特表2024-501963 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

▶ ヘイラテクノロジーズインク．の特許一覧

特表2024-501963分散型エネルギーリソースのための最適化コントローラ

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1A
1B
1C
2
3A
3B
3C
4
5
6
7
8A-8B
9
10
11
12
13
14
15A
15B
15C

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-01-17

(54)【発明の名称】分散型エネルギーリソースのための最適化コントローラ

(51)【国際特許分類】

H02J 3/00 20060101AFI20240110BHJP

G06Q 50/06 20240101ALI20240110BHJP

G06Q 10/04 20230101ALI20240110BHJP

H02J 3/38 20060101ALI20240110BHJP

【ＦＩ】

H02J3/00 170

G06Q50/06

G06Q10/04

H02J3/38 110

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2023538990

(86)(22)【出願日】2021-12-30

(85)【翻訳文提出日】2023-07-19

(86)【国際出願番号】 US2021065778

(87)【国際公開番号】W WO2022147319

(87)【国際公開日】2022-07-07

(31)【優先権主張番号】63/131,968

(32)【優先日】2020-12-30

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】521241133

【氏名又は名称】ヘイラテクノロジーズインク．

【氏名又は名称原語表記】ＨｅｉｌａＴｅｃｈｎｏｌｏｇｉｅｓ，Ｉｎｃ．

【住所又は居所原語表記】４４４ＳｏｍｅｒｖｉｌｌｅＡｖｅｎｕｅ，Ｓｏｍｅｒｖｉｌｌｅ，ＭＡ０２１４３，ＵｎｉｔｅｄＳｔａｔｅｓｏｆＡｍｅｒｉｃａ

(74)【代理人】

【識別番号】110000338

【氏名又は名称】弁理士法人ＨＡＲＡＫＥＮＺＯＷＯＲＬＤＰＡＴＥＮＴ＆ＴＲＡＤＥＭＡＲＫ

(72)【発明者】

【氏名】マルティネス，ジョージ，エリゾンド

(72)【発明者】

【氏名】ドリュー，セス，カルバート

(72)【発明者】

【氏名】ワン，トゥルーディー

(72)【発明者】

【氏名】リ，シュヤン

【テーマコード（参考）】

5G066

5L049

【Ｆターム（参考）】

5G066AA03

5G066HB02

5G066HB06

5G066HB07

5G066HB09

5L049AA04

5L049CC06

(57)【要約】

アセットマネージャは、集約された分散型エネルギーリソースシステム内の電力の分配を制御する。アセットマネージャは、リアルアセットをモデル化する所与のアセットモデルを解く。アセットコントローラは、第１予測ホライズンのコースにおける第１軌道と、当該第１予測ホライズンより時間的に短い第２予測ホライズンのコースにおける第２軌道と、を決定することによって、アセットの設定点を最適化する。軌道は、ＤＥＲモデルまたはＤＥＲシステムモデルに関連するコスト関数を最小化することによって決定される。第１予測ホライズンは、第１時間長および複数の第１設定点を有する。第２予測ホライズンは、第２時間長および複数の第２設定点を有する。アセットコントローラは、複数の第１設定点に基づいて第２軌道を制約する。

【特許請求の範囲】

【請求項1】

分散型エネルギーリソースを制御する方法であって、
分散型エネルギーリソースまたは分散型エネルギーリソースのシステムのモデルを取得するステップと、
前記ＤＥＲモデルに関連するコスト関数を最小化することによって、第１時間長および複数の第１設定点を有する第１予測ホライズンのコースにおける、前記分散型エネルギーリソースの所望の電力出力または状態の第１軌道を決定するステップと、
前記ＤＥＲモデルに関連するコスト関数を最小化することによって、第２時間長および複数の第２設定点を有する第２予測ホライズンのコースにおける、前記分散型エネルギーリソースの所望の電力出力または状態の第２軌道を決定するステップと、
前記第２軌道を複数の前記第１設定点または状態の関数として制約するステップと、を含んでおり、
前記第１時間長は、前記第２時間長よりも長く、
前記第１軌道におけるサンプリング時点の時間間隔は、前記第２軌道におけるサンプリング時点の時間間隔よりも長い、方法。

