[논문 리뷰] Scenario-based Optimization Models for Power Grid Resilience to Extreme Flooding Events

Ashutosh Shukla, Erhan Kutanoğlu외 1명|arXiv (Cornell University)|2023. 02. 21.

Flood Risk Assessment and Management인용 수 4

한 줄 요약

이 논문은 허리케인으로 인한 극단적인 홍수에 대비한 전력망 복원력 향상을 위해 확률적 및 강건성 최적화 모델을 제안한다. 수문학적 홍수 예측과 DC 전력 흐름 모델을 통합함으로써, 불확실성 하에서 최적의 변전소 강화 전략을 도출하며, 평균 예측 방법에 비해 부하 차단을 크게 줄인다. 특히 투자 예산이 높거나 시나리오 확률이 불확실할 경우에 효과가 뚜렷하다.

ABSTRACT

We propose two scenario-based optimization models for power grid resilience decision making that integrate output from a hydrology model with a power flow model. The models are used to identify an optimal substation hardening strategy against potential flooding from storms for a given investment budget, which if implemented enhances the resilience of the power grid, minimizing the power demand that is shed. The same models can alternatively be used to determine the optimal budget that should be allocated for substation hardening when long-term forecasts of storm frequency and impact (specifically restoration times) are available. The two optimization models differ in terms of capturing risk attitude: one minimizes the average load shed for given scenario probabilities and the other minimizes the worst-case load shed without needing scenario probabilities. To demonstrate the efficacy of the proposed models, we further develop a case study for the Texas Gulf Coast using storm surge maps developed by the National Oceanic and Atmospheric Administration and a synthetic power grid for the state of Texas developed as part of an ARPA-E project. For a reasonable choice of parameters, we show that a scenario-based representation of uncertainty can offer a significant improvement in minimizing load shed as compared to using point estimates or average flood values. We further show that when the available investment budget is relatively high, solutions that minimize the worst-case load shed can offer several advantages as compared to solutions obtained from minimizing the average load shed. Lastly, we show that even for relatively low values of load loss and short post-hurricane power restoration times, it is optimal to make significant investments in substation hardening to deal with the storm surge considered in the NOAA flood scenarios.

연구 동기 및 목표

• 허리케인으로 인한 홍수로 인한 전력망에 대한 점점 증가하는 위협에 대응하며, 특히 텍사스와 같은 취약한 해안 지역을 대상으로 한다.
• 태풍 tidal 셰르 홍수 수위의 불확실성과 그가 변전소 운영에 미치는 영향을 고려한 의사결정 지원 모델을 개발한다.
• 부족한 투자 예산 하에서 극단적인 홍수 시나리오 동안 부하 차단을 최소화할 수 있는 실행 가능한 변전소 강화 전략을 제공한다.
• 장기적인 태풍 빈도 및 복구 시간 예측을 활용하여, 전력회사가 변전소 강화에 최적의 투자 예산을 결정할 수 있도록 한다.
• 다양한 위험 선호도를 고려한 의사결정 지원을 위해, 기대 성능을 최소화하는 확률적(예상 성능)과 최악의 경우 성능을 최소화하는 강건성 최적화 접근 방식을 비교한다.

제안 방법

• NOAA의 물리 기반 태풍 tidal 셰르 홍수 모델 출력 결과를 텍사스 전력망에 대한 합성 DC 최적 전력 흐름 모델과 통합한다.
• 홍수 예측에서 유도된 시나리오 확률을 사용하여 기대 부하 차단을 최소화하는 이중 단계 확률적 최적화(SO) 모델을 수립한다.
• 시나리오 확률이 필요 없이 최악의 부하 차단을 최소화하는 이중 단계 강건 최적화(RO) 모델을 개발한다.
• 역사적 및 모의 홍수 범위를 기반으로 한 시나리오 생성을 통해 변전소 전역의 태풍 tidal 셰르 수위에 대한 불확실성을 표현한다.
• NOAA 태풍 tidal 셰르 지도와 ARPA-E 프로젝트에서 유래한 합성 전력망을 기반으로 한 100개의 홍수 시나리오를 사용해 텍사스 만 해안 지역에 대한 사례 연구를 수행한다.
• 모델 성능 평가를 위해 시나리오 간 부하 차단 비교 분석, 예산 민감도 분석, 다양한 불확실성 가정 하에서의 강건성 분석을 수행한다.

Figure 1: A schematic representation of the decision-making framework for the proposed models

실험 결과

연구 질문

• RQ1 부하 차단을 최소화하는 데 있어, 평균 또는 점 추정치를 사용하는 것과 비교해 시나리오 기반의 홍수 불확실성 표현 방식은 어떤가?
• RQ2 다양한 예산 수준에서 기대 부하 차단을 최소화하는 것(확률적 모델)과 최악의 경우 부하 차단을 최소화하는 것(강건 모델) 사이의 상호 교환 관계는 어떠한가?
• RQ3 장기적인 태풍 빈도와 복구 시간을 고려할 때, 변전소 강화에 최적의 투자 규모는 얼마인가?
• RQ4 정밀한 물리 기반 홍수 지도를 사용하는 것과 간단한 시나리오 생성 방법을 사용하는 것 간의 복원력 계획에서의 가치는 무엇인가?
• RQ5 최악의 성능과 기대 성능 모두에서 강건 최적화 접근 방식이 확률적 접근 방식을 능가하는 조건은 무엇인가?

주요 결과

• 시나리오 기반의 불확실성 표현 방식을 사용할 경우, 특히 고영향 시나리오에서 평균 예측 방법에 비해 기대 부하 차단이 크게 감소한다.
• 4000만 달러 이상의 투자 예산을 확보한 경우, 강건 최적화 솔루션은 최악의 부하 차단에서 확률적 솔루션을 능가하며 기대 성능도 경쟁 가능하다.
• 낮은 부하 손실과 짧은 복구 시간 조건에서도, 태풍 tidal 셰르 영향을 완화하기 위해 상당한 변전소 강화 투자가 최적의 전략이다.
• 강건 최적화 모델은 모든 시나리오에서 안정적인 성능을 보이며, 부하 차단의 변동성이 최소화되어 있어 시나리오 확률이 불확실하거나 변동성이 클 경우에 더 바람직하다.
• 두 모델을 함께 사용함으로써, 불완전한 홍수 예측과 거의 완벽한 홍수 예측 조건 하에서의 기대 성능를 비교함으로써 '완벽한 정보의 가치'를 평가할 수 있다.
• NOAA 기반 홍수 지도와 전력 흐름 모델링을 통합함으로써, 히وري스틱 또는 단순화된 홍수 시나리오 방법보다 더 정확하고 실행 가능한 복원력 계획이 가능해진다.

Figure 2: An example permanent hardening structure at a substation