[논문 리뷰] Synthetic Generation of Solar States for Smart Grid: A Multiple Segment Markov Chain Apptoach

Wayes Tushar, Shisheng Huang외 4명|arXiv (Cornell University)|2014. 07. 18.

Electric Vehicles and Infrastructure참고 문헌 18인용 수 7

한 줄 요약

이 논문은 스마트 그리드 응용을 위한 합성 태양 복사 빛 상태를 생성하기 위해 하루를 전이 확률이 상이한 시간 간격으로 분할하는 다중 세그먼트 1차 마르코프 체인 모델을 제안한다. 이 모델은 실제 태양 상태 동역학을 정확히 재현하며, 여름 기준 표준편차 1.2787, 겨울 기준 0.88을 기록하여 실제 데이터(1.3077 및 1.03)와 유사한 성능을 보이며, 둘 다 뛰어난 성능을 입증한다.

ABSTRACT

The use of photovoltaic (PV) sources is becoming very popular in smart grid for their ecological benefits, with higher scalability and utilization for local generation and delivery. PV can also potentially avoid the energy losses that are normally associated with long-range grid distribution. The increased penetration of solar panels, however, has introduced a need for solar energy models that are capable of producing realistic synthetic data with small error margins. Such models, for instance, can be used to design the appropriate size of energy storage devices or to determine the maximum charging rate of a PV-powered electric vehicle (EV) charging station. In this regard, this paper proposes a stochastic model for solar generation using a Markov chain approach. Based on real data, it is first shown that the solar states are inter-dependent, and thus suitable for modeling using a Markov model. Then, the probabilities of transition between states are shown to be heterogeneous over different time segments. A model is proposed that captures the inter temporal dependency of solar irradiance through segmentation of the Markov chain across different times of the day. In the studied model, different state transition matrices are constructed for different time segments, which the proposed algorithm then uses to generate the solar states for different times of the day. Numerical examples are provided to show the effectiveness of the proposed synthetic generator.

연구 동기 및 목표

• 스마트 그리드 기획 및 에너지 관리 지원을 위해 정확한 합성 태양 복사 빛 데이터가 필요로 하는 문제를 해결하기 위해.
• 하루 동안 변화하는 태양 상태 간 상호의존성을 모델링하기 위해, 이는 하루 종일 동질적이지 않기 때문이다.
• 전기차 충전 및 에너지 저장소 규모 설정과 같은 응용 분야에서 태양 에너지 가용성을 현실적으로 시뮬레이션할 수 있는 확률적 생성기를 개발하기 위해.
• 시간을 분할하여 이질적인 전이 확률을 포착함으로써 기존의 단일 마르코프 모델에 비해 개선된 성능을 내기 위해.
• 콜로라도에서 확보한 실제 태양 복사 빛 데이터를 사용하여 모델의 효과성을 검증하기 위해.

제안 방법

• 에너지 생성 잠재력에 기반해 태양 복사 빛을 네 가지 이산 상태로 분류한다: 저수준, 중수준, 고수준, 매우 고수준.
• 비정상적인 전이 확률을 반영하기 위해 하루를 시간 간격(예: 오전 4시 30분–오전 10시 30분, 오전 10시 30분–오후 1시 30분 등)으로 분할한다.
• 실제 역사적 데이터를 사용하여 각 시간 간격에 대해 별도의 1차 마르코프 체인 전이 행렬을 계산한다.
• 시간에 따라 특화된 전이 행렬에서 샘플링하여 합성 태양 상태를 생성하는 상태 전이 알고리즘을 설계한다.
• 실제 콜로라도 태양 복사 빛 데이터를 사용하여 여름과 겨울의 관측된 태양 상태와 합성 시퀀스를 비교함으로써 모델을 검증한다.
• 합성 데이터가 실제 데이터와 유사한지를 평가하기 위해 표준편차와 같은 통계적 지표를 사용한다.

실험 결과

연구 질문

• RQ1 마르코프 체인 모델은 하루 동안 다양한 시간대에서 태양 복사 빛 상태의 시간적 의존성을 효과적으로 포착할 수 있는가?
• RQ2 태양 상태 간 전이 확률은 다양한 시간 세그먼트에서 어떻게 변화하는가? 그리고 세그먼트 분할이 모델 정확도를 향상시킬 수 있는가?
• RQ3 다중 세그먼트 마르코프 체인은 여름과 겨울 조건 모두에서 실제 태양 상태 동역학을 어느 정도 재현할 수 있는가?
• RQ4 특히 분산 측면에서 합성 및 실제 태양 상태 시퀀스 간 통계적 유사도는 어느 정도인가?
• RQ5 이 모델은 다른 지역으로 일반화될 수 있으며, 에너지 저장소 및 전기차 충전 응용 분야에 적합하게 변형될 수 있는가?

주요 결과

• 제안된 다중 세그먼트 마르코프 체인 모델은 하루 종일 변화하는 태양 복사 빛 상태 전이의 비정상성 특성을 효과적으로 포착한다.
• 여름 기준으로 합성 태양 상태 시퀀스의 표준편차(σ² = 1.2787)는 실제 데이터(σ² = 1.3077)와 매우 유사하여 뛰어난 통계적 유사도를 보인다.
• 겨울 기준으로 합성 데이터의 표준편차(σ² = 0.88)는 실제 데이터(σ² = 1.03)와 유사하며, 더 급격한 태양 변화가 있는 상황에서도 강건성을 입증한다.
• 모델은 실제 태양 상태 전이를 뚜렷이 재현하며, 오전 이른 아침과 오후 이른 시기의 약간의 편차 외에는 뛰어난 성능을 보인다.
• 시간을 세그먼트로 나누고 각 세그먼트에 대해 별도의 전이 행렬을 사용하는 능력 덕분에, 단일 동질 마르코프 모델 대비 정확도가 크게 향상된다.
• 결과적으로 이 모델은 에너지 저장소 규모 설정 및 전기차 충전소 기획과 같은 스마트 그리드 응용 분야에서 현실적인 합성 태양 데이터를 생성하는 데의 적용 가능성을 확인한다.