[논문 리뷰] Data-driven Chance-constrained Regulation Capacity Offering for Distributed Energy Resources

Hongcai Zhang, Zechun Hu외 3명|arXiv (Cornell University)|2017. 08. 17.

Smart Grid Energy Management참고 문헌 2인용 수 13

한 줄 요약

이 논문은 분산 에너지 자원(DERs)을 사용하여 조정 용량을 제안하는 에너지 집합자(aggregators)를 위한 데이터 기반, 위험 회피형 확률적 제약 최적화 프레임워크를 제안한다. 이는 수익과 보상 위험 간의 균형을 맞추는 데 기여한다. 하루 전 입찰를 위해 이중 단계의 확률적 프로그램을 사용하고, 시간 전 결정을 위해 데이터 기반의 분포로 안정적인 확률적 제약 프로그램을 사용하여 정확하고 계산 효율적이며 위험 조정이 가능한 조정 용량 제안을 가능하게 하며, 수익과 서비스 품질 측면에서 강건성과 결정론적 방법을 능가한다.

ABSTRACT

This paper studies the behavior of a strategic aggregator offering regulation capacity on behalf of a group of distributed energy resources (DERs, e.g. plug-in electric vehicles) in a power market. Our objective is to maximize the aggregator's revenue while controlling the risk of penalties due to poor service delivery. To achieve this goal, we propose data-driven risk-averse strategies to effectively handle uncertainties in: 1) The DER parameters (e.g., load demands and flexibilities) and 2) sub-hourly regulation signals (to the accuracy of every few seconds). We design both the day-ahead and the hour-ahead strategies. In the day-ahead model, we develop a two-stage stochastic program to roughly model the above uncertainties, which achieves computational efficiency by leveraging novel aggregate models of both DER parameters and sub-hourly regulation signals. In the hour-ahead model, we formulate a data-driven distributionally robust chance-constrained program to explicitly model the aforementioned uncertainties. This program can effectively control the quality of regulation service based on the aggregator's risk aversion. Furthermore, it learns the distributions of the uncertain parameters from empirical data so that it outperforms existing techniques, (e.g. robust optimization or traditional chance-constrained programming) in both modelling accuracy and cost of robustness. Finally, we derive a conic safe approximation for it which can be efficiently solved by commercial solvers. Numerical experiments are conducted to validate the proposed method.

연구 동기 및 목표

• 서비스 제공 실패로 인한 재정적 위험을 관리하면서도 분산 에너지 자원(DERs)으로부터 신뢰할 수 있는 조정 용량을 제공하는 데 도전 과제를 해결하기 위해.
• 기존 방법보다 더 정확하게 DER 파라미터(예: 부하 수요, 플러그인 시간)와 고주파 조정 신호(예: 2초마다)의 불확실성을 모델링하기 위해.
• 집합자의 위험 선호도를 반영한 하루 전 및 시간 전 시장 제안 전략을 계산적으로 효율적으로 개발하기 위해.
• 기존의 강건 최적화와 시나리오 기반 확률적 프로그래밍을 개선하기 위해 경험 데이터를 활용하여 보수성 감소와 모델 정밀도 향상을 위해.
• 실제 보상 메커니즘 하에서 높은 서비스 품질 점수를 유지함으로써 시장 자격과 성능을 확보하기 위해.

제안 방법

• 하루 전 제안을 위해 이중 단계의 확률적 프로그램을 수립하였으며, 하시기 조정 신호와 DER 파라미터를 나타내는 새로운 집합 모델을 사용하여 계산 효율성을 향상시켰다.
• 시간 전 결정을 위해 데이터 기반의 분포로 안정적인 확률적 제약 프로그램을 개발하였으며, 경험 데이터를 사용하여 DER 파라미터와 조정 신호의 불확실성을 명시적으로 모델링하였다.
• 확률적 제약 프로그램은 조정 가능한 파rameter(ε)를 통해 위험 회피를 통합하여 집합자가 기대 수익과 보상 위험 간의 균형을 조정할 수 있도록 하였다.
• 기존의 확률적 제약 최적화나 강건 최적화보다 경험 데이터에서 유추된 모호한 확률 분포를 학습함으로써 정확도를 향상시켰다.
• 상업적 솔버를 사용하여 효율적인 해를 도출하기 위해 두 번째 순서의 원형 프로그램(SOCP) 근사를 유도하였다. 이는 실용적 구현 가능성을 보장한다.
• 실시간 성능 평가에서 충전/방전 비효율성을 통합함으로써 예측 정확도를 향상시켰다.

실험 결과

연구 질문

• RQ1 서비스 제공 실패로 인한 재정적 보상 위험을 최소화하면서, DER 풍경의 일괄에서 조정 용량을 최적의 방식으로 제안하는 방법은 무엇인가?
• RQ2 더 높은 해상도로 하시기 조정 신호와 DER 파라미터의 불확실성을 모델링할 경우, 의사결정 품질과 계산 효율성에 어떤 영향을 미치는가?
• RQ3 데이터 기반의 분포로 안정적인 확률적 제약 접근법은 강건 최적화와 결정론적 전략에 비해 수익과 위험을 어떻게 균형 잡는가?
• RQ4 용량 제안 단계에서 에너지 변환 비효율성을 통합할 경우, 실시간 성능과 수익에 어떤 영향을 미치는가?
• RQ5 확률적 제약 프로그램의 콘형 근사는 실세계 구현을 위한 해의 정확성과 계산 타당성을 모두 보장할 수 있는가?

주요 결과

• 제안된 방법은 일일 총 수익 8.74천 달러를 달성하였으며, 이는 강건 전략(0.22천 달러)을 크게 능가하고, 과도하게 공격적인 전략인 결정론적 전략(7.96천 달러)보다도 뛰어난 성과를 보였다.
• 제안된 방법의 성능 점수는 83%로, 결정론적 전략(68%)과 비효율성 무시 전략(80%)보다 높아 더 뛰어난 서비스 품질을 나타낸다.
• 강건 전략은 하루에 20.5MWh 뿐이었으며, 제안된 방법의 484MWh의 5% 미만으로, 과도한 보수성과 DER의 융통성 활용 부족을 드러낸다.
• 에너지 변환 비효율성을 무시할 경우, 제안된 방법 대비 총 수익이 3.8% 감소하나, 제안 용량은 거의 동일하여 실시간 성능 저하가 과소 평가된 결과를 보였다.
• 수익과 위험 간의 트레이드오프는 명확하게 관찰된다: 위험 수용도 파rameter ε가 30%를 초과해 증가할 경우 보상 메커니즘으로 인해 수익 증가율이 감소함을 보여주며, 캘리브레이션된 위험 설정의 중요성을 강조한다.
• SOCP 근사는 복잡한 확률적 제약 프로그램의 효율적 해를 상업적 솔버를 사용하여 도출할 수 있게 하여, 방법의 실용적 타당성을 확인했다.