[논문 리뷰] A Novel Dynamic Peer-to-Peer Clustering Algorithm and Its Application to Aggregate Energy Storage Systems

Runfan Zhang, Branislav Hredzak|arXiv (Cornell University)|2019. 01. 28.

Smart Grid Energy Management참고 문헌 18인용 수 4

한 줄 요약

이 논문은 실시간 특성 상태(예: 현지 부하 및 배터리 용량)를 기반으로 마이크로그리드 내 에너지 저장 에이전트를 동적으로 온라인으로 군집화하는 완전히 분산된 동적 클러스터링 알고리즘을 제안한다. 이는 전력 손실을 줄이고 가상 에너지 저장소를 형성하는 데 기여한다. 알고리즘은 국부적 상태 비교 및 공감 기반 평균화를 사용하여 사전 수집된 데이터가 없이도 적응형 군집화를 가능하게 하며, 실시간으로 충전도 상태(SoC) 균형을 유지하고 전력 손실을 감소시킨다.

ABSTRACT

The proposed distributed dynamic clustering algorithm enables to group agents based on their pre-selected feature states. The clusters are determined by comparing the distance of the agents' current feature states with average estimates of the states in all clusters. The algorithm also provides average estimates of pre-selected auxiliary states that can be utilized for control purposes. Two example applications of the algorithm are introduced. In the first application, the algorithm is applied to a microgrid with distributed batteries that are controlled to achieve a common state of charge within a group. However, a random selection of the batteries' groups results in additional power losses during operation. The algorithm reduces the power losses by clustering the batteries based on the selected feature states: local loads and battery capacities, while the state of charges and output voltages are selected as auxiliary states for control purposes. In the second application, the algorithm is used to form a virtual energy storage from batteries distributed in a microgrid.

연구 동기 및 목표

• 이질적인 분산 에너지 저장 시스템을 갖춘 마이크로그리드에서 정적이고 오프라인 클러스터링 방법의 한계를 해결하기 위해.
• 서로 다른 현지 부하 및 용량을 가진 배터리의 고정 클러스터링으로 인한 전력 손실을 줄이기 위해.
• 가격 및 용량 기반의 동적 클러스터링을 통해 분산된 배터리에서 가상 에너지 저장소를 형성하기 위해.
• 중앙 집중식 조율이나 역사적 데이터가 필요 없이 실시간 상태 변화에 적응할 수 있는 완전히 분산된 온라인 클러스터링 알고리즘을 개발하기 위해.
• SoC 및 전압과 같은 보조 상태를 제어 목적으로 활용하여 다중 에이전트 마이크로그리드 시스템에서의 동적 제어 및 최적화를 지원하기 위해.

제안 방법

• 에이전트 간 피어 투 피어 정보 교환을 가능하게 하기 위해 희소 통신 그래프를 사용한다.
• 각 에이전트는 이웃 에이전트로부터의 국부적 추정치를 바탕으로 모든 클러스터의 평균 특성 상태와의 거리를 계산한다.
• 에이전트는 현재 특성 상태에 가장 가까운 클러스터에 동적으로 참여하여 실시간 적응을 보장한다.
• 공감 알고리즘을 사용하여 클러스터 간 평균 특성 상태(예: 부하, 용량) 및 보조 상태(예: SoC, 전압)를 추정하고 공유한다.
• 클러스터 할당과 상태 추정을 위한 두 종류의 갱신 방정식을 사용하며, 이는 동시에 실행된다.
• 응용 분야의 필요에 따라 국부적 부하, 배터리 용량, 가격과 같은 특성 상태를 선택하고 클러스터링 결정을 이끌어내는 데 사용한다.

실험 결과

연구 질문

• RQ1 역사적 데이터에 의존하지 않고 마이크로그리드의 분산 에이전트가 실시간 시스템 상태에 기반해 어떻게 동적으로 클러스터를 형성할 수 있는가?
• RQ2 이질적인 배터리 시스템에서 다양한 현지 부하 및 용량을 가진 상태에서 SoC 균형을 이루는 데 전력 손실을 최소화하는 클러스터링 전략은 무엇인가?
• RQ3 가격 및 용량 기반의 동적 클러스터링을 통해 분산된 배터리에서 가상 에너지 저장소를 형성할 수 있는가?
• RQ4 SoC 및 전압과 같은 보조 상태는 어떻게 동적으로 형성된 클러스터 내 제어 목표를 지원하는 데 사용될 수 있는가?
• RQ5 빠른 상태 변화와 빈번한 클러스터 재구성에 대해 어떤 메커니즘이 강건성을 확보하는가?

주요 결과

• 제안된 알고리즘은 유사한 현지 부하 및 용량을 가진 배터리를 동적으로 군집화함으로써 배터리 군집의 전력 손실을 줄이며, 불일치로 인한 선로 전류를 제거한다.
• 가격 및 용량 기반의 동적 클러스터링을 통해 배터리를 군집화함으로써 가상 에너지 저장소를 형성할 수 있으며, 이는 전력망 서비스에 조정된 참여를 가능하게 한다.
• 클러스터링 과정은 완전히 분산되고 적응형이므로 중앙 집중식 조율 또는 사전 수집된 데이터가 필요 없다.
• 보조 상태 피드백을 통한 SoC 균형을 유지함으로써 비례 전력 공유 및 시스템 안정성을 보장한다.
• 빠른 상태 변화에 강건하며, 특성 상태의 안정적인 공감 기반 평균화를 통해 빈번한 클러스터 변경을 최소화한다.
• 기존의 분산 제어 방법과 통합이 가능하므로 실제 마이크로그리드 시스템에 대한 적용 가능성을 높인다.