Efficient Multi-Market Scheduling of Virtual Power Plants via Spectral Representation of Uncertainty

기술 요약: 불확실성의 스펙트럼 표현을 통한 가상 발전소의 효율적 다중 시장 스케줄링

문제 제기

태양광 PV, 히트펌프, 전기차, 배터리와 같은 분산 에너지 자원 (DER) 의 보급이 확대됨에 따라, 이러한 자원을 집계하여 전력망 유연성을 제공하는 가상 발전소 (VPP) 가 필수적입니다. 그러나 불확실성 하에서 일전 (day-ahead) 에너지 시장과 예비력 시장과 같은 연속적인 전력 시장을 가로지르는 VPP 스케줄링은 상당한 계산적 도전을 제기합니다.

기존 접근법들은 경제적 최적성과 계산 가능성 (tractability) 사이에서 절충을 강요받습니다:

1. 확률적 최적화 (Stochastic Optimization): 확률론적으로 최적이지만, 시나리오 근사에 의존합니다. 불확실성을 정확하게 포착하기 위해 시나리오 수가 증가함에 따라 모델 크기가 폭발적으로 증가하여 대규모 문제를 계산적으로 풀 수 없게 만듭니다.
2. 강건 최적화 (Robust Optimization): 이러한 방법들은 더 계산 가능하지만, 과정의 진정한 확률론적 특성을 포착하지 못해 지나치게 보수적인 의사결정을 초래하며, 이로 인해 경제적 성과가 비최적이 됩니다.

본 논문은 복잡한 네트워크 제약이 포함된 다중 시장 VPP 운영을 위해, 확률적 프로그래밍의 경제적 최적성을 유지하면서 강건 방법의 계산 효율성을 달성하는 스케줄링 프레임워크를 찾는 간극을 해소합니다.

방법론

저자들은 **침투성 다항식 카오스 전개 (Intrusive Polynomial Chaos Expansion, PCE)**를 사용하여 2 단계 확률적 VPP 스케줄링 문제를 재형식화하는 새로운 프레임워크를 제안합니다.

1. 스펙트럼 재형식화:
불확실성을 유한한 시나리오 집합으로 이산화하는 대신, 이 방법은 확률 변수 (가격, 기상, 수요와 같은 불확실한 매개변수) 와 2 단계 의사결정 변수를 직교 다항식 기저 함수의 선형 결합으로 표현합니다.

• 1 단계 의사결정: 시장 입찰 (일전 에너지 및 예비력) 은 결정론적 변수 (스펙트럼 영역에서의 상수 모드) 로 간주됩니다.
• 2 단계 의사결정: 운영 의사결정 (DER 디스패치, 예비력 활성화, 불균형 포지션) 은 잘린 PCE 급수로 전개됩니다.
• 갈레르킨 투영 (Galerkin Projection): 확률적 프로그램의 지배 방정식을 확률적 갈레르킨 방법을 사용하여 다항식 기저에 직접 투영합니다. 이는 원래의 확률적 문제를 결정론적이고 저차원의 스펙트럼 대응 문제로 변환합니다.

2. 제약 조건 처리:

• 등식 제약 조건: 갈레르킨 투영을 통해 계수 공간에서 정확하게 강제되며, 원래의 선형 제약 조건의 대수적 구조가 보존됩니다.
• 부등식 제약 조건: 확률 제약 조건으로 재형식화되고 모멘트 기반의 2 차 원뿔 (Second-Order Cone, SOC) 공식화를 사용하여 근사화됩니다. 이는 지정된 제약 조건 충족 확률을 유지하면서 계산 가능성을 보장합니다.

3. 결과 모델:
이 재형식화는 계수 공간에서 볼록한 2 차 원뿔 계획법 (SOCP) 을 생성합니다. 선형 VPP 모델의 경우, 1 차 전개 ($N_d=1$) 로 충분하며, 이는 시나리오 수에 따라 지수적으로 증가하는 대신 불확실성 소스의 수에 따라 선형적으로 확장되는 문제 크기를 초래합니다.

4. 오픈소스 도구:
구현 복잡성을 해결하기 위해 저자들은 SpectralStochOpt를 개발하여 공개했는데, 이는 응용 프로그램과 무관한 투영 도구입니다. 이 도구는 범용 단일 및 2 단계 확률적 프로그램에 대한 결정론적 스펙트럼 대응물의 도출을 자동화하며, 기저 생성, 변수 전개, 제약 조건 투영을 처리합니다.

