[论文解读] Probabilistic Forecast of Real-Time LMP and Network Congestion

Yuting Ji, Robert J. Thomas+1 more|arXiv (Cornell University)|Mar 20, 2015

Energy Load and Power Forecasting参考文献 17被引用 7

一句话总结

该论文提出了一种基于多参数规划的实时节点边际电价（LMP）与网络阻塞概率预测方法，通过将不确定性划分为关键区域，实现在离线阶段完成大部分计算，从而显著提升在线计算效率。该方法在10,000组样本下在线计算时间可控制在1分钟以内，较蒙特卡洛方法快数个数量级，同时准确捕捉了在负荷、发电及系统异常不确定性下的LMP分布。

ABSTRACT

The short-term forecasting of real-time locational marginal price (LMP) and network congestion is considered from a system operator perspective. A new probabilistic forecasting technique is proposed based on a multiparametric programming formulation that partitions the uncertainty parameter space into critical regions from which the conditional probability distribution of the real-time LMP/congestion is obtained. The proposed method incorporates load/generation forecast, time varying operation constraints, and contingency models. By shifting the computation cost associated with multiparametric programs offline, the online computation cost is significantly reduced. An online simulation technique by generating critical regions dynamically is also proposed, which results in several orders of magnitude improvement in the computational cost over standard Monte Carlo methods.

研究动机与目标

• 解决在高比例可再生能源接入及系统约束下，实时节点边际电价（LMP）与网络阻塞的短期概率预测挑战。
• 通过提供LMP与阻塞的完整条件概率分布，克服点预测的局限性，以支持更好的风险管理和决策制定。
• 通过利用离线计算与动态关键区域生成，使系统调度员能够高效预测LMP与阻塞。
• 将时变系统约束、异常模型以及线性和二次发电成本函数整合进预测框架。
• 开发一种可扩展且计算高效的预测方法，适用于包含随机分量的大规模电力系统实时部署。

提出的方法

• 将直流最优潮流（DC-OPF）问题建模为多参数规划（MPP），推导出不确定性参数（如负荷、发电）与最优LMP及阻塞模式之间的参数化解。
• 将不确定性参数空间划分为多个关键区域，每个区域对应唯一的最优解结构（活动约束、对偶变量），从而实现LMP条件分布的解析计算。
• 计算未来负荷与发电实现落入各关键区域的概率，以推导LMP与阻塞的完整概率预测。
• 将大部分计算负担（如关键区域生成）移至离线阶段，极大降低在线计算时间。
• 提出一种动态关键区域生成（DCRG）算法，仅基于有界且均值集中的随机过程生成相关区域，避免全量采样。
• 将时变约束与异常模型集成至MPP框架，实现对系统运行状态变化的实时适应。

实验结果

研究问题

• RQ1 系统调度员如何在负荷、发电及系统约束不确定性下，高效生成实时LMP与阻塞的完整概率预测？
• RQ2 在概率LMP预测中，离线与在线计算之间的计算权衡如何？如何优化以实现实时部署？
• RQ3 多参数规划能否有效应用于DC-OPF，以建模LMP对不确定参数的参数依赖关系，同时保持可扩展性？
• RQ4 与标准蒙特卡洛采样相比，动态关键区域生成在概率LMP预测中如何提升计算效率？
• RQ5 所提方法在多大程度上能够整合时变网络约束与异常模型，以支持实时系统运行？

主要发现

• 所提出的离线多参数规划方法（Alg-P）在10,000组样本下总耗时183.92秒（离线160.60秒，在线23.32秒），完成概率预测。
• 动态关键区域生成方法（Alg-DCRG）在线计算仅耗时23.59秒，相比标准蒙特卡洛方法显著降低在线计算成本。
• 标准蒙特卡洛模拟（Alg-MC）在相同10,000组样本下耗时52,022.57秒（超过14小时），难以用于实时应用。
• 与蒙特卡洛方法相比，所提方法的在线计算成本降低数个数量级，支持实际的实时部署。
• 该方法成功整合了时变约束、异常模型以及线性和二次成本函数，显著增强了实际适用性。
• 理论分析证实，该方法通过参数化解结构正确识别关键区域，确保了概率预测的数学正确性。