[논문 리뷰] What is redundant and what is not? Computational trade-offs in modelling to generate alternatives for energy infrastructure deployment

Francesco Lombardi, Bryn Pickering외 1명|arXiv (Cornell University)|2022. 06. 17.

Sustainability and Climate Change Governance인용 수 4

한 줄 요약

이 논문은 에너지 시스템 최적화에서 모델링을 통한 대안 생성(MGA)을 위한 하이브리드 검색 전략을 제안하며, 부과적 계산을 방지하기 위해 공간적 및 기술적 이질성을 균형 잡는다. 공간 분포와 기술 조합 다양성의 양측을 우선시하는 전략을 조합함으로써, 특히 탈중앙화된 온shore 풍력이 포함된 더 많은 대표성 있고 이해관계자 중심의 대안들을 발견할 수 있다. 이는 과도한 계산 자원을 요구하지 않으며, 모델의 강건성과 정책 관련성을 향상시킨다.

ABSTRACT

Given the urgent need to devise credible, deep strategies for carbon neutrality, approaches for `modelling to generate alternatives' (MGA) are gaining popularity in the energy sector. Yet, MGA faces limitations when applied to state-of-the-art energy system models: the number of alternatives that can be generated is virtually infinite; no realistic computational effort can discover the complete technology and spatial diversity. Here, based on our own SPORES method, a highly customisable and spatially-explicit advancement of MGA, we empirically test different search strategies - including some adapted from other MGA approaches - with the aim of identifying how to minimise redundant computation. With application to a model of the European power system, we show that, for a fixed number of generated alternatives, there is a clear trade-off in making use of the available computational power to unveil technology versus spatial diversity of system configurations. Moreover, we show that focussing on technology diversity may fail to identify system configurations that appeal to real-world stakeholders, such as those in which capacity is more spread out at the local scale. Based on this evidence that no feasible alternative can be deemed redundant a priori, we propose to initially search for options in a way that balances spatial and technology diversity; this can be achieved by combining the strengths of two different strategies. The resulting solution space can then be refined based on the feedback of stakeholders. More generally, we propose the adoption of ad-hoc MGA sensitivity analyses, targeted at testing a study's central claims, as a computationally inexpensive standard to improve the quality of energy modelling analyses.

연구 동기 및 목표

• 대규모 에너지 시스템 모델에서 무한한 대안으로 인해 체계적 탐색이 계산적으로 비현실적이 되는 기존 MGA의 한계를 해결한다.
• 고정된 계산 예산 하에서 대안 생성 시 공간적 이질성과 기술적 이질성 간의 상충 관계를 규명한다.
• 높은 수준의 기술적 차이만 고려할 경우, 실질적으로 타당하고 이해관계자에게 유의미한 구성—예를 들어 광범위하게 분포된 온shore 풍력—를 놓칠 수 있음을 보여준다. 이는 이해관계자에게 부적절한 결과를 초래할 수 있다.
• 공간적 이질성과 기술 기반 검색 방법을 조합하여 더 균형 잡히고 대표적인 해의 공간을 확보하는 하이브리드 검색 전략을 제안한다.
• 대규모 MGA 연구를 수행하지 않고도 정책 관련 주장—예를 들어 생물에너지의 필요성 또는 집중형 풍력 배치—을 검증하기 위해 임시적 MGA 민감도 분석을 시행하는 것이 효과적일 수 있음을 주장한다.

제안 방법

• 고해상도 유럽 전력 시스템 모델에서 대안을 생성하기 위해 공간적으로 명시적이고 커스터마이징 가능한 MGA 프레임워크인 SPORES 방법을 적용한다.
• 다양한 검색 전략을 적용하고 비교한다: (1) 기술적 이질성 전용, (2) 공간적 이질성 전용, (3) 두 가지를 조합한 하이브리드 전략.
• 비용 완화 메커니즘을 도입하여 엄격한 최소비용 조건을 벗어난 대안도 허용함으로써 타당성은 유지하면서 다양성을 증진시킨다.
• 기술 배치(예: 온shore 풍력, 태양광 PV) 및 공간 분포(예: 지역 간 용량 집중도)에 대해 정규화된 지표를 사용해 이질성 수준을 측정한다.
• 대안의 품질을 평가하기 위해 실질적 이해관계자에게 관련된 구성—예를 들어 탈중앙화된 온shore 풍력—이 포함되었는지 여부를 점검한다.
• 이중 단계 접근법을 제안한다: 첫 번째 단계에서 하이브리드 방법을 활용해 균형 잡힌 해의 공간 탐색을 수행하고, 두 번째 단계에서 이해관계자 피드백을 바탕으로 결과를 정밀 조정한다.

실험 결과

연구 질문

• RQ1 MGA에서 기술적 이질성에만 집중할 경우, 실질적으로 타당하고 이해관계자에게 관련성이 있는 에너지 시스템 구성—예를 들어 광범위하게 분포된 온shore 풍력 용량을 포함한 것—를 놓칠 정도로 실패하는가?
• RQ2 고정된 계산 예산 하에서 공간적 이질성과 기술적 이질성 간의 상충 관계가 해의 대표성에 어떻게 영향을 미치는가?
• RQ3 공간적 및 기술적 다양성을 균형 잡는 하이브리드 검색 전략이 단일 집중형 MGA 접근법보다 더 넓은 범위의 실현 가능하고 정책 관련 대안을 포괄하는 데 뛰어난가?
• RQ4 특정 정책 주장—예를 들어 생물에너지의 필요성 또는 집중형 풍력 배치—을 검증하기 위해 임시적 MGA 민감도 분석을 사용하는 것은 계산적으로 타당하고 강건한가?
• RQ5 비선형 제약 조건이 포함된 복잡한 고차원 에너지 시스템 모델에서 히وري스틱 최적화 알고리즘은 전통적인 MGA에 비해 다각적이고 근사 최적의 대안을 생성하는 데 얼마나 효과적인가?

주요 결과

• MGA에서 기술적 이질성에만 집중할 경우, 실현 가능하고 이해관계자에게 매력적인 구성—예를 들어 광범위하게 분포된 온shore 풍력 용량을 포함한 것—를 놓칠 수 있다.
• 고정된 계산 예산 하에서 대안 생성 시 공간적 이질성과 기술적 이질성을 동시에 극대화하는 데에는 명백한 상충 관계가 있으며, 양측을 별도로 고려하는 것만으로는 해의 공간을 포괄적으로 커버할 수 없다.
• 공간적 이질성과 기술 기반 검색을 조합한 하이브리드 검색 전략은 기술적으로 타당하고 공간적으로 타당한 구성까지 포함하는 더 균형 잡히고 대표적인 대안 집합을 생성한다.
• 이 하이브리드 접근법은 생물에너지 배치를 최소화하고 온shore 풍력 용량 집중도가 낮은 대안을 성공적으로 식별하였으며, 이는 기존 MGA에서는 자주 놓치는 실질적 정책 논의 요소이다.
• 특정 정책 주장에 초점을 맞춘 임시적 MGA 민감도 분석은 대규모 MGA 실행에 비해 계산 비용이 저렴하며, 고성능 컴퓨팅을 요구하지 않으면서도 모델의 강건성을 향상시킬 수 있다.
• 입자 군집 최적화나 유전 알고리즘과 같은 히وري스틱 알고리즘은 비선형 제약 조건이 포함된 복잡한 고차원 에너지 시스템 모델에서 다각적이고 근사 최적의 대안을 생성하는 데 실현 가능한 길이 될 수 있다.