Technische Samenvatting: Strakke Formuleringen voor Unit Commitment met Verschillende Detailniveaus – Deel I

1. Probleemstelling

Het Unit Commitment (UC) probleem is een cruciale Mixed-Integer Linear Programming (MILP) uitdaging in het beheer van elektriciteitssystemen, gericht op het bepalen van de optimale operationele planning voor generatoren (thermisch, nucleair, hernieuwbaar, etc.) over een korte termijn (doorgaans 24–48 uur). Het probleem behelst het minimaliseren van de systeembrede operationele kosten terwijl aan de vraag wordt voldaan en rekening wordt gehouden met eeniespecifieke operationele beperkingen, zoals ramping-limieten, minimale op/af-tijden en start-up/shut-down capaciteiten.

Ondanks het belang ervan, kampt het UC-probleem met ernstige computationele beperkingen in grootschalige toepassingen, met name wanneer het geïntegreerd wordt in investeringsmodellen of stochastische/robuuste kaders. De aanwezigheid van binaire variabelen (die de status van de unit representeren) zorgt ervoor dat de complexiteit van het probleem exponentieel toeneemt. Huidige benaderingen om dit te mitigeren omvatten vaak:

• Reductie van Modelgetrouwheid: Het clusteren van vergelijkbare eenheden of het gebruik van representatieve dagen, wat fouten kan introduceren door flexibiliteit te overschatten of kosten te onderschatten.
• Verzachten van Integraleigenschappen: Het oplossen van de Linear Programming (LP) relaxatie in plaats van de MILP, wat kan leiden tot grote optimaliteitsgaten en in de praktijk onhaalbare oplossingen.

Er is een gebrek aan een duidelijk, a priori overzicht met betrekking tot welke formulering het beste evenwicht biedt tussen strakheid (de kloof tussen de MILere feitelijke regio van de MILP en de LP-relaxatie) en modelgrootte (aantal variabelen en beperkingen) voor verschillende generatortypen en detailniveaus.

2. Methodologie

Dit artikel (Deel I) richt zich op de theoretische ontwikkeling en analyse van UC-formuleringen. De auteurs hanteren de volgende methodologische aanpak:

• Classificatie naar Detailniveau: De auteurs categoriseren UC-modellen op basis van het aantal binaire variabelen per tijdsperiode:
  • 1bin Modellen: Bevatten alleen de commitment-variabele ($u_{gt}$).
  • 2bin/3bin Modellen: Omvatten aanvullende variabelen voor start-up ($v_{gt}$) en shut-down ($w_{gt}$).
• Convex Hull Analyse: Het primaire doel is het identificeren van formuleringen gebaseerd op de convex hull van de feitelijke regio. De strakste formulering komt overeen met de convex hull. Omdat het vinden van de volledige convex hull echter vaak exponentieel veel beperkingen vereist, richten de auteurs zich op subsets van facetten die:
  1. De convex hull (of een strakke benadering daarvan) beschrijven voor specifieke subproblemen (bijv. ramping, start-up capaciteiten).
  2. Een modelgrootte behouden die vergelijkbaar is met de kleinste geldige formulering.
• Theoretische Bewijzen: Het artikel levert nieuwe bewijzen en theoretische inzichten met betrekking tot de strakheid van bekende formuleringen. Er wordt gebruikgemaakt van technieken zoals Fourier-Motzkin eliminatie en disjunctieve programmering (Balas' methode) om convex hull-beschrijvingen af te leiden en te verifiëren voor single-unit problemen over twee tijdsperioden.
• Afbakening van de Scope: Alle theoretische inzichten met betrekking tot strakheid zijn afgeleid voor een single-unit operationeel probleem, waarbij de systeembrede energiebalansbeperking wordt uitgesloten. De objectieve functie wordt over het algemeen als irrelevant beschouwd voor de bepaling van de convex hull, tenzij anders gespecificeerd.

3. Belangrijkste Bijdragen

Het artikel levert vier specifieke bijdragen, waarvan bijdragen 1 en 2 in detail worden beschreven in Deel I:

1. Gestructureerd Overzicht van UC-Modellen: De auteurs presenteren een gestructureerde taxonomie van UC-modellen met variërende detailniveaus (van basisgeneratielimieten tot complexe start-up trajecten). Voor elk niveau stellen zij specifieke formuleringen voor die voldoen aan een afweging tussen strakheid en grootte.
2. Theoretische Inzichten en Bewijzen:
   • Ramping: Er worden nieuwe bewijzen geleverd voor de strakheid van ramping-beperkingen. Het artikel stelt vast dat specifieke formuleringen (Model I-E-T) de twee-perioden convex hull vormen voor ramping up en down.
   • Start-up/Shut-down Kosten: Het artikel analyseert twee veelvoorkomende formuleringen voor het modelleren van start-up en shut-down kosten (Model II en Model II-S). Het bewijst dat hoewel Model II-S minder beperkingen heeft, beide formuleringen hetzelfde oplossingsdomein definiëren in de richting van de objectieve functie, waardoor ze even strak zijn voor optimalisatiedoeleinden.
   • Capaciteiten: Het artikel presenteert de 1bin en 3bin convex hull formuleringen voor start-up en shut-down capaciteiten (maximale output tijdens start-up/shut-down), waarbij wordt bewezen dat specifieke combinaties van beperkingen (bijv. Model I-E2 en Model II-E2) de convex hull definiëren voor twee-perioden problemen.
3. Vergelijking van Formuleringen: Het artikel vergelijkt direct verschillende formuleringen voor hetzelfde probleem (bijv. 1bin vs. 3bin, of verschillende facetsets) om theoretische verschillen in strakheid en grootte te benadrukken.
4. Fundament voor Deel II: Dit werk legt de theoretische basis voor Deel II, waarin deze modellen numeriek worden vergeleken in grootschalige investerings- en operationele contexten.

