[论文解读] Online Energy Generation Scheduling for Microgrids with Intermittent Energy Sources and Co-Generation

Lian Lu, Jinlong Tu+3 more|arXiv (Cornell University)|Nov 19, 2012

Microgrid Control and Optimization参考文献 25被引用 5

一句话总结

本文提出 CHASE，一种针对具有间歇性可再生能源和热电联产（CHP）发电的微电网能量发电调度的竞争力在线算法。通过利用离线最优解的结构化洞察，CHASE 在典型设置下实现了最多为 3 的竞争力比，并在真实世界轨迹下表现出接近离线最优的性能，无需未来预测时成本降低高达 20%，并可通过有限的前瞻预测进一步提升性能。

ABSTRACT

Microgrids represent an emerging paradigm of future electric power systems that can utilize both distributed and centralized generations. Two recent trends in microgrids are the integration of local renewable energy sources (such as wind farms) and the use of co-generation (i.e., to supply both electricity and heat). However, these trends also bring unprecedented challenges to the design of intelligent control strategies for microgrids. Traditional generation scheduling paradigms rely on perfect prediction of future electricity supply and demand. They are no longer applicable to microgrids with unpredictable renewable energy supply and with co-generation (that needs to consider both electricity and heat demand). In this paper, we study online algorithms for the microgrid generation scheduling problem with intermittent renewable energy sources and co-generation, with the goal of maximizing the cost-savings with local generation. Based on the insights from the structure of the offline optimal solution, we propose a class of competitive online algorithms, called CHASE (Competitive Heuristic Algorithm for Scheduling Energy-generation), that track the offline optimal in an online fashion. Under typical settings, we show that CHASE achieves the best competitive ratio among all deterministic online algorithms, and the ratio is no larger than a small constant 3.

研究动机与目标

• 解决在可再生能源供应不确定和存在电力-热双重需求的情况下，实时调度微电网发电的挑战。
• 设计在线算法以最小化发电成本，而不依赖于现实中不可行的完美未来预测。
• 在统一的在线框架中整合热电联产（CHP）和可再生能源发电的机组启停与经济调度。
• 使用真实世界中的能源和需求轨迹，在实际条件下评估性能。
• 将算法扩展以利用有限的未来预测，例如短期风力或负荷预测。

提出的方法

• 提出 CHASE，一种基于离线最优解结构的在线追踪机制的竞争力启发式算法。
• 基于离线最优解结构的洞察设计算法，特别是关于发电机组启停决策和功率输出分配。
• 建立理论边界，证明在典型微电网设置下，CHASE 是所有确定性在线算法中可实现的最佳竞争力比 3。
• 通过自适应调度规则，将 CHASE 扩展以整合有限的未来预测，例如短期风力预报或需求估计。
• 采用混合方法，根据实时成本和可用性，动态平衡本地发电（可再生能源和 CHP）与电网采购。
• 使用实际微电网部署的真实世界轨迹验证算法，模拟动态负荷和风力发电配置。

实验结果

研究问题

• RQ1 在缺乏对未来的可再生能源发电和需求的完全知识的情况下，是否可以实现接近最优性能的在线算法？
• RQ2 在具有间歇性可再生能源和 CHP 发电的微电网中，确定性在线算法可实现的最佳竞争力比是多少？
• RQ3 如何有效整合有限的未来预测（例如风力或负荷预测）以改进在线调度并提升成本节约？
• RQ4 该算法是否能在适应真实世界中可再生能源和负荷配置的波动性的同时，维持强理论性能保证？
• RQ5 在不确定条件下的成本节约和鲁棒性方面，所提出的方法是否优于现有方法？

主要发现

• 在典型微电网条件下，CHASE 的竞争力比最多为 3，这是所有确定性在线算法中可实现的最佳结果。
• 在基于真实世界轨迹的评估中，即使没有任何未来预测，CHASE 也能将能源成本降低约 20%。
• 随着未来前瞻窗口的增大，成本降低效果进一步提升，表明有限预测具有显著价值。
• 该算法在保持强理论性能保证的同时，在实证评估中实现了接近离线最优的结果。
• CHASE 有效管理了 CHP 和间歇性可再生能源的集成，确保了电力和热力需求的满足，同时最小化了总成本。
• 所提出的方法优于依赖完整预测或未考虑发电机组启动成本的现有方法。