[논문 리뷰] Risk-Aware Objective-Based Forecasting in Inertia Management

Haipeng Zhang, Ran Li외 4명|arXiv (Cornell University)|2023. 03. 21.

Energy Load and Power Forecasting인용 수 4

한 줄 요약

이 논문은 의사결정자들의 위험 선호도를 명시적으로 고려하는 위험 인지 기반의 목표 기반 예측 프레임워크를 제안한다. 확률적 및 강건 최적화와의 등가성 관계를 수립함으로써, 계산 비용의 일부에 불과한 비용으로 근사적으로 확률적 최적화 성능를 달성하며, 실 운영 데이터를 사용한 영국 2030 전력망 모델을 통해 검증되었다.

ABSTRACT

The objective-based forecasting considers the asymmetric and non-linear impacts of forecasting errors on decision objectives, thus improving the effectiveness of its downstream decision-making process. However, existing objective-based forecasting methods are risk-neutral and not suitable for tasks like power system inertia management and unit commitment, of which decision-makers are usually biased toward risk aversion in practice. To tackle this problem, this paper proposes a generic risk-aware objective-based forecasting method. It enables decision-makers to customize their forecasting with different risk preferences. The equivalence between the proposed method and optimization under uncertainty (stochastic/robust optimization) is established for the first time. Case studies are carried out on a Great Britain 2030 power system with system operational data from National Grid. The results show that the proposed model with deterministic optimization can approximate the performance of stochastic programming or robust optimization at only a fraction of their computational cost.

연구 동기 및 목표

• 기존의 목표 기반 예측 방법은 위험 중립적이라서 관성 관리나 단위 할당과 같은 위험 회피적 응용에 부적합하다는 한계를 해결하기 위해.
• 의사결정자가 자신의 특정 위험 선호도에 맞게 예측 모델을 맞춤 설정할 수 있도록 하기 위해.
• 제안된 위험 인지 기반 예측 프레임워크와 불확실성 하의 최적화(확률적/강건 최적화) 간의 공식적 등가성을 수립하기 위해.
• 제안된 방법을 사용한 결정론적 최적화가 계산 비용이 높은 확률적 또는 강건 프로그래밍의 성능을 근사적으로 잘 모방할 수 있음을 보여주기 위해.

제안 방법

• 의사결정자의 위험 선호도를 반영하기 위해 비대칭적이고 비선형적인 오차 페널티를 가진 맞춤형 손실 함수를 포함하는 위험 인지 목표 함수를 도입한다.
• 예측 문제를 결정 목적에서 유도된 가중치가 부여된 손실 함수를 통해 위험 선호도를 통합한 결정론적 최적화 문제로 공식화한다.
• 특정 조건 하에서 제안된 위험 인지 기반 예측과 확률적/강건 최적화 간 이론적 등가성을 수립함으로써 성능 보장을 가능하게 한다.
• 국립 그리드(Great Britain 2030)의 역사적 시스템 운영 데이터를 활용하여 예측 모델을 校정하고 검증한다.
• 다양한 결정 목적과 위험 프로파일에 적응할 수 있는 일반적인 최적화 구조를 활용한다.
• 샘플링 기반 또는 시나리오 기반 접근 방식을 사용하지 않아 계산이 매우 효율적이다.

실험 결과

연구 질문

• RQ1 위험 인지 기반의 목표 기반 예측 프레임워크는 위험 중립적 접근 방식에 비해 전력망 관성 관리의 의사결정을 향상시킬 수 있는가?
• RQ2 불확실성 하에서 제안된 방법은 확률적 및 강건 최적화와 비교해 성능가 어떻게 되는가?
• RQ3 결정론적 최적화가 관성 관리에서 확률적 또는 강건 프로그래밍의 성능을 어느 정도 근사할 수 있는가?
• RQ4 예측 목표에 위험 선호도를 통합할 경우 계산 효율성과 해의 품질에 어떤 영향을 미치는가?
• RQ5 제안된 위험 인지 기반 예측과 불확실성 하의 최적화 간 이론적 관계는 무엇인가?

주요 결과

• 제안된 위험 인지 기반 예측 방법은 계산 비용을 크게 줄였음에도 불구하고, 관성 관리 과제에서 확률적 프로그래밍 수준의 성능를 달성한다.
• 이 방법은 강건 최적화의 해 품질을 근사함과 동시에 계산 자원의 일부에 불과한 자원 소모로만 이루어진다.
• 영국 2030 전력망에 대한 사례 연구는 결정론적 공식화가 더 복잡한 확률적 및 강건 최적화 모델의 결과를 근사적으로 잘 따라간다는 것을 보여준다.
• 이번 연구에서 처음으로 제안된 방법과 불확실성 하의 최적화 간의 등가성이 공식적으로 수립되었으며, 이는 이론적 기반을 제공한다.
• 이 프레임워크는 사용자 맞춤형 위험 선호도를 가능하게 하여 의사결정자가 자신의 위험 회피 수준에 맞게 예측을 조정할 수 있도록 한다.
• 결과는 예측 목표에 위험 선호도를 통합할 경우 실제 전력망 운영에서 더 신뢰성 있고 실용적인 의사결정 결과를 도출할 수 있음을 확인한다.