[论文解读] Real-time Shared Energy Storage Management for Renewable Energy Integration in Smart Grid

Katayoun Rahbar, Mohammad R. Vedady Moghadam+1 more|arXiv (Cornell University)|Jun 2, 2017

Smart Grid Energy Management参考文献 12被引用 5

一句话总结

本文提出一种分布式、隐私保护的实时能源管理算法，用于智能电网中的共享储能系统（ESS），使配备可再生能源的多个用户能够联合优化充放电策略，以最小化总能源成本。与独立ESS相比，该方法可实现更低的能耗成本和更少的ESS容量需求；在线算法在预测误差和高可再生能源多样性条件下仍能保持接近最优的性能，显著提升低容量ESS下的成本节约效果。

ABSTRACT

Energy storage systems (ESSs) are essential components of the future smart grids with high penetration of renewable energy sources. However, deploying individual ESSs for all energy consumers, especially in large systems, may not be practically feasible mainly due to high upfront cost of purchasing many ESSs and space limitation. As a result, the concept of shared ESS enabling all users charge/discharge to/from a common ESS has become appealing. In this paper, we study the energy management problem of a group of users with renewable energy sources and controllable (i.e., demand responsive) loads that all share a common ESS so as to minimize their sum weighted energy cost. Specifically, we propose a distributed algorithm to solve the formulated problem, which iteratively derives the optimal values of charging/discharging to/from the shared ESS, while only limited information is exchanged between users and a central controller; hence, the privacy of users is preserved. With the optimal charging and discharging values obtained, each user needs to independently solve a simple linear programming (LP) problem to derive the optimal energy consumption of its controllable loads over time as well as that of purchased from the grid. Using simulations, we show that the shared ESS can achieve lower energy cost compared to the case of distributed ESSs, where each user owns its ESS and does not share it with others. Next, we propose online algorithms for the real-time energy management, under non-zero prediction errors of load and renewable energy. The proposed algorithms differ in complexity and the information required to be shared between the users and central controller, where their performance is also compared via simulations.

研究动机与目标

• 解决大规模智能电网中为每位用户部署独立ESS所带来的高昂前期成本和空间限制问题。
• 设计一种共享ESS模型，使具备可再生能源发电和可调节负荷的多个用户通过中央控制器联合优化能源使用。
• 在仅通过有限信息交换保护用户隐私的前提下，最小化所有用户的总加权能源成本。
• 开发并比较能够处理负荷和可再生能源发电预测实时不确定性的在线算法。
• 评估共享ESS相较于分布式ESS部署在成本降低和ESS容量效率方面的性能提升。

提出的方法

• 在假设未来可再生能源发电和负荷曲线完全可知的前提下，建立离线能源管理问题。
• 提出一种迭代式分布式算法，仅在用户与中央控制器之间交换有限信息，以计算最优共享ESS充放电计划。
• 采用凸优化方法，为每个用户求解线性规划子问题，以确定最优可调节负荷消耗和电网购电策略。
• 引入三种在线算法——滚动时域控制（RHC）、预测策略（PS）和在线基准框架（OBF），以应对实时预测误差。
• 在仿真中采用正态分布的预测误差，评估系统在不确定性下的鲁棒性与性能表现。
• 比较不同可再生能源多样性（仅太阳能 vs. 风光混合）下的系统性能，以评估其对成本节约和ESS利用率的影响。

实验结果

研究问题

• RQ1 如何在保护用户隐私的前提下，使共享ESS系统最小化多个集成可再生能源用户的总加权能源成本？
• RQ2 在负荷和可再生能源发电预测存在误差的情况下，离线最优解与在线算法之间的性能差距有多大？
• RQ3 可再生能源多样性（如太阳能、风能或混合）如何影响所需共享ESS容量及可实现的成本节约？
• RQ4 相较于每位用户独立部署ESS，共享ESS在多大程度上降低了总能源成本？
• RQ5 在不确定性条件下，不同在线算法（RHC、PS、OBF）在复杂度、信息共享和成本表现方面如何比较？

主要发现

• 与分布式ESS相比，共享ESS显著降低了总能源成本，即使在总ESS容量更低的情况下也能实现成本节约。
• 当共享ESS容量为28 kWh时，系统实现的成本节约效果与需要56 kWh分布式ESS配置的方案相当，表明所需容量减少了50%。
• 高可再生能源多样性（如风光混合）可在更低的ESS容量下实现更高的成本节约——最大节约效果在18 kWh时达到，而仅太阳能系统需36 kWh才能实现同等效果。
• 滚动时域控制（RHC）在线算法性能最接近离线最优解，在σ² = 1.2 kW²时仅损失4.4%的性能。
• 在噪声预测环境下，PS和OBF在线算法分别损失4.4%和7.4%的性能，表现出较强的鲁棒性。
• 在高多样性情况下，充电与放电发生在不同时间，减少了能量流的并发性，提升了ESS利用率；而在低多样性（仅太阳能）情况下，能量流显著重叠。