[논문 리뷰] Probabilistic Forecast of Real-Time LMP and Network Congestion

Yuting Ji, Robert J. Thomas외 1명|arXiv (Cornell University)|2015. 03. 20.

Energy Load and Power Forecasting참고 문헌 17인용 수 7

한 줄 요약

이 논문은 다중매개변수 프로그래밍을 활용해 불확실성을 핵심 영역으로 분할하여 실시간 지역별 마진 가격(LMP)과 네트워크 혼잡도에 대한 확률적 예측 방법을 제안한다. 이는 대부분의 계산을 오프라인으로 이전함으로써 온라인 계산을 극도로 효율화한다. 10,000개의 샘플에 대해 온라인 계산 시간이 1분 이내로 단축되며, 몬테카를로 방법에 비해 수개의 주기 빠르게 작동한다. 이는 하중, 발전 및 장애 상황에 따른 LMP 분포를 정확하게 포착할 수 있음을 보여준다.

ABSTRACT

The short-term forecasting of real-time locational marginal price (LMP) and network congestion is considered from a system operator perspective. A new probabilistic forecasting technique is proposed based on a multiparametric programming formulation that partitions the uncertainty parameter space into critical regions from which the conditional probability distribution of the real-time LMP/congestion is obtained. The proposed method incorporates load/generation forecast, time varying operation constraints, and contingency models. By shifting the computation cost associated with multiparametric programs offline, the online computation cost is significantly reduced. An online simulation technique by generating critical regions dynamically is also proposed, which results in several orders of magnitude improvement in the computational cost over standard Monte Carlo methods.

연구 동기 및 목표

• 재생 가능 에너지 통합과 시스템 제약 조건으로 인한 높은 불확실성 하에서 단기 확률적 LMP 및 네트워크 혼잡도 예측의 과제를 해결한다.
• 점 예측의 한계를 극복하기 위해 위험 관리 및 의사결정 지원을 위한 LMP 및 혼잡도의 전체 조건부 확률 분포를 제공한다.
• 오프라인 계산 및 동적 핵심 영역 생성을 활용해 시스템 운영자가 LMP 및 혼잡도를 효율적으로 예측할 수 있도록 한다.
• 시간에 따라 변하는 시스템 제약 조건, 장애 모델, 선형 및 이차 발전 비용 함수를 모두 예측 프레임워크에 통합한다.
• 확률적 성분을 포함한 대규모 전력 시스템에서 실시간 구현에 적합한 확장성 있고 계산 효율성이 높은 방법을 개발한다.

제안 방법

• 불확실성 매개변수(예: 하중, 발전)를 최적 LMP 및 혼잡도 패tern으로 매핑하는 다중매개변수 프로그램(MPP)으로 DC 최적 전력 흐름(DC-OPF) 문제를 수식화한다.
• 불확실성 매개변수 공간을 핵심 영역으로 분할하여 각 영역이 고유한 최적 해 구조(활성 제약 조건, 쌍대 변수)를 가짐을 보장함으로써 조건부 LMP 분포의 해석적 계산을 가능하게 한다.
• 미래 하중 및 발전 실현값이 각 핵심 영역에 속할 확률을 계산하여 LMP 및 혼잡도의 전체 확률 예측을 유도한다.
• 핵심 영역 생성과 같은 대부분의 계산 부담을 오프라인으로 이전하여 온라인 계산 시간을 극적으로 감소시킨다.
• 한정된, 평균 집중형 확률 과정 기반으로 관련 영역만 생성하는 동적 핵심 영역 생성(DCRG) 알고리즘을 제안하여 포괄적 샘플링을 피한다.
• 시간에 따라 변화하는 제약 조건과 장애 모델을 MPP 프레임워크에 통합하여 실시간으로 변화하는 시스템 조건에 적응할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 하중, 발전 및 시스템 제약 조건의 불확실성 하에서 시스템 운영자가 실시간 LMP 및 혼잡도의 전체 확률 예측을 효율적으로 생성할 수 있는 방법은 무엇인가?
• RQ2 확률적 LMP 예측에서 오프라인 및 온라인 계산 간의 계산적 트레이드오프는 무엇이며, 실시간 구현을 위해 어떻게 최적화할 수 있는가?
• RQ3 다중매개변수 프로그래밍이 확률적 매개변수에 따른 LMP의 의존성을 모델링하면서도 확장성을 유지할 수 있는가?
• RQ4 동적 핵심 영역 생성은 기존 몬테카를로 샘플링에 비해 확률적 LMP 예측에서 계산 효율성을 어떻게 향상시키는가?
• RQ5 제안된 방법이 실시간 시스템 운영을 지원할 수 있도록 시간에 따라 변화하는 네트워크 제약 조건 및 장애 모델을 얼마나 잘 통합할 수 있는가?

주요 결과

• 제안된 오프라인 다중매개변수 프로그래밍(Alg-P) 방법은 10,000개 샘플에 대한 확률 예측을 위해 총 183.92초(오프라인 160.60초, 온라인 23.32초) 소요되었다.
• 동적 핵심 영역 생성(Alg-DCRG) 방법은 온라인 계산을 단 23.59초 내로 완료하여 표준 몬테카를로 방법 대비 온라인 비용을 크게 감소시켰다.
• 표준 몬테카를로 시뮬레이션(Alg-MC)은 동일한 10,000개 샘플에 대해 52,022.57초(14시간 이상)가 소요되어 실시간 응용에 부적합하다.
• 제안된 방법은 몬테카를로 방법 대비 온라인 계산 비용을 수개의 주기 빠르게 감소시켜 실시간 구현이 실질적으로 가능하게 하였다.
• 시간에 따라 변화하는 제약 조건, 장애 모델, 선형 및 이차 비용 함수를 성공적으로 통합하여 실용성과 적용 가능성을 향상시켰다.
• 이론적 분석을 통해 방법은 매개변수 해 구조를 통해 핵심 영역을 정확히 식별함으로써 확률 예측의 수학적 정확성을 보장한다.