[论文解读] Operational Valuation for Energy Storage under Multi-stage Price Uncertainties

Bolun Xu, Audun Botterud+1 more|arXiv (Cornell University)|Oct 21, 2019

Smart Grid Energy Management参考文献 19被引用 4

一句话总结

本文提出了一种分析性、计算高效的能量存储估值方法，通过直接使用价格分布函数而非场景抽样，来应对多阶段电价不确定性。该方法实现近乎瞬时的计算（比SDDP快达100,000倍），同时准确捕捉价格飙升和负电价等尾部事件，使储能运营商能够实现实时估值。

ABSTRACT

This paper presents an analytical method for calculating the operational value of an energy storage device under multi-stage price uncertainties. Our solution calculates the storage value function from price distribution functions directly instead of sampling discrete scenarios, offering improved modeling accuracy over tail distribution events such as price spikes and negative prices. The analytical algorithm offers very high computational efficiency in solving multi-stage stochastic programming for energy storage and can easily be implemented within any software and hardware platform, while numerical simulation results show the proposed method is up to 100,000 times faster than a benchmark stochastic-dual dynamic programming solver even in small test cases. Case studies are included to demonstrate the impact of price variability on the valuation results, and a battery charging example using historical prices for New York City.

研究动机与目标

• 开发一种高速、高精度的能量存储估值方法，以应对多阶段价格不确定性，特别是价格飙升和负电价等极端事件。
• 克服基于场景的随机规划方法在尾部分布建模方面存在的局限性，并解决其高计算复杂度的问题。
• 通过最小化计算开销和硬件需求，实现在设备端的实时储能估值。
• 利用真实纽约市电价数据，证明该方法在速度和精度上优于SDDP等基准求解器。
• 支持储能参与者在价格预测不完善的情况下，通过即时价值计算做出最优运行决策。

提出的方法

• 该方法将能量存储套利建模为具有非预测性策略的随机最优控制问题，在已知价格分布下最大化预期利润。
• 通过未来价格的累积分布函数与下一周期的价值函数，直接解析计算储能价值函数，避免了场景离散化。
• 该解法采用反向递推，时间复杂度为线性，空间复杂度为常数，可在数百个预测周期内实现近乎瞬时的计算。
• 通过各阶段独立的概率分布（如标准差变化的正态分布）对价格不确定性进行建模，直接体现尾部分布行为。
• 将实时与日前价格预测结合历史偏差分布以建模不确定性，使用纽约ISO数据集进行验证。
• 该算法仅使用基本算术与逻辑运算，可部署于低资源硬件和软件平台。

实验结果

研究问题

• RQ1 如何在多阶段价格不确定性下，高效且准确地计算能量存储价值，特别是对价格飙升和负电价等罕见但影响重大的事件？
• RQ2 与SDDP等基于场景的随机规划方法相比，使用分析性分布估值方法在计算效率上具有何种优势？
• RQ3 通过在价格预测中采用变化的标准差对价格波动进行建模，如何影响储能的运行价值？
• RQ4 在真实世界应用中，使用实际价格数据时，该方法能否优于仅依赖日前价格的启发式基准？
• RQ5 该方法在计算开销极低的前提下，多大程度上可应用于分布式储能系统中的实时决策？

主要发现

• 由于采用线性时间与常数空间复杂度，该方法在小型测试案例中即比基准随机对偶动态规划（SDDP）求解器快达100,000倍。
• 通过直接使用分布函数而非抽样场景，该方法在价格飙升和负电价等尾部事件上的建模精度更高。
• 随着价格不确定性的增加，储能价值的跨度显著扩大——例如，当标准差为10、30和50时，边际价值范围显著拓宽，反映出更高的套利潜力。
• 在使用纽约市电价的真实案例研究中，基于分布的估值方法使100kW/200kWh电池从10%充至90%荷电状态（SoC）获得4美元利润，优于仅使用日前价格的启发式方法（2美元），但低于具备完美信息的实时基准（8美元）。
• 该方法支持即时估值计算，适用于在低成本硬件上实现实时部署，而SDDP在高时间分辨率（如5分钟市场）下则变得不可行。
• 该框架成功捕捉了跨时段的价格变异性与不确定性，在不同储能荷电状态和预测时域下均表现出强鲁棒性。