[논문 리뷰] Using solar and load predictions in battery scheduling at the residential level

Richard Bean, Hina Khan|arXiv (Cornell University)|2018. 10. 25.

Smart Grid Energy Management인용 수 9

한 줄 요약

이 논문은 시간별 요금제 하에서 24시간 동안 주거용 전기 요금을 최소화하기 위해 예측된 태양광 발전 및 가정용 부하를 기반으로 하는 선형 프로그래밍 기반 배터리 스케줄링 알고리즘을 제안한다. 예측 기반으로 배터리 충전/방전 사이클을 최적화함으로써 자동 인버터 작동 대비 1%에서 10%의 비용 절감을 달성하며, 성능은 요금제 구조와 PV 대 부하 비율에 매우 의존한다.

ABSTRACT

Smart solar inverters can be used to store, monitor and manage a home's solar energy. We describe a smart solar inverter system with battery which can either operate in an automatic mode or receive commands over a network to charge and discharge at a given rate. In order to make battery storage financially viable and advantageous to the consumers, effective battery scheduling algorithms can be employed. Particularly, when time-of-use tariffs are in effect in the region of the inverter, it is possible in some cases to schedule the battery to save money for the individual customer, compared to the "automatic" mode. Hence, this paper presents and evaluates the performance of a novel battery scheduling algorithm for residential consumers of solar energy. The proposed battery scheduling algorithm optimizes the cost of electricity over next 24 hours for residential consumers. The cost minimization is realized by controlling the charging/discharging of battery storage system based on the predictions for load and solar power generation values. The scheduling problem is formulated as a linear programming problem. We performed computer simulations over 83 inverters using several months of hourly load and PV data. The simulation results indicate that key factors affecting the viability of optimization are the tariffs and the PV to Load ratio at each inverter. Depending on the tariff, savings of between 1% and 10% can be expected over the automatic approach. The prediction approach used in this paper is also shown to out-perform basic "persistence" forecasting approaches. We have also examined the approaches for improving the prediction accuracy and optimization effectiveness.

연구 동기 및 목표

• 예측된 태양광 발전 및 부하 데이터를 활용해 주거용 전기 요금을 최소화하는 배터리 스케줄링 알고리즘을 개발하기 위해.
• 기본 자동 인버터 모드 대비 최적화된 배터리 스케줄링의 재정적 타당성을 평가하기 위해.
• 요금제 구조와 PV 대 부하 비율이 비용 절감 잠재력에 미치는 영향을 평가하기 위해.
• 배터리 최적화 맥락에서 지속성 기반 예측과 보다 고급 예측 방법 간의 예측 정확도를 비교하기 위해.
• 특히 피드인 요금제와 피크 요금제와 관련하여 최적화가 뚜렷한 절감 효과를 낳는 조건을 규명하기 위해.

제안 방법

• 예측된 부하 및 태양광 발전 기반으로 24시간 전기 요금을 최소화하는 선형 프로그래밍 문제로 배터리 스케줄링 문제를 수립한다.
• 83개의 주거용 인버터에서 확보한 역사적 시간대별 부하 및 PV 데이터를 활용해 스케줄링 성능을 시뮬레이션한다.
• 부하 및 태양광 발전에 대해 지속성 기반 예측 방법을 사용하며, 이를 '50-50' 및 '60-40' 하이브리드 예측 접근 방식과 비교한다.
• 배터리 충전 상태(SOC) 제약 모델을 구현하여 손상 방지를 위해 SOC를 20%에서 100% 사이로 유지한다.
• 시간별 요금제와 피드인 요금제를 비용 함수에 통합하며, 매일 아침 최적화를 수행한다.
• 호주 주거용 인버터에서 확보한 실세계 데이터를 사용해 결과를 검증하며, 명령 실행이 항상 이행된다고 가정한다.

실험 결과

연구 질문

• RQ1 태양광 및 부하 예측 기반의 배터리 스케줄링은 자동 인버터 작동 대비 주거용 전기 요금을 절감할 수 있는가?
• RQ2 다양한 요금제 구조(예: 피크 대비 비피크 요금)는 최적화를 통한 비용 절감 잠재력에 어떤 영향을 미치는가?
• RQ3 PV 대 부하 비율은 제안된 스케줄링 알고리즘의 효과성에 어떤 영향을 미치는가?
• RQ4 예측 정확도—특히 지속성 기반 예측 대비 하이브리드 예측 방식—은 최적화 결과에 어떤 영향을 미치는가?
• RQ5 최적화가 자동 모드를 능가하지 못하는 조건는 무엇이며, 그 이유는 무엇인가?

주요 결과

• 제안된 알고리즘은 요금제 구조와 PV 대 부하 비율에 따라 자동 인버터 모드 대비 1%에서 10%의 비용 절감을 달성한다.
• 피드인 요금이 높고 피크+어깨 요금 대비 비피크 요금 비율이 높을수록 절감 효과가 가장 크다.
• '50-50' 하이브리드 예측 접근 방식이 가장 많은 인버터에서 비용 절감을 이룬다. 다만 '60-40' 방법 대비 평균 비용은 略로 높다.
• 지속성 기반 예측(24시간 전 데이터 사용)은 하이브리드 예측 방식보다 성능이 열 劣하며, 특히 비용 증가가 발생한 인버터의 수가 더 많다.
• 장기적인 PV 대 부하 비율이 1.0을 초과할 경우 최적화가 효과가 없어지며, 이는 자동 모드가 이미 고자기 소비율로 거의 최적의 성능을 내기 때문이다.
• 알고리즘 성능은 부하 및 태양광 예측의 정확도에 매우 민감하며, 정확도 향상이 비용 최소화에 더 좋은 영향을 미친다.