[논문 리뷰] Optimal Battery Control Under Cycle Aging Mechanisms in Pay for Performance Settings

Yuanyuan Shi, Bolun Xu외 3명|arXiv (Cornell University)|2017. 09. 17.

Advanced Battery Technologies Research인용 수 7

한 줄 요약

이 논문은 순환 노화와 성과에 따른 보상 청구 제도의 징벌을 동시에 최적화하기 위해 볼록이고 전기화학적으로 정확한 레인플로우 순환 기반 노화 모델을 사용하는 온라인 배터리 제어 정책을 제안한다. 이 방법은 시간에 따라 변하지 않는 최적성 갭을 가지며, 근사 최적 성능를 달성하며, PJM 조정 시장에서 게으른 전략과 모델 예측 제어(MPC) 방법에 비해 운영 비용을 30% 이상 감소시키고 배터리 수명을 3–4배 연장시킨다.

ABSTRACT

We study the optimal control of battery energy storage under a general "pay-for-performance" setup such as providing frequency regulation and renewable integration. In these settings, batteries need to carefully balance the trade-off between following the instruction signals and their degradation costs in real-time. Existing battery control strategies either do not consider the uncertainty of future signals, or cannot accurately account for battery cycle aging mechanism during operation. In this work, we take a different approach to the optimal battery control problem. Instead of attacking the complexity of battery degradation function or the lack of future information one at a time, we address these two challenges together in a joint fashion. In particular, we present an electrochemically accurate and trackable battery degradation model called the rainflow cycle-based model. We prove the degradation cost is convex. Then we propose an online control policy with a simple threshold structure and show it achieve near-optimal performance with respect to an offline controller that has complete future information. We explicitly characterize the optimality gap and show it is independent to the duration of operation. Simulation results with both synthetic and real regulation traces are conducted to illustrate the theoretical results.

연구 동기 및 목표

• 실시간 성과에 따른 보상 청구 응용 분야(예: 주파수 조정)에서의 배터리 순환 노화와 향후 신호 정보 부족 문제를 동시에 해결하기 위해.
• 미래 신호 지식 없이도 노화 비용과 일치하지 않는 비용을 균형 잡는 제어 정책을 개발하기 위해.
• 계산적으로 다룰 수 있고 전기화학적으로 정확한 노화 모델을 개발하여 배터리 제어의 볼록 최적화를 가능하게 하기 위해.
• 기존의 게으른 전략과 모델 예측 제어(MPC) 전략에 비해 상당한 비용 절감과 수명 연장 효과를 입증하기 위해.
• 온라인 정책과 향후 정보를 완전히 알고 있는 오프라인 최적 제어기 사이의 성능 격차에 대한 이론적 경계를 설정하기 위해.

제안 방법

• 순환 노화 영향을 정확하게 기록하는 레인플로우 순환 기반 노화 모델을 도입하고, 이로 인한 노화 비용이 볼록임을 증명한다.
• 예측된 순환 깊이에 따라 동적으로 충전/방전 속도를 제한하는 단순한 임계값 구조를 가진 온라인 제어 정책을 개발한다.
• 배터리 제어 문제를 제약 조건이 있는 온라인 확률적 제어 문제로 공식화하기 위해 볼록 최적화 프레임워크를 사용한다.
• 제안된 온라인 정책과 향후 정보를 완전히 알고 있는 오프라인 제어기 사이의 최악의 경우 최적성 갭이 시간에 따라 변하지 않음을 유도한다.
• 모델 예측 제어(MPC)를 사용하여 향후 정보를 완전히 예측할 수 있는 성능 기준을 설정하지만, 신호의 예측 불가능성으로 인해 현실적으로 구현하기 어려운 점을 인정한다.
• PJM 시장의 합성 및 실제 조정 트레이서(역사적 RegD 신호 포함)를 사용하여 방법을 검증한다.

실험 결과

연구 질문

• RQ1 배터리 순환 노화와 향후 신호 정보 부족 문제를 동시에 다루는 것이 계산적으로 다룰 수 있고 근사 최적의 온라인 제어 정책을 도출할 수 있는가?
• RQ2 레인플로우 순환 기반 노화 모델이 효율적인 최적화를 가능하게 하는 볼록 비용 함수를 제공하는가?
• RQ3 향후 정보를 완전히 알고 있는 오프라인 최적 제어기와 온라인 정책 사이의 이론적 성능 격차는 얼마인가?
• RQ4 실제 시장 조건 하에서 제안된 정책이 게으른 전략과 MPC 기반 제어기와 비교해 비용과 배터리 수명 측면에서 어떻게 성능을 내는가?
• RQ5 제안된 방법이 성과에 따른 보상 청구 응용 분야에서 운영 비용을 상당히 줄이고 수명을 연장시킬 수 있는가?

주요 결과

• 제안된 온라인 제어 정책은 일반적인 PJM 조정 시장의 징벌 가격 조건에서 게으른 전략과 MPC 기반 제어기 대비 운영 비용을 30% 이상 감소시킨다.
• 게으른 제어기 대비 수명이 3–4배 연장되고, 순환 깊이가 감소함에 따라 MPC 제어기보다도 훨씬 더 긴 수명을 기록한다.
• 제안된 온라인 정책과 오프라인 최적 제어기 사이의 최적성 갭은 유한하며 운영 기간과 무관하게 일정하다.
• 레인플로우 순환 기반 노화 모델은 순환 노화를 정확히 기록하고 볼록 최적화를 가능하게 하여 제어 문제의 계산 가능성을 확보한다.
• 불완전한 향후 신호 예측(예: 60단계 예측 수준) 조건에서도 MPC 기반 방법은 순환 깊이를 과소 평가하고 과도하게 공격적인 제어 행동을 취함으로써 성능이 열 劣한다.
• 일부 시장 상황에서는 제안된 정책이 엄밀히 최적의 성능을 보이며, 다양한 징벌 가격 수준에서도 근사 최적의 성능을 유지한다.