[论文解读] Data-Driven Distributionally Robust Optimization for Real-Time Economic Dispatch Considering Secondary Frequency Regulation Cost

Likai Liu, Zechun Hu+2 more|arXiv (Cornell University)|Jan 20, 2021

Frequency Control in Power Systems参考文献 17被引用 6

一句话总结

该论文提出了一种数据驱动的分布鲁棒优化（DRO）框架，用于实时经济调度（RTED），通过利用基于Copula的AGC信号模型和基于Wasserstein度量的鲁棒化方法，显式建模二次频率调节成本。该方法在考虑负荷和可再生能源出力不确定性的同时，确保对分布偏移的鲁棒性，通过仿真验证表明，与传统方法相比可实现成本节约。

ABSTRACT

With the large-scale integration of renewable power generation, frequency regulation resources (FRRs) are required to have larger capacities and faster ramp rates, which increases the cost of the frequency regulation ancillary service. Therefore, it is necessary to consider the frequency regulation cost and constraint along with real-time economic dispatch (RTED). In this paper, a data-driven distributionally robust optimization (DRO) method for RTED considering automatic generation control (AGC) is proposed. First, a Copula-based AGC signal model is developed to reflect the correlations among the AGC signal, load power and renewable generation variations. Secondly, samples of the AGC signal are taken from its conditional probability distribution under the forecasted load power and renewable generation variations. Thirdly, a distributionally robust RTED model considering the frequency regulation cost and constraint is built and transformed into a linear programming problem by leveraging the Wasserstein metric-based DRO technique. Simulation results show that the proposed method can reduce the total cost of power generation and frequency regulation.

研究动机与目标

• 为应对高比例可再生能源渗透导致的频率调节成本上升问题。
• 将二次频率调节成本与约束条件整合进实时经济调度（RTED）模型中。
• 开发一种数据驱动的鲁棒优化框架，以考虑可再生能源出力与负荷预测中的分布不确定性。
• 在不确定系统条件下提升调度的鲁棒性与成本效率。
• 通过转化为可处理的线性规划问题，实现实际应用。

提出的方法

• 构建基于Copula的模型，以捕捉AGC信号、负荷功率与可再生能源出力波动之间的联合依赖结构。
• 基于预测的负荷与可再生能源出力，从其经验条件分布中进行AGC信号的条件采样。
• 利用Wasserstein度量构建分布鲁棒的RTED模型，以处理不确定性底层概率分布的模糊性。
• 通过对偶理论与Wasserstein模糊集的性质，将鲁棒优化问题重述为线性规划问题。
• 将自动发电控制（AGC）动态与频率调节成本整合进经济调度框架。
• 通过测试系统仿真验证该方法，证明其计算可处理性与成本降低效果。

实验结果

研究问题

• RQ1 在可再生能源不确定性条件下，如何有效建模并整合二次频率调节成本至实时经济调度中？
• RQ2 对AGC信号、负荷与可再生能源出力之间相关性的建模，对调度鲁棒性与成本有何影响？
• RQ3 与确定性或随机规划方法相比，基于数据驱动的分布鲁棒优化方法是否能降低系统总成本？
• RQ4 使用Wasserstein度量如何提升对不确定参数分布偏移的鲁棒性？
• RQ5 所提方法在实时应用中在保持运行可行性与计算效率方面能达到何种程度？

主要发现

• 所提出的基于DRO的RTED方法相比传统确定性调度，显著降低了发电与频率调节的总成本。
• 基于Copula的AGC信号模型能有效捕捉负荷、可再生能源出力与控制信号之间的复杂依赖关系。
• 基于Wasserstein的鲁棒化方法在无需完整分布假设的前提下，确保了解的可靠性。
• 重述后的问题可作为线性规划求解，具备实时应用的计算可处理性。
• 仿真结果表明，在各种不确定性场景下，该方法均实现了显著的成本节约与鲁棒性提升。
• 在分布偏移条件下，该方法在成本与鲁棒性方面优于标准随机规划方法。