Data Mining-driven Incentive-based Demand Response for a Virtual Power Plant

Abstract

피크 부하 문제는 그리드 사업자가 예방 조치를 취하지 않으면 심각한 문제를 야기하기 때문에 최근 문제가 심각 해지고 있다. 최근 정보 통신 기술 이 전기 그리드에 통합되어, 유틸리티 공급 업체와 전기 소비자간에 양방향 통신이 가능 해지는 스마트 그리드의 보급이 증가함에 따라, 수요 측 참여 및 분산 형 에너지 자원의 도입 (distributed energy resources (DER))은 가상 발전소 (virtual power plant (VPP))와 같은 단일 프레임 워크에 통합되는 경우 최대 부하를 제거 할 수있는 큰 잠재력을 가지고 있다. 이 기술 솔루션을 제외하고, 소위 "프로슈머"의 의식을 가지고 있는 소비자는 소비자가 높은 비용 피크 시간과 최저 비용을 알아야하는 수요 반응 (Demand Response (DR)) 프로그램을 도입하여 에너지 거래에 적극적으로 참여할 수 있다. 또한 비용이 많이 소요되는 시간대이므로 비용이 많이 소요되는 시간대별로 에너지 사용량을 관리가 가능하다. 본 논문에서는 VPP와 참여자 간의 전기 거래를 모델링하기 위해 데이터 마이닝 기반 인센티브 기반 수요 반응 (data mining-driven incentive-based demand response (DM-IDR)) 스키마를 개발하여 인센티브를 제공하여 부하 감축을 유도하고 DER을 최대한 활용하고있다.여러 소비자들이 인센티브에 대해 다른 태도를 보일 때마다 소비자에게 유연한 인센티브 비율 전략 (incentive rate strategy (IRS))을 제공하여 고유 한 요구 사항을 존중하는 것은 필수적이며 실용적인데, 이를 위해 DM-IDR 체계는 먼저 데이터 마이닝 기술 (예 : 클러스터링 및 분류)을 사용하여 소비자를 입찰 제안에 따라 여러 범주로 나눈다. 다음으로, VPP의 관점에서 제안 된 계획은 VPP 운영 비용을 최소화하고 소비자의 이익을 보장하는 최적화 문제로 공식화한다. 또한, 제안된 DM-IDR 체계의 아키텍처를 설계하고 실제 시스템 구현을위한 가이드 라인을 제공하며, DR 시스템을 설계 및 분석하는 효과적인 방법을 제공하고 실제 시스템에 제안 된 기법을 활용하는 방법을 보여준다. 마지막으로, 실험 결과는 소비자를 분류하기 위해 서로 다른 IRS를 제공함으로써 DM-IDR 체계가 더 많은 부하 감소를 유발한다는 것을 통해 임계 부하가 완화되고 VPP 운영 비용이 추가로 절감되며 소비자 이익이 향상되는 것을 확인할 수가 있다.; Peak load issue has become serious recently, since it causes serious problems unless grid operators take precautions. Given the increasing prevalence of smart grids, in which the information communication technologies (ICTs) are integrated into the electric grid and thus the two-way communication is enabled between utility suppliers and electricity consumers, the introduction of demand-side participation and distributed energy resources (DERs) has great potential for eliminating peak loads, if they are incorporated within a single framework such as a virtual power plant (VPP). Except this technology solution, conscious consumers, which are so-called “prosumers”, also can actively participate into the energy trading through introducing the demand response (DR) programs, in which the consumers have to know the high cost peak times and the low cost off-peak times, so that they can manage their energy usage for different billed hours. In this paper, we develop a data mining-driven incentive-based demand response (DM-IDR) scheme to model electricity trading between a VPP and its participants, which induces load curtailment of consumers by offering them incentives and also makes maximum utilization of DERs. As different consumers exhibit different attitudes toward incentives, it is both essential and practical to provide flexible incentive rate strategies (IRSs) for consumers, thus respecting their unique requirements. To this end, our DM-IDR scheme first employs data mining techniques (e.g., clustering and classification) to divide consumers into different categories by their bid-offers. Next, from the perspective of VPP, the proposed scheme is formulated as an optimization problem to minimize VPP operation costs as well as guarantee consumer’s interests. Besides, we design the architecture of the DM-IDR scheme, and also provide guidelines for real system implementation, both of which provide effective ways to design and analyze DR systems and also demonstrate how to utilize the proposed scheme for real applications. Finally, the experimental results demonstrate that through offering different IRSs to categorized consumers, the DM-IDR scheme induces more load reductions; this mitigates critical load, further decreases VPP operation costs and improves consumer profits.