[논문 리뷰] Online Inventory Management with Application to Energy Procurement in Data Centers

Lin Yang, Mohammad Hajiesmaili외 4명|arXiv (Cornell University)|2019. 01. 14.

Optimization and Search Problems참고 문헌 36인용 수 5

한 줄 요약

이 논문은 재고 관리 제약 조건이 있는 온라인 선형 프로그래밍을 위한 BatMan 및 BatManRate라는 온라인 알고리즘을 제안하며, 최적의 경쟁 비율을 달성한다. 알고리즘은 데이터 센터에서 변동하는 시장 또는 저장된 재고로부터 에너지를 동적으로 조달하여 불확실성 하에서 비용을 최소화하며, 기존 방법보다 뛰어나며 특히 높은 재생 가능 에너지 비율과 비정규적인 가격 패턴에서 뛰어난 성능을 보인다.

ABSTRACT

Motivated by the application of energy storage management in electricity markets, this paper considers the problem of online linear programming with inventory management constraints. Specifically, a decision maker should satisfy some units of an asset as her demand, either form a market with time-varying price or from her own inventory. The decision maker is presented a price in slot-by-slot manner, and must immediately decide the purchased amount with the current price to cover the demand or to store in inventory for covering the future demand. The inventory has a limited capacity and its critical role is to buy and store assets at low price and use the stored assets to cover the demand at high price. The ultimate goal of the decision maker is to cover the demands while minimizing the cost of buying assets from the market. We propose BatMan, an online algorithm for simple inventory models, and BatManRate, an extended version for the case with rate constraints. Both BatMan and BatManRate achieve optimal competitive ratios, meaning that no other online algorithm can achieve a better theoretical guarantee. To illustrate the results, we use the proposed algorithms to design and evaluate energy procurement and storage management strategies for data centers with a portfolio of energy sources including the electric grid, local renewable generation, and energy storage systems.

연구 동기 및 목표

• 불확실한 수요와 시간에 따라 변하는 전기 요금을 고려한 데이터 센터의 에너지 조달 비용을 최소화하는 데 도전한다.
• 현장 에너지 저장을 관리하여 고가격 기간에서 저가격 기간으로 소비를 이전시키는 온라인 알고리즘을 설계한다.
• 가장 악조건의 입력 시나리오 하에서도 최적의 이론적 성능 보장을 확보한다 (경쟁 비율).
• 가격 변동성과 재생 가능 에너지 비율이 다양한 실제 전력 시장에서 알고리즘 성능을 평가한다.
• 특히 역사적 패턴에 의존하는 기준 방법과 비교하여, 고도의 불확실성과 비정규적인 시장 역학 하에서도 제안된 알고리즘이 얼마나 견고한지 입증한다.

제안 방법

• 재고 제약 조건이 있는 온라인 선형 프로그래밍을 위한 온라인 알고리즘인 BatMan을 개발하며, 즉각적인 조달와 미래의 저장 결정을 균형 잡기 위해 이중 기반 접근법을 사용한다.
• 충전 및 방전에 대한 비율 제약 조건을 처리하기 위해 확장한 BatManRate를 도입하며, 용량 대비 유한한 전력 투과 능력을 갖춘 저장 시스템을 모델링한다.
• 수요 만족(커버링 제약 조건)과 재고 제약 조건(저장 용량 및 유량 균형)을 포함한 온라인 선형 프로그래밍 문제로 문제를 수립한다.
• 선형 프로그래밍의 이중 분석 프레임워크를 사용하여 경쟁 비율을 유도하며, BatMan과 BatManRate가 이론적으로 가능한 최고의 성능 보장을 달성함을 증명한다.
• NYISO, CAISO, DE 시장의 실제 전력 가격 및 수요 트레이스를 사용하여 알고리즘 성능을 시뮬레이션하고 평가한다.
• 충전/방전 속도를 용량으로 나눈 비율(ρ)을 사용하여 저장 비율 제약 조건을 정규화함으로써 다양한 저장 기술(예: 리튬이온, lead-acid, 플라이휠)에 대한 평가를 가능하게 한다.

실험 결과

연구 질문

• RQ1 불확실한 수요와 시간에 따라 변하는 시장 가격이 존재하는 상황에서 온라인 알고리즘이 최적의 경쟁 비율을 달성할 수 있는가?
• RQ2 재생 가능 에너지 비율이 높고 가격 역학이 비정규적인 상황에서 역사적 패턴에 기반한 온라인 알고리즘(예: PreDay)의 성능은 어떻게 저하되는가?
• RQ3 에너지 저장 시스템의 비율 제약 조건이 온라인 조달 알고리즘의 성능에 얼마나 큰 영향을 미치는가?
• RQ4 가격 불확실성 수준—시즌 및 지역에 따라 달라지는 변동성 지수 θ로 측정—은 온라인 알고리즘의 비용 비율에 어떤 영향을 미치는가?
• RQ5 비주기적이고 고변동성 가격 패턴을 보이는 시장에서 단일 알고리즘이 전문화된 방법보다 뛰어난 성능을 낼 수 있는가?

주요 결과

• BatMan는 온라인 최적해(OPT) 대비 연중 내내 1.21~1.23의 비용 비율을 달성하며, 이는 이론적으로 가능한 최고의 해보다 21~23% 더 많은 비용을 부담한다는 뜻이다.
• 50%의 재생 가능 에너지 비율이 존재하는 상황에서도 BatMan의 성능은 약간만 저하되며, 반면 PreDay의 성능은 크게 저하된다 (예: 비용 비율이 1.31에서 1.37로 증가), 이는 BatMan의 견고성을 입증한다.
• 변동성이 높은 시장인 NYISO와 CAISO에서는 BatMan이 PreDay보다 비용 절감 측면에서 10~15% 더 뛰어나며, 비용 비율은 각각 1.31과 1.35이며 PreDay는 각각 1.46와 1.63이다.
• 저변동성이고 일일 패턴을 보이는 시장인 프랑크푸르트(DE)에서는 PreDay가 역사적 패턴에 의존하므로 가장 잘 작동하지만, BatMan도 비용 비율 1.07을 기록하며 모든 지역 중에서 가장 경쟁력 있는 성능을 보였다.
• BatManRate의 성능은 저장 비율 대 용량 비율(ρ)이 높을수록 향상되며, 이는 더 제약이 적은 시스템(예: 리튬이온, ρ ≈ 0.35)이 알고리즘의 적응 전략에서 더 큰 이점을 얻음을 보여준다.
• 계절적 및 지역적 불확실성이 알고리즘 성능에 크게 영향을 미친다: 가장 불확실한 지역(로스앤젤레스)에서는 BatMan의 비용 비율이 1.47에 달하지만, 가장 불확실성이 낮은 지역(프랑크푸르트)에서는 1.07로 떨어진다.