[논문 리뷰] Simulating Tariff Impact in Electrical Energy Consumption Profiles with Conditional Variational Autoencoders

Margaux Brégère, Ricardo J. Bessa|arXiv (Cornell University)|2020. 06. 10.

Smart Grid Energy Management참고 문헌 51인용 수 19

한 줄 요약

이 논문은 기후 및 일정 변수를 고려하여 다양한 요금 체계 하에서 가정의 전기 소비 프로파일을 시뮬레이션하기 위해 조건부 변동 자동차오더(CVAE) 기반 방법을 제안한다. 반정적 모델과 달리 CVAE는 소비가 요금 변화 이전 또는 이후에 이동하는 비선형 반동 효과 및 부작용을 포착할 수 있으며, 가격 반응성에 따라 다른 소비자 군집에 대해 현실적인 사전 평가를 가능하게 한다. 이는 수요 반응 정책의 실현 가능성을 검토하는 데 기여한다.

ABSTRACT

The implementation of efficient demand response (DR) programs for household electricity consumption would benefit from data-driven methods capable of simulating the impact of different tariffs schemes. This paper proposes a novel method based on conditional variational autoencoders (CVAE) to generate, from an electricity tariff profile combined with exogenous weather and calendar variables, daily consumption profiles of consumers segmented in different clusters. First, a large set of consumers is gathered into clusters according to their consumption behavior and price-responsiveness. The clustering method is based on a causality model that measures the effect of a specific tariff on the consumption level. Then, daily electrical energy consumption profiles are generated for each cluster with CVAE. This non-parametric approach is compared to a semi-parametric data generator based on generalized additive models and that uses prior knowledge of energy consumption. Experiments in a publicly available data set show that, the proposed method presents comparable performance to the semi-parametric one when it comes to generating the average value of the original data. The main contribution from this new method is the capacity to reproduce rebound and side effects in the generated consumption profiles. Indeed, the application of a special electricity tariff over a time window may also affect consumption outside this time window. Another contribution is that the clustering approach segments consumers according to their daily consumption profile and elasticity to tariff changes. These two results combined are very relevant for an ex-ante testing of future DR policies by system operators, retailers and energy regulators.

연구 동기 및 목표

• 다양한 요금 체계 하에서 가정의 전기 소비 프로파일을 시뮬레이션하기 위한 데이터 기반 비모수적 방법을 개발하기 위해.
• 요금, 기후, 일정 변수에 조건부로 소비 데이터를 생성함으로써 수요 반응(DR) 정책의 사전 평가를 가능하게 하기 위해.
• 요금에 대한 반응성에 따라 소비자를 군집화하기 위해 인과관계 모델을 사용하여 개인화된 DR 신호 설계를 가능하게 하기 위해.
• 반정적 모델이 소비 행동에서 반동 효과 및 부작용과 같은 시간적 영향을 전이 효과를 포착하지 못하는 한계를 극복하기 위해.
• 에너지 규제기관, 도매상, 시스템 운영자들이 향후 DR 프로그램을 테스트할 수 있도록 재현 가능한 오픈소스 시뮬레이션 프레임워크를 제공하기 위해.

제안 방법

• 소비 패턴과 요금 변화에 대한 반응성에 기반해 소비자 가정을 k개의 군집(C₁,…,Cₖ)으로 분류하는 인과관계 모델을 사용하여, 요금이 소비에 미치는 인과적 영향을 정량화한다.
• 조건부 변동 자동차오더(CVAE)는 입력 변수 x(요금 p, 기후, 일정 유형 w)에 조건부로 매일 반시계기 소비 프로파일 Y를 생성하도록 훈련되며, 차원 d의 잠재공간 Z를 갖는다.
• CVAE 디코더는 잠재변수 Z와 조건부 입력(p, w, κ)을 통해 Y에 대한 분포를 생성함으로써 복잡한 비선형 의존성을 모델링한다.
• 모델은 영국 파워 네트워크의 공개 데이터셋을 사용하여 훈련되며, 관측된 소비의 로그우도 하한을 최대화하기 위해 변동 추론 목적함수를 사용한다.
• CVAE 기반 생성기는 일반화된 가산 모델(GAMs)에 기반한 반정적 모델과 비교 평가되며, 이는 에너지 소비 행동에 대한 사전 지식을 활용한다.
• 모델은 훈련 데이터 분포 외부의 입력이더라도 훈련된 요금 프로파일에 대해 조건부 소비 프로파일 생성을 지원하지만, 일반화 능력은 제한되어 있다.

실험 결과

연구 질문

• RQ1 CVAE 기반 생성기는 훈련 중에 직접 관측되지 않은 요금 체계 하에서도 가정의 전기 소비 프로파일을 정확하게 시뮬레이션할 수 있는가?
• RQ2 반정적 모델과 비교해 CVAE 모델은 요금 변화 이전 또는 이후에 소비가 이동하는 반동 효과 및 부작용을 얼마나 잘 포착하는가?
• RQ3 요금에 대한 반응성에 기반한 소비자 군집화가 생성된 소비 프로파일의 현실성과 다양성에 얼마나 기여하는가?
• RQ4 비모수적 CVAE 접근법이 원본 데이터의 평균 소비 값을 재현하는 데 반정적 모델과 비교해 우수하거나 동등한 성능을 보이는가?
• RQ5 소비자 군집 간의 가격 가소성과 행동 패턴의 차이에 따라 모델의 성능은 어떻게 변화하는가?

주요 결과

• CVAE 기반 생성기는 원본 데이터의 평균 소비 값을 재현하는 데 반정적 벤치마크와 유사한 성능을 달성한다.
• CVAE 모델은 반동 효과(예: 저녁에 고가 요금이 적용될 경우 오후 소비가 증가하는 현상)와 부작용(요금 창구 이전 및 이후에 소비 변화가 지속되는 현상)을 성공적으로 포착한다.
• 반정적 모델이 요금 변화가 정확히 발생하는 반시계기 동안에만 소비에 영향을 미치는 데 비해, CVAE 모델은 시간에 걸친 영향 전이 효과를 감지하고 재현하여 실제 소비자 행동을 반영한다.
• 군집화 방법은 소비자의 요금 반응성에 따라 효과적으로 소비자를 분류하며, 군집 간에 반동 및 부작용의 크기 차이를 관찰할 수 있다.
• 희귀하거나 관측되지 않은 요금 입력(예: 하루 종일 고가 요금)이 주어졌을 때 CVAE 생성기는 직관에 어긋나는 소비 프로파일을 생성함으로써 훈련 분포 외부에서의 일반화 능력이 제한되어 있음을 시사한다.
• 반정적 모델은 하루 종일 고가 요금이 적용될 경우 비현실적으로 낮은 소비를 생성함으로써 물리적 및 행동적 에너지 사용의 한계를 모델링하지 못함을 시사한다.