PGLib-CO2: A Power Grid Library for Real-Time Computation and Optimization of Carbon Emissions

Resumen Técnico: PGLib-CO2

1. Planteamiento del Problema

La transición hacia una infraestructura eléctrica sostenible requiere integrar explícitamente las emisiones de carbono en la modelización y optimización de los sistemas de potencia. Sin embargo, existen dos brechas críticas en la investigación actual:

• Falta de datos estandarizados: Los casos de prueba de código abierto existentes (como la biblioteca PGLib-OPF) carecen de perfiles de carbono a nivel de generador. Esto obliga a los investigadores a asignar factores de emisión ad hoc o no verificados, impidiendo la comparación justa de estrategias operativas conscientes del carbono.
• Limitaciones en el cálculo de métricas: La métrica clave, la Emisión Marginal Local (LMCE - Locational Marginal Carbon Emissions), que mide la sensibilidad de las emisiones totales ante cambios marginales en la carga, es difícil de calcular con precisión. Los métodos actuales dependen de perturbaciones numéricas (re-solver el problema de flujo de potencia óptimo con pequeños cambios), lo cual es inestable en puntos de operación límite y computacionalmente costoso para aplicaciones en tiempo real. Además, los métodos analíticos tradicionales suelen estar restringidos a funciones de costo cuadráticas específicas.

2. Metodología

El trabajo propone una solución integral que combina la creación de un nuevo conjunto de datos con algoritmos avanzados de optimización:

A. Desarrollo de la Biblioteca PGLib-CO2

• Extensión de Datos: Se ha creado una extensión de código abierto para la biblioteca PGLib-OPF (disponible en pandapower para Python y PowerModels.jl para Julia).
• Perfilado de Generadores: Se asignan factores de intensidad de emisión ($CO_2$ y $CO_2e$) a cada generador basándose en su tipo de combustible. Se ha ampliado la clasificación de combustibles más allá de las categorías básicas (incluyendo carbón antracita, turbinas de ciclo combinado, motores de combustión interna, etc.).
• Factores de Emisión: Se utilizan factores de emisión estandarizados (t/MWh) derivados de literatura científica establecida, permitiendo tanto el cálculo de emisiones directas de $CO_2$ como de equivalentes de $CO_2$ ($CO_2e$), que incluyen metano y óxido nitroso.

B. Algoritmos para el Cálculo de LMCE
Para superar las limitaciones de los métodos tradicionales, se proponen dos enfoques computacionales:

1. Cálculo Exacto mediante Programación Diferenciable:

   • Se trata el problema de Flujo de Potencia Óptimo (OPF) como una capa diferenciable dentro de un gráfico computacional (similar a una capa de red neuronal).
   • Utilizando diferenciación automática y el teorema de la función implícita, se calculan las sensibilidades exactas de la solución óptima respecto a los cambios en la demanda.
   • Ventaja: Proporciona la sensibilidad exacta para funciones de costo convexas generales (no solo lineales), eliminando los errores de aproximación de las perturbaciones numéricas.

2. Identificación en Tiempo Real mediante Programación Multiparamétrica (MPP):

   • Para aplicaciones que requieren latencia ultra baja, se desplaza la carga computacional a una fase offline.
   • Se utiliza MPP para identificar las regiones críticas del espacio de parámetros (demanda). Dentro de cada región, la solución óptima de despacho es una función afín precalculada de la demanda.
   • Fase Online: En tiempo real, el sistema solo necesita identificar en qué región crítica se encuentra la carga actual y evaluar la función afín precalculada. Esto convierte un problema de optimización complejo en una simple búsqueda geométrica y multiplicación de matrices.

3. Contribuciones Clave

1. Conjunto de Datos Enriquecido con Carbono: PGLib-CO2 proporciona la primera base de datos estandarizada y reproducible con atributos de carbono a nivel de generador para casos de prueba IEEE y sintéticos, facilitando la investigación en operaciones de redes conscientes del carbono.
2. Algoritmo de Programación Diferenciable para LMCE: Establece un método riguroso para calcular la sensibilidad marginal exacta de las emisiones, funcionando como "verdad fundamental" (ground truth) incluso para funciones de costo no lineales.
3. Identificación de LMCE en Tiempo Real (MPP): Propone un algoritmo que permite recuperar señales de carbono exactas en escalas de tiempo sub-milisegundo, superando en varios órdenes de magnitud a los métodos de optimización directa.

4. Resultados Numéricos

Las evaluaciones se realizaron en los sistemas de prueba IEEE de 14 y 118 buses:

• Precisión del Método Diferenciable:

  • Se comparó contra la librería ElectricityEmissions.jl. El método propuesto mostró una desviación media insignificante (<0.021).
  • En puntos de operación límite (donde cambian las restricciones activas), el método diferenciable mantuvo la precisión, mientras que los métodos de perturbación numérica fallaron o mostraron grandes desviaciones.
  • Se demostró su validez también con funciones de costo cuadráticas, un caso donde otras herramientas fallan.

• Eficiencia del Método MPP:

  • Sistema IEEE 14-bus: El tiempo de cálculo promedio del método diferenciable fue de 37.7 ms, mientras que el enfoque MPP en línea redujo esto a 0.17 ms.
  • Sistema IEEE 118-bus: La diferencia es aún más drástica. El método diferenciable tardó un promedio de 7.23 segundos (con picos de hasta 25 s), mientras que el enfoque MPP mantuvo un tiempo de 0.14 ms (sub-milisegundo).
  • La precisión del MPP fue extremadamente alta, con errores de estimación menores al 0.2% en el sistema de 14 buses y 0.1% en el de 118 buses.
  • El tiempo de cálculo del MPP es determinista y no depende de la condición numérica del escenario, a diferencia de los solucionadores iterativos.

5. Significado e Impacto

• Fundamento para la Investigación: PGLib-CO2 cierra la brecha entre la modelización teórica y la práctica, permitiendo comparar algoritmos de descarbonización en un entorno de datos unificado.
• Operaciones de Red en Tiempo Real: La capacidad de calcular LMCE en sub-milisegundos permite la integración de señales de carbono en mercados eléctricos dinámicos, control de demanda en tiempo real y gestión de riesgos climáticos.
• Transparencia del Mercado: El enfoque MPP permite a los participantes del mercado inferir las señales de carbono locales basándose únicamente en los precios de la electricidad (LMP) públicos, sin necesidad de acceso a la información interna del operador del sistema.
• Escalabilidad: La metodología demuestra que es posible realizar optimización y cálculo de carbono de alta fidelidad en sistemas de gran escala sin sacrificar la velocidad, un requisito esencial para la transición energética futura.

En conclusión, el trabajo presenta una herramienta fundamental que combina datos de alta fidelidad con algoritmos de optimización avanzada para habilitar una gestión de la red eléctrica verdaderamente consciente del carbono y en tiempo real.