Distributionally Robust Model Predictive Control for Virtual Power Plants

Resumen Técnico: Control Predictivo de Modelo Robusto Distribucional para Plantas de Energía Virtual

Enunciado del Problema
Las Plantas de Energía Virtual (VPP) agrupan fuentes despachables y no despachables, edificios residenciales y almacenamiento en baterías para participar en mercados eléctricos y proporcionar soporte a la red. Sin embargo, la operación óptima de las VPP se complica por las incertidumbres inherentes en la generación renovable, la demanda térmica y los precios del mercado eléctrico. El Control Predictivo de Modelo (MPC) tradicional ofrece cierta robustez a través de su estructura de horizonte deslizante, pero puede sufrir bajo perturbaciones grandes no modeladas. El MPC Robusto (RMPC) garantiza el cumplimiento de restricciones para todas las perturbaciones admisibles, pero a menudo es excesivamente conservador, mientras que el MPC Estocástico (SMPC) reduce el conservadurismo pero depende de un conocimiento probabilístico preciso que rara vez está disponible en la práctica. Los errores de pronóstico en estas variables pueden propagarse a través del sistema de control, lo que lleva a una programación subóptima, un aumento de costos o violaciones de restricciones.

Metodología
El artículo propone un marco de Control Predictivo de Modelo Robusto Distribucional (DR-MPC) diseñado para manejar la incertidumbre en los precios de la electricidad mientras optimiza el rendimiento económico y el confort térmico.

• Modelo Unificado de VPP: Los autores formulan un modelo unificado que agrupa edificios residenciales (modelados mediante un enfoque de dinámica térmica 3R2C), almacenamiento en baterías y generación renovable (solar y eólica). El sistema opera bajo una restricción de balance de potencia en tiempo discreto que vincula la producción renovable, la demanda de los edificios, la operación de la batería y el intercambio con la red. La función objetivo minimiza los costos de energía, el malestar térmico y los costos de degradación de la batería.
• Pronóstico Basado en Datos: El marco utiliza el Extractor de Representación de Series Temporales (TiREx), un modelo preentrenado de cero disparos basado en una arquitectura xLSTM. TiREx genera pronósticos probabilísticos causales para los precios de la electricidad, la temperatura ambiente, la irradiación solar y la velocidad del viento. Específicamente, produce cuantiles condicionales sobre un horizonte de 24 horas.
• Cuantificación de la Incertidumbre: En lugar de utilizar programación estocástica basada en escenarios o asumir distribuciones precisas, el método construye distribuciones predictivas empíricas por etapas a partir de los cuantiles pronosticados. Estas distribuciones sirven como centros para conjuntos de ambigüedad de Wasserstein variables en el tiempo.
• Formulación DR-MPC: El problema de control se reformula como un problema de optimización robusta distribucional. Crucialmente, el costo por etapa es afín con respecto al precio incierto de la electricidad. Esta estructura afín permite una reformulación tratable en forma cerrada del costo esperado en el peor caso. La formulación resultante incluye un término de corrección proporcional a la sensibilidad del precio (exposición neta al mercado) y al radio de la bola de Wasserstein ($\epsilon$). El radio controla la compensación entre la robustez frente a cambios distribucionales y el beneficio esperado.
• Implementación: El marco opera de manera de horizonte deslizante. En cada paso de tiempo, el controlador resuelve un problema de optimización de horizonte finito (24 horas) utilizando el estado actual y los conjuntos de ambigüedad construidos, aplica la primera entrada de control y avanza el horizonte.

