[论文解读] Adaptive Electricity Scheduling in Microgrids

Yingsong Huang, Shiwen Mao+1 more|arXiv (Cornell University)|Jan 3, 2013

Smart Grid Energy Management参考文献 20被引用 8

一句话总结

本文提出一种基于Lyapunov优化的在线自适应配电网调度算法，旨在最小化运行成本的同时，为非关键负荷保障电力服务质量（QoSE）。通过引入QoSE和储能虚拟队列，该算法在无需未来统计信息的情况下，动态调度可再生能源、储能装置及主网电源，实现的市场利润比基线方法高出60%，且QoSE低于0.03。

ABSTRACT

Microgrid (MG) is a promising component for future smart grid (SG) deployment. The balance of supply and demand of electric energy is one of the most important requirements of MG management. In this paper, we present a novel framework for smart energy management based on the concept of quality-of-service in electricity (QoSE). Specifically, the resident electricity demand is classified into basic usage and quality usage. The basic usage is always guaranteed by the MG, while the quality usage is controlled based on the MG state. The microgrid control center (MGCC) aims to minimize the MG operation cost and maintain the outage probability of quality usage, i.e., QoSE, below a target value, by scheduling electricity among renewable energy resources, energy storage systems, and macrogrid. The problem is formulated as a constrained stochastic programming problem. The Lyapunov optimization technique is then applied to derive an adaptive electricity scheduling algorithm by introducing the QoSE virtual queues and energy storage virtual queues. The proposed algorithm is an online algorithm since it does not require any statistics and future knowledge of the electricity supply, demand and price processes. We derive several "hard" performance bounds for the proposed algorithm, and evaluate its performance with trace-driven simulations. The simulation results demonstrate the efficacy of the proposed electricity scheduling algorithm.

研究动机与目标

• 解决在含可再生能源和储能装置的微电网中，随机电力供需平衡的挑战。
• 确保居民电力使用质量（QoSE）的停电概率低于目标值，即使在供应、需求和市场价格不确定的情况下亦如此。
• 开发一种低复杂度的在线算法，无需事先掌握供应、需求或价格过程的统计知识。
• 联合优化可再生能源利用、储能管理、需求侧控制以及与主网市场的协同参与。

提出的方法

• 将微电网调度问题建模为带成本最小化和QoSE约束的随机优化问题。
• 引入QoSE虚拟队列和电池虚拟队列，将QoSE和储能约束转化为稳定性问题。
• 应用Lyapunov优化推导出仅依赖当前系统状态的在线决策算法。
• 采用漂移-惩罚框架平衡成本与队列稳定性，确保确定性性能边界。
• 通过对偶分解和次梯度更新求解优化问题，支持实时实现。
• 利用智能电表和可调节负荷，实现根据电网状态动态调整服务质量。

实验结果

研究问题

• RQ1 微电网运营商如何在保障非关键电力使用目标停电概率的前提下，最小化运行成本？
• RQ2 在缺乏未来知识且存在不确定性的情况下，如何最优调度分布式可再生能源、储能装置和主网电源？
• RQ3 在线算法是否能在随机微电网环境中实现近似最优性能，并具备可证明的稳定性和成本边界？
• RQ4 与基线策略相比，所提方法在成本节约和QoSE合规性方面表现如何？

主要发现

• 所提算法在7天周期内从电力市场获得947.27美元收益，较MECP基线（379.74美元）提高60%。
• QoSE保持在约0.025，低于0.03的目标阈值，表明服务质量控制有效。
• 该算法在无需了解未来供应、需求或价格分布的情况下，实现了确定性性能边界。
• 利润增长主要源于最后两天对丰富可再生能源发电的有效利用，如追踪仿真所示。
• QoSE低于基线并非由于控制更优，而是由于价格从27美元/兆瓦时突然上涨至356美元/兆瓦时所引发的性能-拥堵权衡。
• 该算法维持了系统稳定性并满足所有约束，验证了通过Lyapunov优化推导出的理论性能边界。