[论文解读] Architecture and Algorithms for Privacy Preserving Thermal Inertial Load Management by A Load Serving Entity

Abhishek Halder, Xinbo Geng+2 more|arXiv (Cornell University)|Jun 30, 2016

Smart Grid Energy Management参考文献 12被引用 3

一句话总结

本文提出了一种保护隐私的架构与算法，供负荷服务主体（LSE）通过热惯性负荷控制管理住宅空调，确保个体舒适度的同时保护用户隐私。通过采用基于合同的模型、差分隐私及设定点速度控制，LSE在不访问个体空调状态的情况下优化能源采购并实现需求响应，从而实现成本效益高、可扩展且私密的负荷管理。

ABSTRACT

Motivated by the growing importance of demand response in modern power system's operations, we propose an architecture and supporting algorithms for privacy preserving thermal inertial load management as a service provided by the load serving entity (LSE). We focus on an LSE managing a population of its customers' air conditioners, and propose a contractual model where the LSE guarantees quality of service to each customer in terms of keeping their indoor temperature trajectories within respective bands around the desired individual comfort temperatures. We show how the LSE can price the contracts differentiated by the flexibility embodied by the width of the specified bands. We address architectural questions of (i) how the LSE can strategize its energy procurement based on price and ambient temperature forecasts, (ii) how an LSE can close the real time control loop at the aggregate level while providing individual comfort guarantees to loads, without ever measuring the states of an air conditioner for privacy reasons. Control algorithms to enable our proposed architecture are given, and their efficacy is demonstrated on real data.

研究动机与目标

• 设计一种架构，使负荷服务主体（LSE）能够管理住宅空调群体，同时确保个体舒适度与隐私。
• 解决在不测量或访问个体空调内部状态的情况下，维持个体舒适度保证的挑战。
• 通过基于价格与温度预测的聚合负荷控制优化，实现成本效益高的能源采购。
• 开发一种合同定价机制，反映用户舒适容忍带所提供的灵活性。
• 在聚合控制过程中确保差分隐私，防止个体用户数据暴露。

提出的方法

• LSE采用无模型的设定点速度控制算法，根据实时反馈调整空调设定点，而无需测量个体状态。
• 采用基于合同的模型，每位客户指定其期望温度周围的舒适带，LSE根据该带宽定价合同。
• 通过在聚合功率消耗估计中注入拉普拉斯噪声，实现差分隐私，确保个体空调状态保持私密。
• LSE将开放环最优控制问题公式化，以最小化能源采购成本，使用日前价格与环境温度预测。
• 通过统计性能分析量化实时偏差对采购成本的影响。
• 该架构实现实时聚合层面控制，同时通过隐私保护的估计机制维持个体舒适度约束。

实验结果

研究问题

• RQ1 LSE如何管理热惯性负荷群体，以确保个体舒适度而不访问个体空调状态？
• RQ2 何种架构与算法框架可实现热惯性负荷管理中的隐私保护需求响应？
• RQ3 LSE如何利用价格与环境温度预测优化能源采购成本？
• RQ4 在隐私保护框架下，舒适容忍度（带宽）与合同定价之间存在何种关系？
• RQ5 系统在实时偏差偏离日前预测时表现如何，对成本的统计影响是什么？

主要发现

• 所提出的设定点速度控制算法成功在不测量个体空调状态的情况下维持个体舒适度边界，确保隐私。
• LSE通过注入尺度参数为 $ P_e / ε $ 的拉普拉斯噪声，在聚合功率估计中实现 ε-差分隐私，保护个体数据。
• 合同定价机制实现了基于舒适容忍度的收入差异化，成本增加与移除空调数量之间的线性拟合为动态定价提供了依据。
• 基于ERCOT数据的仿真结果表明，LSE可通过基于预测与隐私保护控制的战略性负荷管理降低能源采购成本。
• 计算复杂度高效可扩展，MATLAB linprog 在10秒内求解500户家庭的规划问题，表明具备实际可部署性。
• 系统对实时偏差表现出鲁棒性，统计性能边界量化了在预测不确定性下的成本影响。