A Scalable Bilevel Framework for Renewable Energy Scheduling

기술 요약: 재생 에너지 스케줄링을 위한 확장 가능한 바이레벨 프레임워크

문제 정의
가변적 재생 에너지원(VRES)의 전력 시장 통합은 기존 시장 설계에 도전 과제를 제시하는데, 기존 시장은 기저 부하 조절이 가능한 화석 연료 발전기에 맞춰 구조화되었기 때문이다. 현재의 단기 시장은 일반적으로 일일(Day-Ahead, DA) 시장과 실시간(Real-Time, RT) 시장이라는 순차적인 2단계 결제 프로세스를 통해 운영된다. DA 시장에서 VRES 발전량은 일반적으로 단일 값의 점 예측치(예: 조건부 기대값)를 기반으로 스케줄링되며, 이는 불확실성의 전체 분포를 무시한다. 이러한 "근시안적(myopic)" 접근 방식은 발전 및 수요 불균형을 조절하기 위해 RT 시장에서 발생하는 재배치(re-dispatch) 비용의 가능성을 고려하지 못한다.

기존 연구들은 총 예상 비용을 최소화하기 위해 DA와 RT 운영을 공동 최적화하는 방안을 제안해 왔으나, 이러한 방식들은 기존의 순차적 시장 청산 구조와 호환되지 않는 경우가 많다. 하지만 순차적 구조를 유지하면서 RT 불균형 비용을 내부화하기 위해 DA VRES 수량을 조정하는 대안적인 바이레벨 최적화 프레임워크도 제안되어 왔다. 그러나 표준 혼합 정수 선형 계획법(MILP) 재구성(KKT 조건을 사용하는 방식)을 통해 이러한 바이레벨 문제를 해결하는 것은 뉴욕 독립 계통 운영기구(NYISO)와 같은 대규모 시스템에 대해 계산적으로 매우 까다로운 문제로 판명되었으며, 이로 인해 실제 적용에 한계가 있었다.

방법론
저자들은 총 예상 시스템 비용(DA 발전 비용 + 예상 RT 재배치 비용)을 최소화하는 최적의 일일 VRES 수량 오퍼(offer)를 결정하기 위한 확장 가능한 바이레벨 프레임워크를 제안한다.

1. 바이레벨 정식화 (Problem BiD):

   • 상위 레벨(Upper Level): 시스템 운영자는 DA VRES 수량 오퍼($W$)를 결정한다.
   • 하위 레벨(Lower Level): 상위 레벨의 오퍼가 주어지면, DA 시장이 청산되어 발전 스케줄($\Phi^{DA}$)이 결정된다. 이후 다양한 실시간 시나리오($\omega$)에 대해, DA 스케줄에 의해 제약된 상태에서 RT 시장이 재배치 비용($\Phi^{RT}_\omega$)을 최소화하도록 청산된다.
   • 목적 함수는 DA 비용과 예상 RT 비용의 합을 최소화하는 것이다.

2. 확장 가능한 솔루션 기법 (Problem BiD-McCormick):
   표준 MILP 방식의 계산적 한계를 극복하기 위해, 저자들은 바이레벨 문제를 단일 레벨 선형 계획법(LP) 문제로 변환하는 완화 기법을 제안한다.

   • 강한 쌍대성(Strong Duality): 이진 변수를 도입하는 KKT 조건을 사용하는 대신, 저자들은 선형 계획법의 강한 쌍대성 정리를 활용한다. 하위 레벨의 DA 문제는 프라이멀 타당성(primal feasibility), 듀얼 타당성(dual feasibility), 정체성 조건(stationarity conditions) 및 강한 쌍대성 제약 조건(프라이멀과 듀얼 목적 함수를 동일하게 만드는 조건)으로 대체된다.
   • 맥코믹 엔벨로프 완화(McCormick Envelope Relaxation): 강한 쌍대성 제약 조건은 VRES 용량 제약의 듀얼 변수와 VRES 오퍼 수량 사이의 쌍선형 항($\lambda^W_k \cdot W_k$)을 도입한다. 저자들은 알려진 변수 범위를 기반으로 이 비볼록(non-convex) 항을 맥코믹 엔벨로프를 사용하여 완화한다.
   • 이 변환을 통해, 정수 변수 없이도 효율적으로 해결할 수 있는 단일 레벨 LP 문제(BiD-McCormick)가 생성된다.

