[论文解读] Online Offering Strategies for Storage-Assisted Renewable Power Producer in Hour-Ahead Market

Lin Yang, Mohammad Hajiesmaili+2 more|arXiv (Cornell University)|Dec 1, 2016

Smart Grid Energy Management参考文献 10被引用 3

一句话总结

本文提出了一种在线报价策略——sOffer、mOffer 和 gOffer，供具备储能能力的可再生能源发电企业参与日前小时级电力市场。通过采用竞争性在线算法设计，这些策略在可再生能源出力不确定和市场出清价格动态变化的条件下，实现了接近最优的利润表现，其竞争比为 O(log θ)，并展现出对预测误差和价格波动的鲁棒性。

ABSTRACT

A promising approach to hedge against the inherent uncertainty of renewable generation is to equip the renewable plants with energy storage systems. This paper focuses on designing profit maximization offering strategies, i.e., the strategies that determine the offering price and volume, for a storage-assisted renewable power producer that participates in hour-ahead electricity market. Designing the strategies is challenging since (i) the underlying problem is coupled across time due to the evolution of the storage level, and (ii) inputs to the problem including the renewable output and market clearing price are unknown when submitting offers. Following the competitive online algorithm design approach, we first study a basic setting where the renewable output and the clearing price are known for the next hour. We propose sOffer, a simple online offering strategy that achieves the best possible competitive ratio of O(log θ), where $θ$ is the ratio between the maximum and the minimum clearing prices. Then, we consider the case where the clearing price is unknown. By exploiting the idea of submitting multiple offers to combat price uncertainty, we propose mOffer, and demonstrate that the competitive ratio of mOffer converges to that of sOffer as the number of offers grows. Finally, we extend our approach to the scenario where the renewable output has forecasting error. We propose gOffer as the generalized offering strategy and characterize its competitive ratio as a function of the forecasting error. Our trace-driven experiments demonstrate that our algorithms achieve performance close to the offline optimal and outperform a baseline alternative significantly.

研究动机与目标

• 解决具备储能能力的可再生能源发电企业在动态日前电力市场中实现利润最大化的挑战。
• 设计无需掌握未来可再生能源出力或市场出清价格完整信息的在线报价策略。
• 考虑储能动态带来的时序耦合性，并确保能量存储在时间维度上的平衡。
• 开发对价格波动和可再生能源出力预测误差具有鲁棒性的策略。
• 在信息不完整的真实市场条件下，实现具有理论保证的竞争性能（竞争比）。

提出的方法

• 提出 sOffer 用于基础场景，即已知下一小时的可再生能源出力和出清价格，其竞争比为 O(log θ)，其中 θ 为最大与最小出清价格的比值。
• 引入 mOffer 以应对出清价格未知的情况，通过提交多个报价来降低价格不确定性的影响，并随着报价数量增加而趋近于 sOffer 的性能。
• 提出 gOffer 作为通用策略，适用于可再生能源出力存在预测误差的场景，将其竞争比表征为误差幅度的函数。
• 采用竞争性在线算法设计方法，推导出所有所提策略的理论性能边界（竞争比）。
• 利用真实市场数据进行追踪驱动实验，评估其相对于离线最优解和基线方法的性能表现。
• 利用储能系统将电能从低电价时段转移至高电价时段，从而在仅满足基本承诺的基础上进一步提升利润。

实验结果

研究问题

• RQ1 在已知未来价格的储能辅助可再生能源发电场景下，最优在线报价策略可达到的最好竞争比是多少？
• RQ2 当市场出清价格无法预先获知时，如何通过提交多个报价来缓解其不确定性影响？
• RQ3 可再生能源出力的预测误差如何影响在线报价策略的性能？何种策略可保持鲁棒性？
• RQ4 储能容量在多大程度上影响在线报价策略的利润和竞争比？
• RQ5 在真实电力市场轨迹下，在线策略能在多大程度上实现接近离线最优的性能表现？

主要发现

• sOffer 实现了 O(log θ) 的竞争比，其中 θ 为最大与最小出清价格的比值，代表在已知未来价格条件下的最优性能。
• 随着提交报价数量的增加，mOffer 的性能趋近于 sOffer，有效缓解了未知出清价格带来的不确定性。
• gOffer 对可再生能源预测误差具有鲁棒性，当误差低于 20% 时表现稳定；当误差超过该阈值时，利润迅速下降。
• 在储能容量最高达可再生能源容量 2 倍的范围内，gOffer 的实证竞争比始终接近 1.0（接近最优），表明其在现实场景中表现优异。
• 基线策略 FixedOnline 的实证竞争比比 gOffer 高出 90%，凸显了 gOffer 在价格波动环境下的优越性。
• 随着储能容量增加，gOffer 的利润仅提升 3%，而 FixedOnline 的利润则增长 90%，表明 gOffer 在利用储能信息方面具有更高的效率。