Day-Ahead Price-Based Demand Response of HVAC Systems in Commercial Buildings Considering Distribution Network Voltages

Abstract

배전 회사는 소매 전기 가격을 통해 수요 반응을 촉진하며, 수요 반응에는 열·공조 시스템을 열적 에너지 저장장치로 이용한다. 본 논문에서는 소매 가격 책정을 통해, 배전 네트워크 운영 측면을 고려한 열·공조 시스템의 가격 기반 최적 수요 반응을 유도하는 방법을 제안하였다. 실험 기반의 열·공조 시스템 모델의 소매 전기 가격 책정 방법에는 이중 구조 의사 결정 모델을 사용한다. 이중 구조 모델에서 배전 회사의 이익을 최대화 하도록 소매 가격을 최적화하는 것이 상위 레벨이며, 빌딩의 최종 사용자가 소매 전기 가격을 최소화 하도록 열·공조 시스템 부하를 스케줄링하는 것이 하위 레벨이다. 실험 기반 빌딩의 비선형 열 응답 모델은 부분 선형 근사를 이용하여 전기 가격 책정 방법에 사용된다. 또한, 계시별 요금제를 소매 가격의 상한선으로 이용함으로써 소비자에게 부담을 주지 않는 선에서 가격 변동을 유도한다. 다양한 범위의 버스 전압 편차와 열·공조 시스템의 보급 수준의 사례 연구를 통해, 본 논문에서 제안한 방안이 배전 회사의 이익과 최종 사용자의 전기 요금 절감 사이에서 최적의 소매 전기 가격을 설정하며, 동시에 소매 전기 가격에 민감한 열·공조 시스템 설비 운영을 통해 네트워크 전압을 안정적으로 운영함을 확인할 수 있다. 본 논문의 두번째 주제는 인공 신경망 기반의 열·공조 시스템의 소매 전기 가격 결정 방법에 대한 연구이다. 온라인 학습 기반 방법을 적용하고 이를 통해 배전 회사는 상업용 빌딩에서 열·공조 시스템의 최적 수요 반응을 감안하여 최적 전기 요금을 책정할 수 있다. 인공 신경망은 빌딩의 에너지 데이터를 이용해 학습한 모델을 선형 및 비선형 방정식들로 표현하며 이 방정식들을 통해 가격 기반의 수요 반응을 모델링하기 위한 최적화 문제에 반복 적용하여 해를 찾는다. 이를 통해 전기 요금 및 빌딩의 다양한 운영 조건을 고려한 최적의 수요 반응을 위한 데이터가 생성된다. 이를 기반으로 또 다른 인공신경망은 온라인 방식으로 학습되어 하루 전 전기 요금에 따라 빌딩의 수요 반응 계획을 직접 예측하며 이를 메타 예측이라 한다. 수요 반응 최적화 문제를 메타 예측이 가능한 인공신경망으로 대체함으로써 단일 구조 의사결정을 이용해 최적의 전기 요금 책정 전략을 세울 수 있다. 이는 이중 구조 모델에 비해 더 간단하며 실용적이다. 시뮬레이션 결과, 본 논문이 제안한 단일 구조 모델이 배전 회사와 상업용 빌딩 운영자 사이의 게임 이론적 관계를 성공적으로 반영함을 확인하였다. 이를 통해 빌딩의 운영 유연성을 효과적으로 활용하여 수요 반응 적용 시 수익을 창출할 수 있을 것이며, 동시에 배전 계통의 전압 안정도와 빌딩 거주자의 온열 쾌적감도 확보 가능할 것이다.

Retail pricing can be well deployed with support of distribution companies (DISCOs) to promote demand response (DR) programs using heating, ventilating, and air-conditioning (HVAC) systems as thermal energy storage resources. This dissertation proposes two retail pricing strategy to assist a DISCO and end-users in achieving optimal price-based DR for HVAC systems, while considering operational aspects of distribution network. The first pricing strategy is developed using a bi-level decision model. In the upper level, the DISCO optimizes the retail price to maximize its profit, and in the lower level, the end-users schedule HVAC loads to minimize their electricity bills. The nonlinear thermal response model of an experimental building room is integrated with a data-driven model of an HVAC system and incorporated into the pricing strategy using piecewise linear approximation. The proposed strategy also employs time-of-use (TOU) rates as retail price caps, leading to low-level price volatility. Case studies are presented for various ranges of bus voltage deviation and penetration levels of HVAC systems. The results demonstrate that the proposed strategy is effective for determining the optimal balancing point between the DISCOs profit and end-users electricity bills while enabling the DISCO to reliably regulate the network voltages via the price-sensitive HVAC units.

The second pricing strategy is an online learning-based strategy for a DISCO to determine optimal electricity prices, considering the optimal DR of HVAC systems in commercial buildings. An artificial neural network (ANN) is trained with building energy data and represented using an explicit set of linear and nonlinear equations, without physics-based model parameters. An optimization problem for price-based DR is then formulated using this equation set and repeatedly solved offline, producing data on optimal DR schedules for various conditions of electricity prices and building thermal environments. Another ANN is then trained online to directly predict DR schedules for day-ahead electricity prices, which is referred to as meta-prediction (MP). By replacing the DR optimization problem with the MP-enabled ANN, an optimal electricity pricing strategy can be implemented using a single-level decision-making structure, which is simpler and more practical than a bi-level one. In simulation case studies, the proposed single-level strategy is verified to successfully reflect the game theoretic relations between the DISCO and commercial building operators, so that they effectively exploit the operational flexibility of the HVAC systems to make the DR application profitable, while ensuring the grid voltage stability and occupants thermal comfort.