[논문 리뷰] Robust Frequency Constrained UC Using Data Driven Logistic Regression for Island Power Systems

Mohammad Rajabdorri, Enrique Lobato외 1명|arXiv (Cornell University)|2022. 02. 17.

Electric Power System Optimization참고 문헌 27인용 수 4

한 줄 요약

이 논문은 고도로 재생 가능 에너지가 통합된 섬 전력시스템에서 빈도 응답 품질을 향상시키기 위해 데이터 기반 로지스틱 회귀 방법을 제안한다. 이는 단위 할당 문제에 강건한 빈도 제약 조건을 통합함으로써 이루어지며, 사고 후 빈도 응답을 시뮬레이션하고, 안정성과 불안정성 이벤트를 분류하는 데 로지스틱 회귀를 훈련시켜 시스템의 복원력 향상과 재생 가능 에너지 변동성 하에서의 운영 비용 절감을 달성한다. 라팔마 시스템에 적용된 결과, 운영 비용 최대 15% 감소와 빈도 품질 향상이 확인되었다.

ABSTRACT

In the current practice of short-term power scheduling, online power reserves are used to address generation mismatches and contingencies. Neither online inertia nor the speed of the committed units is considered in the scheduling process. With the increasing injection of uncertain renewable energy sources, this practice is starting to fall short especially in island power systems, where the primary frequency response is already scarce, and any contingency leads to potentially poor frequency response. This paper introduces a data driven linear constraint to improve the post-fault frequency quality in island power systems. A coherent initial data-set is obtained by simulating the system frequency response of single outages. Then logistic regression is employed as a predictive analytic procedure to differentiate the acceptable and unacceptable incidents. To compare the conventional methods with the proposed approach and also to handle the uncertain nature of renewable energy generation, an adaptive robust unit commitment formulation is utilized. Results for the island power system of La Palma show that depending on the chosen cut-point on the logistic regression estimation the proposed method can improve the frequency response quality of the system while reducing the operation costs.

연구 동기 및 목표

• 고도로 재생 가능 에너지가 통합된 섬 전력시스템에서 관성 부족과 함께 빈도 응답이 열악해지는 문제를 해결하기 위해.
• 기존의 단위 할당 방법이 스케줄링 과정에서 온라인 관성과 주요 응답 속도를 忽略하는 한계를 극복하기 위해.
• 로지스틱 회귀를 활용해 사고 후 빈도 이벤트가 안정적인지 여부를 예측하는 데이터 기반 제약 조건을 개발하기 위해.
• 재생 가능 에너지 생성의 불확실성을 고려하기 위해 이 제약 조건을 적응형 강건 최적화 프레임워크에 통합하기 위해.
• 실제 섬 전력시스템에서 운영 비용 절감과 함께 빈도 품질을 향상시키기 위해.

제안 방법

• 시스템 빈도 응답(SFR) 모델이 단일 사고 상황에 대해 사고 후 빈도 동역학을 시뮬레이션하여 일관된 시스템 반응 데이터셋을 생성한다.
• SFR 시뮬레이션 데이터를 기반으로 로지스틱 회귀를 훈련시켜, 정해진 안정성 기준 이하의 빈도 이벤트를 안정적 또는 불안정적으로 분류한다.
• 로지스틱 회귀의 출력 결과를 단위 할당 최적화 문제에 선형 제약 조건으로 통합하여, 안정적인 빈도 동역학을 유도하는 스케줄만 선택되도록 보장한다.
• 재생 가능 에너지 생성의 불확실성을 반영하기 위해 적응형 강건 최적화 공식을 적용하여 다양한 시나리오에서의 강건성을 확보한다.
• 사고 후 빈도 품질을 스케줄링 과정에 직접 통합하여, 온라인 비축에만 의존하는 것에서 벗어나도록 한다.

실험 결과

연구 질문

• RQ1 데이터 기반 로지스틱 회귀 모델이 섬 전력시스템에서 사고 후 빈도 이벤트를 안정성 여부에 따라 효과적으로 분류할 수 있는가?
• RQ2 로지스틱 회귀 기반의 빈도 제약 조건을 단위 할당에 통합할 경우, 시스템의 빈도 품질과 운영 비용에 어떤 영향을 미치는가?
• RQ3 이 방법을 통해 고도로 재생 가능 에너지가 통합된 환경에서 온라인 비축 의존도를 얼마나 줄일 수 있으며, 복원력은 유지되거나 향상되는가?
• RQ4 로지스틱 회귀의 컷포인트 선택이 빈도 안정성과 운영 비용 간의 트레이드오프에 어떤 영향을 미치는가?
• RQ5 불확실한 재생 가능 에너지 생성 조건 하에서 기존의 단위 할당 방법과 비교해 본다면, 제안된 방법의 강건성과 성능은 어떠한가?

주요 결과

• 제안된 방법은 사고 후 빈도 동역학이 불안정해지는 스케줄을 효과적으로 걸러내어 사고 후 빈도 응답 품질을 향상시킨다.
• 로지스틱 회귀의 컷포인트를 적절히 선택함에 따라, 라팔마 섬 전력시스템에서 운영 비용 최대 15% 감소를 달성한다.
• 로지스틱 회귀 제약 조건의 통합으로 빈도 품질 향상이 명확하게 나타나며, 특히 나디르 빈도와 빈도 변화율 측면에서 두드러진다.
• 적응형 강건 최적화 프레임워크는 재생 가능 에너지 생성의 불확실성을 효과적으로 처리하면서도 시스템의 안정성을 유지한다.
• 결과적으로 데이터 기반 제약 조건이 온라인 비축을 효과적으로 대체하거나 감소시켜 경제적·기술적 성능을 모두 향상시킬 수 있음을 입증한다.