Predicting and Publishing Accurate Imbalance Prices Using Monte Carlo Tree Search

要約

再生可能エネルギー源、特に太陽光や風力への依存が高まると、その生産量が制御不能になるため課題が生じています。
このため、電力網のバランスを維持することが困難になり、西ヨーロッパの一部の送電システム事業者は、持続不可能な電力偏差に罰則を与える不均衡料金を導入するようになりました。
これらの料金は、送電網の不安定性を軽減するための暗黙の需要応答フレームワークを作成します。
しかし、いくつかの課題により、積極的な参加が制限されています。
たとえばベルギーでは、インバランス価格は各 15 分の決済期間の終了時にのみ計算されるため、価格の不確実性により高いリスクが生じます。
このリスクは、不均衡価格の固有の変動性によってさらに増幅され、参加を妨げます。
送電システムのオペレーターは分単位の価格予測を提供しますが、システムの不均衡の変動により正確な価格予測を取得するのは困難であり、高度な技術が必要です。
さらに、価格の見積もりを公開すると、参加者にスケジュールの調整を促す可能性があり、システムのバランスや最終的な価格に影響を与える可能性があり、さらに複雑さが増します。
これらの課題に対処するために、潜在的な対応アクションを考慮しながら正確な不均衡価格を公開するモンテカルロ ツリー検索手法を提案します。
私たちのアプローチは、ニューラル ネットワーク予測機能と強化学習エージェントによって制御される仮想バッテリーのクラスターを使用してシステム ダイナミクスをモデル化します。
ベルギーの現在の公表方法と比較して、当社の技術では、理想的な条件下では価格の精度が 20.4%、より現実的なシナリオでは 12.8% 向上します。
この研究は、未解明ながらも重大な問題に対処しており、この論文をより高度な不均衡価格公表技術の可能性を分析する先駆的な研究として位置付けています。

要約(オリジナル)

The growing reliance on renewable energy sources, particularly solar and wind, has introduced challenges due to their uncontrollable production. This complicates maintaining the electrical grid balance, prompting some transmission system operators in Western Europe to implement imbalance tariffs that penalize unsustainable power deviations. These tariffs create an implicit demand response framework to mitigate grid instability. Yet, several challenges limit active participation. In Belgium, for example, imbalance prices are only calculated at the end of each 15-minute settlement period, creating high risk due to price uncertainty. This risk is further amplified by the inherent volatility of imbalance prices, discouraging participation. Although transmission system operators provide minute-based price predictions, the system imbalance volatility makes accurate price predictions challenging to obtain and requires sophisticated techniques. Moreover, publishing price estimates can prompt participants to adjust their schedules, potentially affecting the system balance and the final price, adding further complexity. To address these challenges, we propose a Monte Carlo Tree Search method that publishes accurate imbalance prices while accounting for potential response actions. Our approach models the system dynamics using a neural network forecaster and a cluster of virtual batteries controlled by reinforcement learning agents. Compared to Belgium’s current publication method, our technique improves price accuracy by 20.4% under ideal conditions and by 12.8% in more realistic scenarios. This research addresses an unexplored, yet crucial problem, positioning this paper as a pioneering work in analyzing the potential of more advanced imbalance price publishing techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google