC-AC-OPF 알고리즘은 4–5회 반복 내에 수렴하였으며, 총 계산 시간은 95% 수준에서 1463초, 99% 수준에서 1793초로 실용적인 타당성을 입증하였다.
• Spice는 희소 행렬 곱셈을 통해 PCE 다항식을 신속하게 평가함으로써, 몬테카를로 샘플마다 매번 전력 흐름 해를 반복 계산할 필요 없이도 빠른 불확실성 전파를 가능하게 하였다.
• 이 방법은 불확실성 분포의 변화에 강건하며, 최소한의 메모리 자원을 요구하여 실시간 및 대규모 응용에 적합하다.