주요 기여

1. 다중 시장 스케줄링의 스펙트럼 재형식화: 본 논문은 침투성 PCE 를 다중 시장 VPP 스케줄링에 적용한 첫 사례를 제시합니다. 이는 일전 및 예비력 시장 입찰의 공동 최적화와 실시간 DER 디스패치 및 네트워크 제약을 성공적으로 모델링합니다.
2. 높은 정확도와 함께 향상된 계산 효율성: 이 프레임워크는 스펙트럼 접근법이 최첨단 시나리오 기반 확률적 최적화와 비교할 만한 해의 품질을 달성하면서도 계산 노력을 획기적으로 줄일 수 있음을 보여줍니다.
3. 일반화된 투영 도구: 오픈소스 도구의 공개는 침투성 PCE 에 대한 진입 장벽을 낮추어, 특정 VPP 사례 연구를 넘어 광범위한 확률적 프로그램에 대한 적용을 가능하게 합니다.

결과

이 프레임워크는 83 kW 의 비디스패치 가능 수요, 375 kWp 의 PV, 147 kW 의 히트펌프, 305 kW 의 배터리 저장장치, 그리고 전기차로 구성된 포트폴리오를 갖춘 현실적인 스위스 저전압 그리드에서 테스트되었습니다. 이는 라틴 하이퍼큐브 샘플링과 벤더스 분해를 사용한 시나리오 기반 접근법과 비교 평가되었습니다.

• 계산 성능:

  • 침투성 PCE 접근법은 단일 코어에서 0.72 코어 - 시간 내에 문제를 해결했습니다.
  • 시나리오 기반 벤치마크는 동등하거나 약간 더 나은 정확도를 달성하기 위해 시나리오 수 ($N_s$) 에 따라 24.25 에서 454.83 코어 - 시간 (50 개의 병렬 코어 사용) 이 소요되었습니다.
  • 이는 시나리오 기반 방법 대비 계산 노력을 최대 137 배 줄인 것입니다.
  • 메모리 사용량은 (2000 개 시나리오의 경우) 약 1.55 TB 에서 PCE 접근법의 경우 7 GB로 감소했습니다.

• 해의 품질:

  • 목적 함수 값: PCE 해는 고정밀 시나리오 참조 (2000 개 시나리오) 와 비교하여 **2.8%**만 편차했습니다.
  • 1 단계 의사결정: PCE 방법은 1000 개 미만의 시나리오를 사용하는 시나리오 기반 해보다 더 낮은 Root Mean Square Error (RMSE) 를 가진 시장 입찰 (일전 에너지 및 예비력) 을 생성했습니다. PCE 입찰 궤적은 24 시간 기간 동안 참조 평균과 밀접하게 일치했습니다.

• 제약 조건 검증:

  • 10,000 개의 불확실성 실현에 대한 경험적 검증은 확률 제약 조건에 대한 모멘트 기반 SOC 근사가 무시할 수 있는 위반률 (최대 초과 확률 5.17%) 을 초래했음을 확인하여 안전 계수에 사용된 가우스 가정을 검증했습니다.

중요성과 주장

본 논문은 침투성 PCE 가 시나리오 기반 확률적 최적화에 내재된 "차원의 저주"에 대한 실현 가능한 대안을 제공한다고 주장합니다. 시나리오를 나열하지 않고 문제의 확률론적 구조를 보존함으로써, 이 방법은 VPP 운영자가 다음과 같은 작업을 수행할 수 있게 합니다:

• 제한된 계산 자원으로 대규모 DER 포트폴리오를 관리합니다.
• 더 최근의 예측 데이터를 활용하여 시장 게이트 클로즈 시간에 더 가까운 일전 오퍼를 계산합니다.
• 계산 가능성을 유지하면서 강건 최적화의 보수성을 피합니다.

저자들은 부등식 제약 조건 재형식화의 근사적 성격 (잔차 분포 가정에 의존함) 과 현재 독립적인 불확실성 소스를 가진 선형 2 단계 모델에 초점을 맞추고 있다는 점을 겸손하게 지적하며, 상관된 입력 처리, 비선형 모델, 그리고 계수 공간 문제에 대한 분해 체계 개발을 향후 과제로 제시합니다. 투영 도구의 공개는 전력 시스템 연구에서 스펙트럼 방법의 광범위한 채택을 위한 핵심 촉진제로 강조됩니다.