Uncertainty-Informed Renewable Energy Scheduling: A Scalable Bilevel Framework

📄 arXiv: 2312.03868v1 📥 PDF

作者: Dongwei Zhao, Vladimir Dvorkin, Stefanos Delikaraoglou, Alberto J. Lamadrid L., Audun Botterud

分类: eess.SY, econ.GN, math.OC

发布日期: 2023-12-06

备注: IEEE Transactions on Energy Markets, Policy, and Regulation

💡 一句话要点

提出一种可扩展的双层框架，用于不确定性条件下的可再生能源调度。

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 可再生能源调度 不确定性优化 双层优化 电力市场 线性规划

📋 核心要点

  1. 现有VRES整合方法难以有效应对可再生能源的不确定性，导致系统成本增加和市场波动。
  2. 该论文提出一种基于双层模型的投标调整框架，通过优化日前市场的VRES投标来最小化预期系统成本。
  3. 实验结果表明，在高VRES渗透率下，该框架能显著降低系统成本和市场价格波动，优于近视策略。

📝 摘要（中文）

本研究提出了一种不确定性条件下的投标调整框架，用于将可变可再生能源（VRES）整合到电力市场中。该框架采用双层模型来计算VRES日前市场的最优投标。其目标是最小化日前和实时阶段的预期系统成本，并近似随机市场设计的成本效率。然而，对于大规模系统，求解双层优化问题在计算上具有挑战性。为了克服这一挑战，我们引入了一种基于强对偶性和McCormick包络的新技术，将问题松弛为线性规划，从而实现大规模应用。所提出的双层框架应用于1576节点的NYISO系统，并与一种近视策略进行基准测试，其中VRES投标是概率功率预测的平均值。结果表明，在高VRES渗透水平（例如40%）下，我们的框架可以通过有效地优化日前市场中的VRES数量，显著降低系统成本和市场价格波动。此外，我们发现，当输电容量增加时，所提出的双层模型仍将降低系统成本，而近视策略可能会因日前市场中过度调度VRES以及实时市场中缺乏灵活的传统发电机而导致更高的成本。

🔬 方法详解

问题定义：电力市场中可再生能源的间歇性和不确定性给系统调度带来挑战。传统的调度方法通常采用点预测，忽略了预测的不确定性，导致次优的调度决策和更高的系统运行成本。尤其是在高可再生能源渗透率的情况下，这种问题会更加突出。现有方法难以在计算效率和调度优化之间取得平衡，难以应用于大规模电力系统。

核心思路：该论文的核心思路是通过构建一个双层优化模型，在日前市场中优化可再生能源的投标策略，从而最小化包含实时市场调整的预期总成本。该模型考虑了可再生能源预测的不确定性，并利用强对偶性和McCormick包络等技术，将复杂的双层优化问题转化为一个可扩展的线性规划问题，从而实现大规模应用。

技术框架：该框架包含两个主要阶段：日前市场和实时市场。日前市场阶段，通过求解双层优化问题，确定可再生能源的最优投标策略。上层问题旨在最小化预期系统成本，下层问题模拟电力市场的运行，确定电力系统的调度方案和市场价格。实时市场阶段，根据实际的可再生能源发电量，对日前市场的调度方案进行调整，以满足实时电力平衡。

关键创新：该论文的关键创新在于提出了一种基于强对偶性和McCormick包络的线性化方法，将原本非线性的双层优化问题转化为线性规划问题。这种方法显著提高了计算效率，使得该框架能够应用于大规模电力系统。此外，该框架能够显式地考虑可再生能源预测的不确定性，从而做出更稳健的调度决策。

关键设计：该模型采用概率预测来描述可再生能源发电的不确定性。利用强对偶性将下层优化问题转化为上层问题的约束条件。使用McCormick包络对双线性项进行线性化，从而将整个双层优化问题转化为线性规划问题。目标函数为日前市场和实时市场的预期总成本，约束条件包括电力平衡约束、输电容量约束、发电机出力约束等。

📊 实验亮点

在1576节点的NYISO系统上的实验表明，在高VRES渗透率（40%）下，该框架相比于近视策略，能够显著降低系统成本和市场价格波动。当输电容量增加时，该框架仍然能够降低系统成本，而近视策略可能会导致更高的成本。具体数据未知，但结果表明该框架在应对高VRES渗透率和输电约束方面具有优势。

🎯 应用场景

该研究成果可应用于电力市场运营和调度，帮助电力系统运营商更好地整合可再生能源，降低系统运行成本，提高电力系统的可靠性和稳定性。该方法尤其适用于高可再生能源渗透率的电力系统，有助于实现能源转型和可持续发展目标。未来，该方法可以扩展到包含储能、需求响应等更多灵活资源的电力系统。

📄 摘要（原文）

This work proposes an uncertainty-informed bid adjustment framework for integrating variable renewable energy sources (VRES) into electricity markets. This framework adopts a bilevel model to compute the optimal VRES day-ahead bids. It aims to minimize the expected system cost across day-ahead and real-time stages and approximate the cost efficiency of the stochastic market design. However, solving the bilevel optimization problem is computationally challenging for large-scale systems. To overcome this challenge, we introduce a novel technique based on strong duality and McCormick envelopes, which relaxes the problem to a linear program, enabling large-scale applications. The proposed bilevel framework is applied to the 1576-bus NYISO system and benchmarked against a myopic strategy, where the VRES bid is the mean value of the probabilistic power forecast. Results demonstrate that, under high VRES penetration levels (e.g., 40%), our framework can significantly reduce system costs and market-price volatility, by optimizing VRES quantities efficiently in the day-ahead market. Furthermore, we find that when transmission capacity increases, the proposed bilevel model will still reduce the system cost, whereas the myopic strategy may incur a much higher cost due to over-scheduling of VRES in the day-ahead market and the lack of flexible conventional generators in real time.