주요 기여

• 알고리즘 확장성: 본 논문은 강한 쌍대성과 맥코믹 엔벨로프를 기반으로 하여 바이레벨 VRES 수량 조정 문제를 선형 계획법으로 완화하는 기법을 소개한다. 이를 통해 1814 버스 규모의 NYISO와 같은 대규모 시스템을 몇 분 내에 해결할 수 있으며, 이는 기존 KKT 기반 MILP 방식이 적절한 시간(예: 2시간 이상) 내에 수렴하지 못하는 것과 대조적이다.
• 시장 호환성: 공동 최적화 모델이 요구하는 DA 및 RT의 동시 청산 방식과 달리, 본 프레임워크는 기존의 순차적 시장 청산 구조와 호환성을 유지한다.
• 정량적 검증: 저자들은 IEEE 118 버스 시스템과 NYISO 시스템 모두에서 제안된 방법을 검증하였으며, 해당 완화 기법이 높은 정확도와 상당한 확장성을 달성함을 입증하였다.

결과
수치 연구는 다양한 VRES 침투율(최대 70%) 및 송전 용량 조건 하에서 IEEE 118 버스 시스템과 NYISO 시스템을 대상으로 수행되었다.

• 정확도: IEEE 118 버스 시스템에서 제안된 BiD-McCormck 방식은 총 예상 비용의 이론적 하한인 "스토캐스틱 디스패치(Stochastic Dispatch, StD)" 벤치마크와 0.7% 이내의 오차 범위를 달하는 시스템 비용을 달면했다.
• 확장성: NYISO 시스템의 경우, BiD-McCormick 방법은 최대 50개의 불확실성 시나리오를 포함한 인스턴스를 시나리오 수에 따라 약 3~10분 내에 해결하였다. 반면, KKT 기반 MILP 방식은 2시간 이내에 해를 찾지 못했다.
• 경제적 이득: 바이레벨 조정을 통한 이득은 VRES 침투율이 높을수록 더 두드러진다. 70% 침투율의 IEEE 118 버스 시스템에서 제안된 방법은 VRES 오퍼가 예측 평균값으로 설정되는 "마이오픽 디스패치(Myopic Dispatch, MyD)" 전략에 비해 시스템 비용을 15% 이상 절감하였다. NYISO의 고침투율 사례에서는 특정 테스트 케이스 기준 MyD 대비 약 2.5%의 비용 절감을 보였으나, 저자들은 향후 연구에서 램핑 제약 및 유닛 커미트먼트(unit commitment)를 포함할 경우 이 격차가 더 커질 수 있음을 언급하였다.

의의 및 주장
본 논문은 제안된 프레임워크가 시장 운영자를 위한 실질적인 의사결정 지원 도구 역할을 한다고 주장한다. 이 모델은 순차적 시장 구조를 저해하지 않으면서도 실시간 불확실성을 고려한 최적의 VRES 수량 조정을 효율적으로 계산할 수 있게 한다. 저자들은 본 방법이 완화 기법임에도 불구하고, 스토캐스틱 벤치마크 대비 높은 정확도를 제공하는 동시에 실제 대규모 전력 계통에 필요한 계산적 실행 가능성을 제공한다는 점을 강조한다. 또한, 재생 에너지 침투율이 높아짐에 따라 이러한 불확실성 인지형 스케줄링의 경제적 가치가 크게 증가한다는 점을 밝히고 있다. 향후 연구 과제로는 램핑 제약, 유닛 커미트먼트 결정, 그리고 맥코믹 엔벨로프의 추가적인 정교화(tightening)가 제시되었다.