[논문 리뷰] Stochastic EMS for Optimal 24/7 Carbon-Free Energy Operations

Natanon Tongamrak, Kannapha Amaruchkul외 2명|arXiv (Cornell University)|2026. 01. 21.

Integrated Energy Systems Optimization인용 수 0

한 줄 요약

이 논문은 재발생-호라이즌 제어를 포함한 두 단계 확률적 최적화 프레임워크를 제시하여 태국에서 24/7 탄소-제로 에너지 목표를 15분 해상도로 운영하고 예측 및 배터리 저장을 통합하여 에너지를 조달한다.

ABSTRACT

This paper proposes a two-stage stochastic optimization formulation to determine optimal operation and procurement plans for achieving a 24/7 carbon-free energy (CFE) compliance at minimized cost. The system in consideration follows primary energy technologies in Thailand including solar power, battery storage, and a diverse portfolio of renewable and carbon-based energy procurement sources. Unlike existing literature focused on long-term planning, this study addresses near real-time operations using a 15-minute resolution. A novel feature of the formulation is the explicit treatment of CFE compliance as a model parameter, enabling flexible targets such as a minimum percentage of hourly matching or a required number of carbon-free days within a multi-day horizon. The mixed-integer linear programming formulation accounts for uncertainties in load and solar generation by integrating deep learning-based forecasting within a receding horizon framework. By optimizing battery profiles and multi-source procurement simultaneously, the proposed system provides a feasible pathway for transitioning to carbon-free operations in emerging energy markets.

연구 동기 및 목표

• 24/7 탄소-제로 에너지(CFE) 준수를 연간 재생에너지 매칭이 아니라 유연한 시점 단위 목표로 촉진한다.
• 다일-일 수평선에서 사용자가 정의한 CFE 목표를 달성하며 비용을 최소화하는 2단계 확률적 최적화를 개발한다.
• 리시딩-호라이즌 프레임워크 내에서 배터리 저장, 다양한 에너지 조달 소스 및 시장 상호 작용을 통합한다.
• 일일 계획과 시나리오 기반 조정을 포함한 15분 디스패치를 통해 거의 실시간 운전을 가능하게 한다.

제안 방법

• 일일 CFE 준수 목표하에서 순 조달 비용을 최소화하기 위해 2단계 확률적 MILP(F-CFE)를 정식화한다.
• D일 선행 계획을 계산하고 매일 실행하는 리시딩-호라이즌(MPC) 롤링 EMS를 사용한다.
• 7일 선행 horizons를 갖춘 P_load 및 P_renew에 대해 딥러닝 모델(LightGBM, LSTM, Neural Prophet)을 통한 예측을 통합한다.
• 다일-일 간 horizons의 탄소-자유 슬롯 비율로 준수를 정의하고 CF 시간의 백분율 또는 CF 일수 등의 유연한 targets를 허용한다.
• 그린/논-그린 상태를 포함한 다중 소스의 친환경 에너지 조달, 배터리 충전/방전 및 에너지 수출 제약을 모델링한다.
• cvxpy와 Gurobi로 MILP를 해 풀고 DA(일자예측) 및 RT(실시간) 단계에서 시나리오 기반 조정으로 계획을 전파한다.

실험 결과

연구 질문

• RQ1 단기 불확실성 하에서 최소 비용으로 24/7 탄소-제로 에너지 준수를 어떻게 달성할 수 있는가?
• RQ2 15분의 거의 실시간 프레임워크에서 명시적 CFE 준수 수준과 총 운용 비용의 트레이드오프는 무엇인가?
• RQ3 리롤-리시딩-호라이즌 EMS가 예측, 저장 및 다중 소스 조달을 통합하여 CFE 목표를 달성할 수 있는가?
• RQ4 유연한 CF 일 선택이 계획의 실현 가능성과 경제성에 어떤 영향을 미치는가?
• RQ5 시나리오 기반 불확실성의 통합이 DA 결정 및 RT 조정에 어떤 영향을 미치는가?

주요 결과

• 제안된 프레임워크는 다일 간 horizon 내에서 CF 일을 선택하고 CF 슬롯을 최적화하여 명시적으로 CFE 준수를 달성할 수 있다.
• 15분 디스패치와 DA/RT 단계를 갖춘 롤링 F-CFE EMS는 예측을 통합하여 부하 및 태양광 발전의 불확실성을 관리할 수 있다.
• 예측 모델(LightGBM, LSTM, Neural Prophet)은 7일간의 부하 정확도 및 태양광 방사 예측 성능에서 LightGBM이 최적의 성능을 보이며 조달 결정에 가이드를 준다.
• 확률적 F-CFE 수식은 시나리오 실현에 따른 친환경 에너지 예산의 실현 가능성 문제와 불확실성 인식 계획의 비용 이점을 강조한다.
• 연구는 배터리 프로필과 다중 소스 조달의 결합으로 태국의 에너지 맥락에서 24/7 CFE에 다가갈 수 있는 가능성을 보여준다.