[논문 리뷰] Operational Valuation for Energy Storage under Multi-stage Price Uncertainties

Bolun Xu, Audun Botterud외 1명|arXiv (Cornell University)|2019. 10. 21.

Smart Grid Energy Management참고 문헌 19인용 수 4

한 줄 요약

이 논문은 시나리오 샘플링 대신 가격 분포 함수를 직접 사용하여 다단계 전력 가격 불확실성 하에서 에너지 저장소의 가치를 분석적이고 계산적으로 효율적으로 평가하는 방법을 제안한다. 이는 가격 폭등과 음수 가격과 같은 꼬리 사건을 정확하게 포착하면서도, SDDP보다 최대 100,000배 빠른 실시간 계산을 가능하게 하여 저장소 운영자에게 실시간 평가를 가능하게 한다.

ABSTRACT

This paper presents an analytical method for calculating the operational value of an energy storage device under multi-stage price uncertainties. Our solution calculates the storage value function from price distribution functions directly instead of sampling discrete scenarios, offering improved modeling accuracy over tail distribution events such as price spikes and negative prices. The analytical algorithm offers very high computational efficiency in solving multi-stage stochastic programming for energy storage and can easily be implemented within any software and hardware platform, while numerical simulation results show the proposed method is up to 100,000 times faster than a benchmark stochastic-dual dynamic programming solver even in small test cases. Case studies are included to demonstrate the impact of price variability on the valuation results, and a battery charging example using historical prices for New York City.

연구 동기 및 목표

• 다단계 가격 불확실성, 특히 가격 폭등과 음수 가격과 같은 극단적 사건을 고려한 고속이고 정확한 에너지 저장소 평가 방법을 개발하기 위해.
• 꼬리 분포 모델링에 어려움을 겪고 고도의 계산 복잡도를 유발하는 시나리오 기반 확률적 프로그래밍 방법의 한계를 극복하기 위해.
• 계산 오버헤드와 하드웨어 요구 사항을 최소화하여 실시간, 장치 내 평가를 가능하게 하기 위해.
• 실제 뉴욕 시티 전력 가격 데이터를 사용하여 SDDP와 같은 벤치마크 솔버와의 비교를 통해 제안된 방법의 우수성을 입증하기 위해.
• 부정확한 가격 예측 하에서 실시간 가치 계산을 통해 에너지 저장소 참가자가 최적의 운영 결정을 내릴 수 있도록 지원하기 위해.

제안 방법

• 에너지 저장소의 가격 차익 거래를 비예측적 정책을 갖는 확률적 최적 제어 문제로 공식화하여, 알려진 가격 분포 하에서 기대 수익을 최대화한다.
• 시나리오 이산화를 피하기 위해 향후 가격의 누적분포함수와 다음 단계의 가치 함수로부터 분석적으로 저장소 가치 함수를 계산한다.
• 선형 시간과 일정한 공간에서 작동하는 후진 순환을 사용하여 수백 개의 예측 기간 동안 거의 즉각적인 계산을 가능하게 한다.
• 각 단계에서 독립적인 확률 분포(예: 표준편차가 다른 정규분포)를 사용하여 가격 불확실성을 모델링하고, 직접적으로 꼬리 행동을 통합한다.
• 실시간 및 당일 전망 가격과 역사적 편향 분포를 통합하여 불확실성을 모델링하고, 뉴욕 ISO 데이터셋을 사용하여 검증한다.
• 알고리즘은 기본 산술 및 논리 연산만을 사용하므로 저자원 하드웨어 및 소프트웨어 플랫폼에 배포 가능하다.

실험 결과

연구 질문

• RQ1 희귀하지만 영향력 있는 사건(예: 가격 폭등, 음수 가격)이 있는 다단계 가격 불확실성 하에서 에너지 저장소 가치를 효율적이고 정확하게 계산하는 방법은 무엇인가?
• RQ2 SDDP와 같은 시나리오 기반 확률적 프로그래밍 방법에 비해 분석적 분포 기반 평가의 계산적 우위는 무엇인가?
• RQ3 다양한 표준편차로 모델링된 가격 변동성은 에너지 저장소의 운영 가치에 어떤 영향을 미치는가?
• RQ4 제안된 방법은 실제 가격 데이터를 사용한 실세계 응용에서 일일 전망 가격 기반 히وري스틱 벤치마크를 능가할 수 있는가?
• RQ5 최소한의 계산 오버헤드로 분산형 에너지 저장 시스템에서 실시간 의사결정에 얼마나 널리 활용될 수 있는가?

주요 결과

• 제안된 방법은 선형 시간과 일정한 공간 복잡도 덕분에 소규모 테스트 케이스에서도 벤치마크인 SDDP보다 최대 100,000배 빠르며, 이는 실시간 계산을 가능하게 한다.
• 시나리오 샘플링 대신 분포 함수를 직접 사용함으로써 가격 폭등과 음수 가격과 같은 꼬리 사건에 대해 더 높은 모델링 정확도를 달성한다.
• 가격 불확실성이 증가할수록 저장소 가치의 범위가 넓어진다 — 예를 들어 표준편차가 10, 30, 50일 때, 마진 가치의 범위가 크게 확장되며, 이는 더 높은 차익 잠재력 반영이다.
• 뉴욕 시티 가격 데이터를 사용한 실세계 사례 연구에서, 분포 기반 평가 방법은 100kW/200kWh 배터리를 10%에서 90% 충전할 경우 4달러의 수익을 창출했으며, 일일 전망 가격 히وري스틱(2달러)을 능가했지만, 완벽한 정보 기반 실시간 기준(8달러)에는 미치지 못했다.
• 이 방법은 즉각적인 가치 계산을 가능하게 하여 저비용 하드웨어에 실시간 구현에 적합하며, SDDP와 달리 고해상도 시장(예: 5분 시장)에서는 계산이 불가능해지는 문제를 해결한다.
• 이 프레임워크는 시간 간격에 따른 가격 변동성과 불확실성을 성공적으로 포착하여, 다양한 충전 상태와 예측 기간에 걸쳐 뛰어난 안정성을 보였다.