[論文レビュー] Synthetic Generation of Solar States for Smart Grid: A Multiple Segment Markov Chain Apptoach

Wayes Tushar, Shisheng Huang+4 more|arXiv (Cornell University)|Jul 18, 2014

Electric Vehicles and Infrastructure参考文献 18被引用数 7

ひとこと要約

本論文では、スマートグリッド応用を目的として、1日を遷移確率が異なる時間帯に分割する複数セグメントの1次マルコフ連鎖モデルを提案する。このモデルは、実際の太陽光状態のダイナミクスを正確に再現し、夏期の合成データでは標準偏差1.2787、冬期では0.88を達成しており、実データ（1.3077および1.03）に近く、両季節において優れた性能を示している。

ABSTRACT

The use of photovoltaic (PV) sources is becoming very popular in smart grid for their ecological benefits, with higher scalability and utilization for local generation and delivery. PV can also potentially avoid the energy losses that are normally associated with long-range grid distribution. The increased penetration of solar panels, however, has introduced a need for solar energy models that are capable of producing realistic synthetic data with small error margins. Such models, for instance, can be used to design the appropriate size of energy storage devices or to determine the maximum charging rate of a PV-powered electric vehicle (EV) charging station. In this regard, this paper proposes a stochastic model for solar generation using a Markov chain approach. Based on real data, it is first shown that the solar states are inter-dependent, and thus suitable for modeling using a Markov model. Then, the probabilities of transition between states are shown to be heterogeneous over different time segments. A model is proposed that captures the inter temporal dependency of solar irradiance through segmentation of the Markov chain across different times of the day. In the studied model, different state transition matrices are constructed for different time segments, which the proposed algorithm then uses to generate the solar states for different times of the day. Numerical examples are provided to show the effectiveness of the proposed synthetic generator.

研究の動機と目的

• スマートグリッド計画およびエネルギー管理を支援するため、正確な合成太陽放射エネルギーデータの需要に対処すること。
• 1日を通じて非一様な太陽状態の時間的依存関係をモデル化すること。
• EV充電やエネルギー貯蔵装置のサイズ決定などの応用において、太陽エネルギーの可用性を現実的にシミュレートできる確率的生成器を開発すること。
• 時間帯ごとに遷移確率の異なりる非一様性を捉えるために、時間分割を導入することで、従来のマルコフモデルを改善すること。
• コロラド州の実際の太陽放射エネルギーデータを用いて、モデルの有効性を検証すること。

提案手法

• エネルギー発電可能性に基づき、太陽放射エネルギーデータを4つの離散状態（低、中、高、非常に高）に分類する。
• 非定常な遷移確率に対応するため、1日を時間帯（例：4時30分〜10時30分、10時30分〜13時30分など）に分割する。
• 実際の歴史的データを用いて、各時間帯ごとに個別の1次マルコフ連鎖遷移行列を計算する。
• 時間別に特化した遷移行列からサンプリングすることで、合成太陽状態を生成するための状態遷移アルゴリズムを設計する。
• コロラド州の実データを用いて、夏期および冬期の合成シーケンスと観測された太陽状態を比較することで、モデルを検証する。
• 合成データと実データの類似度を評価するために、標準偏差などの統計指標を用いる。

実験結果

リサーチクエスチョン

• RQ1 マルコフ連鎖モデルは、1日を通じて時間帯に応じた太陽放射エネルギーデータの時間的依存性を効果的に捉えることができるか？
• RQ2 太陽状態間の遷移確率は、時間帯ごとにどのように変化するのか？また、時間帯に分けることでモデルの精度が向上するか？
• RQ3 複数セグメントのマルコフ連鎖モデルは、夏期および冬期の両方の条件下で、実際の太陽状態ダイナミクスをどの程度再現できるか？
• RQ4 標準偏差という観点から、合成データと実データの太陽状態シーケンスの統計的類似度はどの程度か？
• RQ5 このモデルは他の地域へ一般化可能か？また、エネルギー貯蔵やEV充電ステーションの応用に適応可能か？

主な発見

• 提案された複数セグメントのマルコフ連鎖モデルは、1日を通じて変化する太陽状態遷移の性質を効果的に捉え、非定常性を反映している。
• 夏期において、合成太陽状態シーケンスの標準偏差（σ² = 1.2787）は、実データ（σ² = 1.3077）に近く、統計的類似度が非常に高いことを示している。
• 冬期においても、合成データの標準偏差（σ² = 0.88）は実データ（σ² = 1.03）に近く、急激な太陽変化があるにもかかわらず、厳しい条件下でも頑健であることが示された。
• モデルは、わずかなずれを除き、実際の太陽状態遷移を良好に再現しており、特に早朝および午後の早い時間帯にわずかなずれが見られた。
• 時間帯に分けることと、各セグメントごとに異なる遷移行列を用いることで、単一の均一なマルコフモデルに比べて著しく精度が向上した。
• 結果から、エネルギー貯蔵装置のサイズ決定やEV充電ステーションの計画などのスマートグリッド応用に、現実的な合成太陽データを生成するための本モデルの適用可能性が確認された。