4. Resultaten en Formuleringen

Het artikel definieert verschillende specifieke modellen, variërend van basis tot uitgebreid:

• Niveau I (1bin Modellen):

  • Model I: Basale generatielimieten. Bewezen de strakste mogelijke formulering binnen zijn scope.
  • Model I-E: Voegt ramping-beperkingen toe.
  • Model I-E-T: Een strakkere versie van Model I-E inclusief aanvullende facetten voor ramping up/down. Bewezen de twee-perioden convex hull te zijn.
  • Model I-E2: Bevat ramping en start-up/shut-down capaciteiten.
  • Model I-E2-T: De strakste versie, bewezen de twee-perioden convex hull te zijn voor ramping en capaciteiten.

• Niveau II (3bin Modellen):

  • Model II: Bevat start-up/shut-down variabelen en kosten. Bewezen de strakste formulering voor deze scope.
  • Model II-S: Een alternatieve formulering die continue kostenvariabelen gebruikt in plaats van binaire start-up variabelen. Stelling III.4 bewijst dat het even strak is als Model II in de richting van de objectieve functie, hoewel het een onbegrensde convex hull definieert zonder de bovengrens-beperking $u_t \leq 1$.
  • Model II-E: Voegt minimale up/down tijd beperkingen toe. Bewezen de strakste formulering voor deze scope (lineaire grootte).
  • Model II-E2: Het meest gedetailleerde 3bin model, dat ramping, start-up/shut-down capaciteiten en minimale up/down tijden incorporeert. Stelling III.5 bewijst dat dit de convex hull definieert voor twee perioden.
  • Model II-E3: Breidt Model II-E2 uit met start-up en shut-down trajecten (multi-period ramps om de minimale output te bereiken), bewezen de twee-perioden convex hull te definiëren.

Belangrijkste Theoretische Bevindingen:

• Voor single-unit problemen beschrijven de LP-relaxaties van Modellen I, II en II-E de convex hull van hun respectieve feitelijke ruimtes.
• Voor twee-perioden problemen beschrijven Modellen I-E-T, I-E2-T en II-E2 de convex hull.
• Het verzachten van de integraleigenschappen van start-up/shut-down variabelen (van binair naar continu) verandert de feitelijke verzameling van de MIP niet, maar moderne solvers kunnen baat hebben bij het behouden van ze als integers voor branching-strategieën.
• 3bin modellen kunnen worden herschreven als 2bin modellen (door de shut-down variabele te elimineren) zonder strakheid te verliezen, hoewel het aantal beperkingen kan variëren.

5. Betekenis en Claims

Het artikel claimt dat de primaire betekenis ligt in het bieden van een gestructureerd, theoretisch onderbouwd kader voor de selectie van UC-formuleringen. Door modellen met verschillende detailniveaus te definiëren en hun strakheidseigenschappen te bewijzen, stellen de auteurs modelleurs in staat om:

• Het meest passende detailniveau te selecteren voor specifieke generatoren of probleemmaten zonder onnodig op te offeren aan computationele efficiëntie.
• Het evenwicht tussen modelgrootte en strakheid a priori te begrijpen, in plaats van uitsluitend te vertrouwen op a posteriori computationele testen die solver-afhankelijk en niet-generaliseerbaar kunnen zijn.
• High-fidelity operationele details te integreren in grootschalige investeringsmodellen (zoals aangetoond in Deel II) terwijl de computationele limieten worden gerespecteerd.

De auteurs benadrukken dat, hoewel het vinden van de volledige convex hull vaak onhandelbaar is vanwege de exponentiële groei, hun voorgestelde formuleringen het "beste" evenwicht bieden door gebruik te maken van subsets van facetten die qua grootte vergelijkbaar zijn met de kleinste geldige formuleringen, maar aanzienlijk strakker zijn dan standaard relaxaties. Dit werk beoogt te leiden bij de selectie van UC-modellen die computationeel efficiënt zijn, maar accuraat genoeg om de overschatting van systeemflexibiliteit en de onderschatting van kosten, die vaak voorkomen in vereenvoudigde investeringsmodellen, te voorkomen.