Cost-Optimal Model Predictive Control for Virtual Power Plant with Uncertainty in Neural Network Power Forecasting

Abstract

This study presents statistical and control analyses for grid resources to enhance the stability and efficiency on their operations. More specifically, this study focuses on cost-optimal model predictive control for a virtual power plant with the uncertainty in neural network power forecasting.

Chapter 2 analyzes the monitoring data of solar photovoltaic power plants (PVs) distributed throughout Korea. Errors within the raw data are categorized according to their causes and symptoms. The effect of typical errors on the statistical analysis is particularly evaluated for a day-ahead hourly PV power forecast study.

Chapter 3 addresses a control strategy for an energy storage system (ESS). A virtual power plant or a microgrid with a commercial building load, PV generation, and ESS charge/discharge operation is targeted as a behind-the-meter consumer-generator. Economic dispatch scheduling problem for the ESS is formulated as a mixed-integer linear program. The main goal of the control problem is optimizing the economic benefit under the time-of-use tariff and future uncertainties. Peak control as a regulation ancillary market service can be also applied during the optimization. The resulting control schedule robustly guarantees the economic benefit even under the forecast uncertainties in load power consumption and PV power generation patterns.

Chapter 4 presents a more specific case of day-ahead hourly ESS scheduling. An integration of a PV and ESS is considered as a control target. Power transactions between the grid and resources are normally settled according to the time-of-use tariff. Additional incentive is provided with respect to the imbalance between the forecasted-scheduled power and actual dispatch power. This incentive policy stands for the imbalance tariff of a regulation ancillary service market. Accurate forecasting and robust scheduling functions are required for the energy management system to maximize both revenues. The PV power forecast model, which is based on a recurrent neural network, uses a convolutional neural network discriminator to decrease the gap between its open-loop one-step-ahead training and closed-loop multi-step-ahead test dynamics. This generative adversarial network concept for the model training process ensures a stable day-ahead hourly forecast performance. The robust ESS scheduling model handles the remaining forecast error as a box uncertainty set to consider the cost-optimality and cost-robustness of the control schedule. The scheduling model is formulated as a concise mixed-integer linear program to enable fast online optimization with the consideration for both transaction and incentive revenues.

본 논문에서는 전력망 내 에너지자원들의 운영에 있어 안정성과 효율을 향상시키기 위한 통계분석 및 제어분석 방법과 그 결과를 서술한다. 더욱 상세하게는 인공신경망 기반 발전량 예측 결과의 불확정성을 고려한 가상발전소 전력시장 비용 최적화 모델예측제어를 목표로 한다.

제2장에서는 대한민국 전역에 분포한 태양광발전소들의 모니터링 데이터에 대한 분석 결과를 서술한다. 원시 데이터 내에 존재하는 오류들이 목록화되며, 그 원인과 증상에 따라 분류된다. 일반적으로 발생 가능한 데이터 오류들이 통계분석 결과에 미치는 영향을 확인하기 위해, 인공신경망 기반 통계적 태양광발전소 발전량 예측 모델의 성능에 대한 오류 데이터의 영향이 평가된다.

제3장에서는 전력망 내 에너지저장장치에 대한 제어 방법론을 제시한다. 상업용 건물 부하, 태양광발전소 발전, 에너지저장장치 충방전 운전을 포함하는 가상발전소 또는 마이크로그리드가 계량기 후단에 위치한 전력 소비원이자 발전원으로 제시된다. 에너지저장장치를 위한 경제적 급전계획 문제는 혼합정수 선형계획법 형태로 수식화된다. 최적화 목표는 시간대별 요금제하에서 미래 부하와 발전량 예측 불확실성을 고려한 마이크로그리드 경제적 이득 최대화이며, 피크 제어에 대한 목표 역시 보조서비스 형태로 적용 가능하다. 최적화 문제 해결을 통해 도출된 충방전 제어 스케줄은 마이크로그리드 내 부하와 발전량 예측에 대한 불확실성에도 불구하고 경제적 이득을 강건하게 보장할 수 있다.

제4장에서는 특수 조건하에서의 에너지저장장치 하루 전 시간대별 운전 스케줄 도출 방법론을 제시한다. 태양광발전소와 에너지저장장치를 물리적 또는 가상으로 연결한 집합전력자원이 고려된다. 집합전력자원과 전력망 사이의 전력 거래는 일반적인 시간대별 요금제하에서 이루어진다. 전력망 보조서비스에 해당하는 불균형 요금제가 대한민국 전력시장에서의 분산자원 중개사업자 인센티브 제도 형태로 추가 고려된다. 해당 제도 하에서 집합전력자원은 전일 예측 또는 결정된 운전 스케줄과 실제 스케줄 사이의 오차율에 따라 추가적인 인센티브를 부여받을 수 있다. 집합자원을 위한 에너지관리시스템은 시간대별 요금제와 인센티브 각각에 따른 경제적 이득을 최대화하기 위하여 정확한 예측 기능과 강건한 스케줄 도출 기능을 제공한다.

제안되는 RNN 기반 태양광발전소 발전량 예측 모델은 개방회로 형태의 학습 과정과 폐회로 형태의 사용 방식 사이의 차이를 줄이기 위해 CNN 기반 식별기를 적용한다. 모델 학습 과정에 적용되는 이 GAN 개념은 하루 전 도출한 시간대별 운전 스케줄이 안정적이도록 지원한다. 제안되는 에너지저장장치를 위한 강건 스케줄 도출 모델은 남아있는 예측 오차를 박스 형태의 불확실성 집합으로 처리하여, 도출된 제어 스케줄의 경제적 최적성과 강건성을 보장한다. 스케줄 도출 모델은 간결한 혼합정수 선형계획법 형태로 수식화되어 전력 거래 수익과 인센티브 수익 양쪽 모두를 고려한 빠른 실시간 최적화가 가능하다.