Contribuciones Clave

1. Formulación de un Problema de Control Óptimo DR: El artículo formula un problema de control de VPP en tiempo real que optimiza conjuntamente el rendimiento económico y el confort térmico mientras robustifica explícitamente la incertidumbre en los precios de la electricidad.
2. Conjuntos de Ambigüedad Variables en el Tiempo: Construye conjuntos de ambigüedad de Wasserstein variables en el tiempo derivados de pronósticos empíricos de cuantiles de precios de mercado, permitiendo que el modelo de incertidumbre se adapte a la dispersión del pronóstico.
3. Integración con Pronósticos Causales: El enfoque integra estos conjuntos dentro de un marco DR-MPC de horizonte deslizante utilizando pronósticos probabilísticos causales del pronosticador TiREx.
4. Validación Empírica: El método se valida en un caso de estudio realista nórdico utilizando datos reales de clima y mercado, demostrando mejoras consistentes en los ingresos sobre el MPC basado en pronósticos estándar.

Resultados
El marco se evaluó utilizando datos reales de Oslo, Noruega, en dos escenarios estacionales: un período de primavera (abril-mayo) con temperaturas moderadas y generación solar significativa, y un período de otoño (octubre) con mayor demanda de calefacción y radiación reducida. Se compararon tres estrategias:

• PF-MPC: Asume conocimiento perfecto del futuro (límite superior).
• FC-MPC: Utiliza pronósticos puntuales de TiREx sin márgenes de robustez (línea base).
• DR-MPC: Aumenta FC-MPC con el término robusto distribucional de precios.

Hallazgos:

• Radios Pequeños Mejoran el Rendimiento: Cuando el radio de ambigüedad ($\epsilon$) se elige apropiadamente (valores pequeños), DR-MPC supera consistentemente al MPC basado en pronósticos estándar.
  • En el escenario de primavera, $\epsilon = 0.25$ produjo una ganancia de ingresos del +0.82% bajo incertidumbre total y +0.78% en el caso solo de precios.
  • En el escenario de otoño, $\epsilon = 0.5$ funcionó mejor, logrando ganancias del +0.76% (incertidumbre total) y +0.57% (solo precios).
• Penalización por Conservadurismo: Radios más grandes (por ejemplo, $\epsilon = 2$) se volvieron excesivamente conservadores, reduciendo significativamente los ingresos (caídas de hasta -7.77% en el escenario de otoño). Esto subraya la importancia de una selección adecuada del radio para evitar restringir el arbitraje rentable.
• Dominio de la Incertidumbre de Precios: Los experimentos que aislaron la incertidumbre de precios (con conocimiento perfecto del clima) confirmaron que la incertidumbre de precios es el principal impulsor del riesgo económico en este contexto, aunque eliminar la incertidumbre climática aumentó los niveles absolutos de ingresos.

Significado y Afirmaciones
El artículo afirma que el marco DR-MPC propuesto ofrece una mejora práctica y efectiva al MPC estándar para la operación de VPP consciente de la incertidumbre. Al integrar información de distribuciones predictivas directamente en la toma de decisiones en tiempo real mediante conjuntos de Wasserstein variables en el tiempo, el método logra beneficios económicos consistentes (hasta un 0.8% de mejora en ingresos) sin requerir modelos probabilísticos precisos. Los autores enfatizan que el enfoque cierra la brecha entre el conservadurismo del RMPC y la dependencia de datos del SMPC.

Limitaciones y Trabajo Futuro
Los autores señalan una limitación respecto a la construcción por etapas de las distribuciones empíricas de precios. Dado que los conjuntos de ambigüedad se construyen independientemente en cada paso de predicción a partir de pronósticos de cuantiles marginales, las dependencias temporales en el proceso de precios no se capturan explícitamente. Esto puede llevar a una robustificación excesivamente conservadora de decisiones de arbitraje intertemporal (por ejemplo, programación de carga/descarga de baterías) donde la distribución conjunta de los precios es importante.

Se propone trabajo futuro para abordar esto construyendo conjuntos de ambigüedad de Wasserstein conjuntos sobre trayectorias de precios. Además, los autores sugieren extender el modelo de VPP a portafolios heterogéneos, incorporando incertidumbre en la generación renovable y la demanda térmica mediante aproximación de promedios de muestras o métodos basados en escenarios, y desarrollar mecanismos basados en datos para seleccionar dinámicamente el radio de Wasserstein según la estación o el tiempo.