[논문 리뷰] The Economic Dispatch for Integrated Wind Power Systems Using Particle Swarm Optimization

Mohamed Abuella, Constantine J. Hatziadoniu|arXiv (Cornell University)|2015. 09. 05.

Electric Power System Optimization참고 문헌 10인용 수 7

한 줄 요약

이 논문은 풍력 및 열발전 기업을 통합한 전력 시스템을 대상으로 입자군집최적화(PSO) 기반 경제적 운용 모델을 제안하며, 풍력 발전의 불확실성을 보상 및 예비비용을 통해 고려한다. 이 방법은 전체 발전비용(풍력 발전, 과소/과대 예측 보상비용, 예비비용 포함)을 최소화하며, 고비용의 예비비용이 풍력 발전 활용도를 감소시키고, 풍속 변동성과 비용 계수는 6bus 시험 시스템에서 운용 결과에 중대한 영향을 미친다.

ABSTRACT

The economic dispatch of wind power units is quite different from that in conventional thermal units, since the adopted model should take into consideration the intermittency nature of wind speed as well. Therefore, this paper uses a model that takes into account the aforementioned consideration in addition to whether the utility owns wind turbines or not. The economic dispatch is solved by using one of the modern optimization algorithms: the particle swarm optimization algorithm. A 6-bus system is used and it includes wind-powered generators besides to thermal generators. The thorough analysis of the results is also provided.

연구 동기 및 목표

• 간헐적인 풍력 발전을 포함한 전력 시스템에서 경제적 운용 문제를 해결하기 위해 기존의 열발전 전용 시스템과 근본적으로 다른 도전 과제를 다루기.
• 풍력 발전의 불확실성을 고려한 비용 모델을 개발하여, 과소 예측에 대한 보상비용과 과대 예측에 대한 예비비용을 포함하기.
• 입자군집최적화(PSO) 알고리즘을 활용해 풍력 통합 시 경제적 운용 문제를 해결하기.
• 풍속 변동성(웨이불 분포를 통해 모델링)과 비용 계수의 영향을 최적의 운용 결정에 미치는 영향을 분석하기.
• 예비비용 및 보상비용 계수의 변화에 따른 운용 결과의 민감도를 평가하고, PSO 알고리즘이 이 맥락에서의 성능을 평가하기.

제안 방법

• 경제적 운용 문제는 총 발전비용을 최소화하는 비선형 최적화 문제로 수립되며, 열발전기의 제곱형 비용과 풍력 발전의 선형 비용을 포함한다.
• 풍력 발전의 불확실성은 풍속에 대한 웨이불 확률분포를 사용하여 모델링되며, 과소/과대 스케줄링에 대한 보상비용과 예비비용이 부여된다.
• 보상비용 $ C_p $ 는 계획된 발전량이 실제 가용량보다 낮을 경우 발생하는 잉여 풍력 발전의 기대비용으로 계산되며, 예비비용 $ C_r $ 은 계획된 발전량이 실제 가용량을 초과할 경우 발생하는 풍력 부족의 기대비용으로 계산된다.
• 제약 조건은 발전기의 실력 제한, 송전선로의 손실, 총 발전량과 시스템 수요 간의 전력 균형을 포함한다.
• 모델은 전력회사가 풍력 터빈을 소유하는 경우(직접 비용 없음)와 소유하지 않는 경우(유지보수 또는 보상 비용 발생)를 구분한다.

실험 결과

연구 질문

• RQ1 풍력 발전의 불확실성(과소 및 과대 예측)이 경제적 운용 비용과 스케줄링 결정에 어떤 영향을 미치는가?
• RQ2 예비비용 계수 $ k_r $ 의 변화가 풍력 발전 스케줄링과 총 시스템 비용에 어떤 영향을 미치는가?
• RQ3 풍속 척도 인자 $ c $ 의 변화가 풍력 발전 가능성을 및 운용 결과에 어떤 영향을 미치는가?
• RQ4 보상비용 $ k_p $ 와 예비비용 $ k_r $ 가 함께 풍력 및 열발전기의 최적 운용에 어떤 영향을 미치는가?
• RQ5 PSO 알고리즘이 풍력 통합 시스템에서 경제적 운용 문제를 얼마나 효과적으로 해결하는가? 그리고 매개변수 설정에 얼마나 민감한가?

주요 결과

• 예비비용 계수 $ k_r $ 가 60을 초과할 경우, 높은 경제적 손해로 인해 풍력 발전이 더 이상 운용되지 않으며, 전체 발전은 열발전기로 이관된다.
• $ k_r = 100 $ 일 때, 풍속 변동성이 증가하더라도 풍력 발전 스케줄링은 최소한으로 증가하여, 풍력 발전에 의존하는 데 강한 저항이 있음을 시사한다.
• $ k_r = 60 $ 일 때, 시스템은 풍력 발전 스케줄링을 완전히 회피하며, 이는 풍력이 경제적으로 비가용해지는 임계점임을 확인한다.
• $ k_r = 0 $ 일 경우, $ k_p > 0 $ 이면 풍속 척도 인자 $ c $ 와 관계없이 풍력 발전이 완전히 스케줄링되며, 이는 과대 예측에 대한 보상비용이 풍력 활용을 최대화한다는 것을 의미한다.
• 척도 인자 $ c $ 가 5에서 20 m/s로 증가함에 따라 풍력 발전 출력이 크게 증가하여, 평균 풍속이 높을수록 풍력 발전 운용 가능성이 향상됨을 보여준다.
• PSO 알고리즘은 최적의 운용 해에 성공적으로 수렴하지만, 매개변수 조정이 철저히 이루어져야 하며, 수렴 보장에 대한 추가 이론적 분석이 필요하다.