[论文解读] Co-Optimizing Distributed Energy Resources in Linear Complexity under Net Energy Metering

Ahmed S. Alahmed, Lang Tong+1 more|arXiv (Cornell University)|Aug 21, 2022

Smart Grid Energy Management参考文献 32被引用 5

一句话总结

本文提出了一种线性复杂度、去中心化的协同优化算法，用于净电量计量电价下的用户侧分布式能源资源（包括太阳能发电、可调节负荷和电池储能）。通过利用带有结构特性的随机动态规划方法，该方法实现了近似最优性能的闭式短视控制，显著降低了计算成本，同时实现了可扩展的、实时的能源管理，适用于产消者和电网运营商。

ABSTRACT

The co-optimization of behind-the-meter distributed energy resources is considered for prosumers under the net energy metering tariff. The distributed energy resources considered include renewable generations, flexible demands, and battery energy storage systems. An energy management system co-optimizes the consumptions and battery storage based on locally available stochastic renewables by solving a stochastic dynamic program that maximizes the expected operation surplus. To circumvent the exponential complexity of the dynamic program solution, we propose a closed-form and linear computation complexity co-optimization algorithm based on a relaxation-projection approach to a constrained stochastic dynamic program. Sufficient conditions for optimality for the proposed solution are obtained. Numerical studies demonstrate orders of magnitude reduction of computation costs and significantly reduced optimality gap.

研究动机与目标

• 解决在净电量计量（NEM）电价下协同优化用户侧分布式能源资源（DERs），如太阳能发电、可调节负荷和电池储能的挑战。
• 开发一种计算复杂度为线性的可扩展去中心化解决方案，适用于智能家庭和微电网中的大规模部署。
• 提供一种性能有保障的闭式控制策略，在储能容量约束不具约束性时可实现最优性。
• 在现实的NEM电价结构下，评估协同优化对产消者经济收益和电网运营商成本回收的影响。

提出的方法

• 在马尔可夫决策过程（MDP）框架下，将协同优化问题建模为带有随机可再生能源发电的随机动态规划问题。
• 推导动态规划解的结构性质，从而实现仅依赖于当前状态和可再生能源预测的闭式短视控制策略。
• 引入残值调整机制，将电池退化效应整合到优化过程中，同时保持解析可解性。
• 设计一种去中心化实现方式，每个产消者仅使用本地可再生能源预测和电价信息进行本地优化，最大限度减少通信开销。
• 采用净电量计量（NEM）电价模型，其中进口和出口电价不同，反映现实中的零售电价结构。
• 通过在不同可再生能源发电水平、储能容量和出口率下进行数值仿真，验证该算法的有效性。

实验结果

研究问题

• RQ1 能否设计一种去中心化、低复杂度的算法，在净电量计量下实现对太阳能发电、可调节需求和电池储能的协同优化，并具备性能保证？
• RQ2 储能容量约束对所提出的短视策略最优性有何影响？
• RQ3 在不同可再生能源发电水平和出口率下，协同优化对产消者剩余收益有何影响？
• RQ4 协同优化在多大程度上可降低电网运营商的净成本并改善成本回收？
• RQ5 所提方法是否可在大规模、实时场景中以最小通信和计算开销实现？

主要发现

• 当储能容量约束不具约束性时，所提出的短视协同优化算法可实现最优性，该条件下具备性能保证。
• 在0.5美元/千瓦时的出口电价和0.5千瓦的充放电容量下，主动SDG产消者相比非优化用户实现了57%的剩余收益增长，优于被动和主动DG用户。
• 该算法表现出线性计算复杂度，支持在无需集中协调的情况下大规模、去中心化部署。
• 产消者剩余收益随可再生能源发电量增加而提升，在本地消纳率达到100%时达到峰值，且在储能功率更高的主动SDG配置下收益最为显著。
• 电池放电将电网净成本从光伏发电时段转移至非光伏发电时段，导致在光伏高峰发电期成本回收减少，但在非光伏时段成本上升。
• 当进口和出口电价相等（NEM 1.0）时，剩余收益显著下降，因为电网充当了虚拟储能，降低了对DER感知用电决策的激励。