A Machine Learning Framework to Deconstruct the Primary Drivers for Electricity Market Price Events

要約

送電網は 100% 再生可能エネルギー源の大規模送電網に向けて移行しており、電力システム運用と電力市場の全体的なダイナミクスは変化しています。
電力市場は、リソースを経済的に供給するだけでなく、再生可能エネルギーの削減、送電混雑の緩和、送電網の信頼性を確保するためのエネルギー貯蔵の最適化など、さまざまな制御可能な措置を考慮しています。
その結果、電力市場の価格形成は非常に複雑になった。
従来の根本原因分析と統計的アプローチは、変動再生可能エネルギー (VRE) を使用する現代の送電網や市場における価格形成の背後にある主な要因を分析および推測するのには適用できなくなりました。
この論文では、再生可能エネルギーの多い現代の電力市場における価格高騰イベントの主な要因を分解するための、機械学習ベースの分析フレームワークを提案します。
その結果は、市場設計、再生可能エネルギーの供給と削減、運用、サイバーセキュリティアプリケーションのさまざまな重要な側面に利用できます。
このフレームワークは、あらゆる ISO または市場データに適用できます。
ただし、このホワイト ペーパーでは、California Independent System Operator (CAISO) および ISO New England (ISO-NE) から公開されているオープンソースのデータセットに適用します。

要約(オリジナル)

Power grids are moving towards 100% renewable energy source bulk power grids, and the overall dynamics of power system operations and electricity markets are changing. The electricity markets are not only dispatching resources economically but also taking into account various controllable actions like renewable curtailment, transmission congestion mitigation, and energy storage optimization to ensure grid reliability. As a result, price formations in electricity markets have become quite complex. Traditional root cause analysis and statistical approaches are rendered inapplicable to analyze and infer the main drivers behind price formation in the modern grid and markets with variable renewable energy (VRE). In this paper, we propose a machine learning-based analysis framework to deconstruct the primary drivers for price spike events in modern electricity markets with high renewable energy. The outcomes can be utilized for various critical aspects of market design, renewable dispatch and curtailment, operations, and cyber-security applications. The framework can be applied to any ISO or market data; however, in this paper, it is applied to open-source publicly available datasets from California Independent System Operator (CAISO) and ISO New England (ISO-NE).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google