[論文レビュー] Using solar and load predictions in battery scheduling at the residential level

Richard Bean, Hina Khan|arXiv (Cornell University)|Oct 25, 2018

Smart Grid Energy Management被引用数 9

ひとこと要約

本論文は、予測された太陽光発電と家庭負荷を用いて、時間単価制度下で24時間の住宅用電気料金を最小化する線形計画法に基づくバッテリースケジューリングアルゴリズムを提案する。予測に基づいてバッテリーの充電／放電サイクルを最適化することで、自動インバーター運転に比べ1%～10%のコスト削減を達成し、性能は料金制度とPV負荷比に強く依存する。

ABSTRACT

Smart solar inverters can be used to store, monitor and manage a home's solar energy. We describe a smart solar inverter system with battery which can either operate in an automatic mode or receive commands over a network to charge and discharge at a given rate. In order to make battery storage financially viable and advantageous to the consumers, effective battery scheduling algorithms can be employed. Particularly, when time-of-use tariffs are in effect in the region of the inverter, it is possible in some cases to schedule the battery to save money for the individual customer, compared to the "automatic" mode. Hence, this paper presents and evaluates the performance of a novel battery scheduling algorithm for residential consumers of solar energy. The proposed battery scheduling algorithm optimizes the cost of electricity over next 24 hours for residential consumers. The cost minimization is realized by controlling the charging/discharging of battery storage system based on the predictions for load and solar power generation values. The scheduling problem is formulated as a linear programming problem. We performed computer simulations over 83 inverters using several months of hourly load and PV data. The simulation results indicate that key factors affecting the viability of optimization are the tariffs and the PV to Load ratio at each inverter. Depending on the tariff, savings of between 1% and 10% can be expected over the automatic approach. The prediction approach used in this paper is also shown to out-perform basic "persistence" forecasting approaches. We have also examined the approaches for improving the prediction accuracy and optimization effectiveness.

研究の動機と目的

• 予測された太陽光発電および負荷データを用いて、住宅用電気料金を最小化するバッテリースケジューリングアルゴリズムの開発。
• 自動インバーターモードと比較して、最適化されたバッテリースケジューリングの経済的妥当性の評価。
• 料金制度とPV負荷比がコスト削減の可能性に与える影響の評価。
• バッテリーオプティマイゼーションの文脈において、恒常予測法とより高度な手法の予測精度を比較。
• 特にフィードインタリフおよびピーク料金に関連して、最適化が顕著な削減をもたらす条件の特定。

提案手法

• 予測された負荷および太陽光発電に基づき、24時間の電気料金を最小化する目的関数として、バッテリースケジューリング問題を線形計画法として定式化。
• 83台の住宅用インバーターのヒストリカルな時間単位の負荷およびPVデータを用いて、スケジューリング性能をシミュレーション。
• 負荷および太陽光出力の予測に恒常予測法を用い、これと「50-50」と「60-40」のハイブリッド予測アプローチを比較。
• バッテリーの充電状態（SOC）制約モデルを実装し、損傷を避けるためにSOCを20%～100%の範囲に維持。
• 時間単価制度およびフィードインタリフをコスト関数に組み込み、毎朝に最適化を実行。
• オーストラリアの住宅用インバーターからの実データを用いて結果を検証し、コマンド実行が常に遵守されると仮定。

実験結果

リサーチクエスチョン

• RQ1 太陽光および負荷予測に基づくバッテリースケジューリングは、自動インバーター運転と比較して住宅用電気料金を削減できるか？
• RQ2 ピーク価格対オフピーク価格などの異なる料金制度（例：ピーク価格対オフピーク価格）は、最適化によるコスト削減の可能性にどのように影響するか？
• RQ3 PV負荷比が、提案されたスケジューリングアルゴリズムの有効性に与える影響は何か？
• RQ4 予測精度（特に恒常予測法とハイブリッド予測法の比較）が最適化結果に与える影響は何か？
• RQ5 最適化が自動モードを上回らない条件とは何か、その理由は何か？

主な発見

• 提案されたアルゴリズムは、料金制度およびPV負荷比に応じて、自動インバーターモードに比べ1%～10%のコスト削減を達成する。
• フィードインタリフが高い場合、およびピーク＋ショルダー価格とオフピーク価格の比率が高い場合に、コスト削減が最大に達する。
• 「50-50」ハイブリッド予測アプローチは、最も多くのインバーターでコスト削減を達成するが、平均コストは「60-40」手法に比べわずかに高い。
• 24時間前のデータを用いる恒常予測法は、特にコスト上昇を示すインバーター数の観点から、ハイブリッド予測アプローチに劣る。
• 長期的なPV負荷比が1.0を超えると、最適化は効果を発揮しなくなる。これは、自動モードがすでに高い自己消費率を達成しているためである。
• アルゴリズムのパフォーマンスは、正確な負荷および太陽光予測に強く依存しており、予測精度が向上すれば、コスト最小化の結果も改善する。