[論文レビュー] Online Energy Generation Scheduling for Microgrids with Intermittent Energy Sources and Co-Generation

Lian Lu, Jinlong Tu+3 more|arXiv (Cornell University)|Nov 19, 2012

Microgrid Control and Optimization参考文献 25被引用数 5

ひとこと要約

本稿では、間歇的再生可能エネルギー源と併用熱電併給（CHP）発電を伴うマイクログリッドのエネルギー発電スケジューリングのための競合的オンラインアルゴリズムであるCHASEを提案する。オフライン最適解の構造的洞察を活用することで、通常の設定下で競合比が3以下となることを保証し、実世界のトレースを用いた評価では、将来予測なしで最大20％のコスト削減を達成する。さらに、限定的な先行予測を活用することで性能が向上する。

ABSTRACT

Microgrids represent an emerging paradigm of future electric power systems that can utilize both distributed and centralized generations. Two recent trends in microgrids are the integration of local renewable energy sources (such as wind farms) and the use of co-generation (i.e., to supply both electricity and heat). However, these trends also bring unprecedented challenges to the design of intelligent control strategies for microgrids. Traditional generation scheduling paradigms rely on perfect prediction of future electricity supply and demand. They are no longer applicable to microgrids with unpredictable renewable energy supply and with co-generation (that needs to consider both electricity and heat demand). In this paper, we study online algorithms for the microgrid generation scheduling problem with intermittent renewable energy sources and co-generation, with the goal of maximizing the cost-savings with local generation. Based on the insights from the structure of the offline optimal solution, we propose a class of competitive online algorithms, called CHASE (Competitive Heuristic Algorithm for Scheduling Energy-generation), that track the offline optimal in an online fashion. Under typical settings, we show that CHASE achieves the best competitive ratio among all deterministic online algorithms, and the ratio is no larger than a small constant 3.

研究の動機と目的

• 間欠的再生可能エネルギー供給と電力・熱の二重需要が生じる状況下で、リアルタイムでのマイクログリッド発電スケジューリングの課題に対処すること。
• 将来の正確な予測が得られない現実的な状況下で、完全な将来予測に依存せずに発電コストを最小化するオンラインアルゴリズムの設計。
• CHPおよび再生可能エネルギー源のユニットコミットメントと経済的ディスpatchを統合的に扱うオンラインフレームワークの構築。
• 実世界のエネルギー供給および需要トレースを用いて、現実的な条件下での性能評価。
• 近い将来の風力や負荷予測といった限定的な将来予測を活用するためのアルゴリズムの拡張。

提案手法

• オフライン最適解の構造をオンラインで追跡する、競合的ヒューリスティックアルゴリズムであるCHASEを提案。
• 特に発電機の稼働・停止意思決定および出力割り当てに関する、オフライン最適解の構造的洞察に基づいてアルゴリズムを設計。
• 通常のマイクログリッド設定下で、すべての決定的オンラインアルゴリズムの中で最良の競合比3を達成することを理論的に示す。
• 短時間の風力予報や需要推定値といった限定的な将来予測を、適応的スケジューリングルールを通じてCHASEに統合。
• リアルタイムのコストと可用性に基づき、局所発電（再生可能エネルギーおよびCHP）とグリッド調達の間で動的にバランスを取るハイブリッドアプローチを採用。
• 実際のマイクログリッド導入事例から得た実世界トレースを用いてアルゴリズムを検証し、動的負荷および風力発電プロファイルをシミュレート。

実験結果

リサーチクエスチョン

• RQ1 将来の再生可能エネルギー供給および需要の完全な知識が得られない状況下でも、オンラインアルゴリズムがマイクログリッドスケジューリングにおいて近似的に最適な性能を達成できるか。
• RQ2 間欠的再生可能エネルギー源とCHP発電を有するマイクログリッドにおいて、決定的オンラインアルゴリズムが達成可能な最良の競合比は何か。
• RQ3 限定的な将来予測（例：風力や負荷予測）をオンラインスケジューリングに効果的に統合する方法は何か。
• RQ4 オンラインアルゴリズムが、再生可能エネルギーおよび負荷プロファイルの現実世界の変動に適応しながらも、強固な理論的保証を維持できるか。
• RQ5 提案手法は、予測に完全依存する既存手法や発電機の起動コストを考慮しない手法に比べ、コスト削減および不確実性下でのロバストネスの面で優れているか。

主な発見

• 通常のマイクログリッド設定下で、CHASEは競合比が3以下であることが保証され、これはすべての決定的オンラインアルゴリズムの中で最良の結果である。
• 実世界トレースに基づく評価では、将来予測なしでもCHASEはエネルギーコストを約20％削減する。
• 将来の見通しウィンドウが広くなるほどコスト削減効果が向上し、限定的予測の価値が裏付けられる。
• 理論的性能保証を維持しながら、実験的評価でもほぼオフライン最適に近い結果を達成する。
• CHASEは、CHPと間欠的再生可能エネルギー源の統合を効果的に管理し、電力および熱需要を満たしながら総コストを最小化する。
• 完全な予測に依存する既存手法や発電機の起動コストを考慮しない手法に比べ、提案手法はコスト削減およびロバストネスの面で優れている。