[论文解读] Control of Generalized Energy Storage Networks

Junjie Qin, Yinlam Chow+2 more|arXiv (Cornell University)|Apr 22, 2015

Smart Grid Energy Management参考文献 25被引用 4

一句话总结

本论文提出了一种在不确定性条件下对广义储能网络进行可证明近似最优在线控制的算法，采用李雅普诺夫优化方法处理时间与网络耦合问题。该方法实现了与不确定性实现无关的恒定次优性边界，从而在大规模含可再生能源的电力系统中实现高效、可扩展的控制。

ABSTRACT

The integration of intermittent and volatile renewable energy resources requires increased flexibility in the operation of the electric grid. Storage, broadly speaking, provides the flexibility of shifting energy over time; network, on the other hand, provides the flexibility of shifting energy over geographical locations. The optimal control of general storage networks in uncertain environments is an important open problem. The key challenge is that, even in small networks, the corresponding constrained stochastic control problems with continuous spaces suffer from curses of dimensionality, and are intractable in general settings. For large networks, no efficient algorithm is known to give optimal or near-optimal performance. This paper provides an efficient and provably near-optimal algorithm to solve this problem in a very general setting. We study the optimal control of generalized storage networks, i.e., electric networks connected to distributed generalized storages. Here generalized storage is a unifying dynamic model for many components of the grid that provide the functionality of shifting energy over time, ranging from standard energy storage devices to deferrable or thermostatically controlled loads. An online algorithm is devised for the corresponding constrained stochastic control problem based on the theory of Lyapunov optimization. We prove that the algorithm is near-optimal, and construct a semidefinite program to min- imize the sub-optimality bound. The resulting bound is a constant that depends only on the parameters of the storage network and cost functions, and is independent of uncertainty realizations. Numerical examples are given to demonstrate the effectiveness of the algorithm.

研究动机与目标

• 解决在随机不确定性下具有时间与空间耦合特性的广义储能网络最优控制挑战。
• 开发一种避免大规模储能网络问题维数灾难的高效算法。
• 为具有次可微成本函数和马氏调制扰动的网络控制策略提供理论性能保证。
• 在保持近似最优性的同时，实现控制策略的分布式实施。
• 通过半定规划最小化次优性间隙，且该间隙与不确定性实现无关。

提出的方法

• 基于李雅普诺夫优化理论推导算法，以稳定系统约束并最小化时间平均成本。
• 将问题建模为具有连续状态与动作空间的约束随机控制问题。
• 该方法构建李雅普诺夫函数以限制漂移，确保系统稳定性和近似最优性。
• 使用半定规划最小化次优性边界，该边界仅依赖于网络和成本函数参数。
• 该方法可处理次可微成本函数和马氏调制扰动，扩展了先前的研究工作。
• 算法以在线、分布式方式实现，适用于大规模电力系统。

实验结果

研究问题

• RQ1 能否为广义储能网络在一般不确定性模型下设计出高效且可证明近似最优的控制策略？
• RQ2 在随机扰动下，如何联合管理储能系统中的时间与网络耦合？
• RQ3 此类系统中可达到的最紧致次优性边界是什么？如何实现最小化？
• RQ4 该算法能否以分布式方式实现，同时保持性能保证？
• RQ5 在次可微成本函数和马氏调制不确定性下，该算法的性能如何？

主要发现

• 所提算法实现了与不确定性实现无关的恒定次优性边界，仅依赖于网络参数和成本函数。
• 通过半定规划可最小化次优性边界，从而获得紧致的性能保证。
• 该算法在存在次可微成本函数和马氏调制扰动的情况下，仍能确保系统稳定性和近似最优性。
• 理论分析证明，时间平均成本可收敛至最优成本的有界差距内，且与系统规模或不确定性路径无关。
• 数值示例表明，该算法在真实电网场景中能有效降低系统成本和备用需求。
• 该方法支持分布式实现，使其可扩展至大规模网络化能源系统，且协调开销极低。