【請求項2】

前記ＤＥＲモデルに関連するコスト関数を最小化することによって、第３時間長および複数の第３設定点を有する第３予測ホライズンのコースにおける、前記分散型エネルギーリソースの所望の電力出力の第３軌道を決定するステップをさらに含んでいる、請求項１に記載の方法。

【請求項3】

複数の前記第１設定点および複数の前記第２設定点に基づいて前記第３軌道を制約するステップをさらに含んでおり、
前記第２時間長は、前記第３時間長よりも長く、
前記第２軌道におけるサンプリング時点の時間間隔は、前記第３軌道におけるサンプリング時点の時間間隔よりも長い、請求項２に記載の方法。

【請求項4】

複数のアセットマネージャが、分散型かつ脱集中型の手法によって、独自の最適化軌道を独立して解く、請求項１に記載の方法。

【請求項5】

前記第１軌道を再計算するためにモデル予測制御ルーチンが使用される、請求項１に記載の方法。

【請求項6】

前記第２軌道を再計算するためにモデル予測制御ルーチンが使用される、請求項２に記載の方法。

【請求項7】

前記分散型エネルギーリソースは、ＨＶＡＣシステムの一部である、請求項１に記載の方法。

【請求項8】

前記分散型エネルギーリソースは、バッテリである、請求項１に記載の方法。

【請求項9】

複数のアセットを有する集約された分散型エネルギーリソースシステム（ＤＥＲシステム）からの電力を分配するために、コンピュータシステムにおいて使用されるコンピュータプログラムプロダクトであって、
前記コンピュータプログラムプロダクトは、コンピュータ可読プログラムコードを有する有形的かつ非一時的なコンピュータ使用可能な媒体を含んでおり、
前記コンピュータ可読プログラムコードは、
ＤＥＲモデルまたはＤＥＲシステムモデルに関連するコスト関数を最小化することによって、第１時間長および複数の第１設定点を有する第１ホライズンのコースにおける、前記分散型エネルギーリソースの所望の電力出力または状態の第１軌道を決定するプログラムコードと、
前記ＤＥＲモデルに関連するコスト関数を最小化することによって、第２時間長および複数の第２設定点を有する第２ホライズンのコースにおける、前記分散型エネルギーリソースの所望の電力出力のまたは状態第２軌道を決定するプログラムコードと、
前記第２軌道を複数の前記第１設定点または状態の関数として制約することを決定するプログラムコードと、を含んでおり、
前記第１時間長は、前記第２時間長よりも長く、
前記第１軌道におけるサンプリング時点の時間間隔は、前記第２軌道におけるサンプリング時点の時間間隔よりも長い、コンピュータプログラムプロダクト。

【請求項10】

前記ＤＥＲモデルに関連するコスト関数を最小化することによって、第３時間長および複数の第３設定点を有する第３予測ホライズンのコースにおける、前記分散型エネルギーリソースの所望の電力出力の第３軌道を決定するプログラムコードをさらに含んでいる、請求項９に記載のコンピュータプログラムプロダクト。

【請求項11】

複数の前記第１設定点および複数の前記第２設定点に基づいて前記第３軌道を制約するプログラムコードをさらに含んでおり、
前記第２時間長は、前記第３時間長よりも長く、
前記第２軌道におけるサンプリング時点の時間間隔は、前記第３軌道におけるサンプリング時点の時間間隔よりも長い、請求項９に記載のコンピュータプログラムプロダクト。

【請求項12】

前記プログラムコードは、分散型かつ脱集中型の手法によって独自の最適化軌道を独立して解く複数のアセットマネージャに分配されている、請求項９に記載のコンピュータプログラムプロダクト。

【請求項13】

分散型エネルギーリソースを制御する方法であって、
分散型エネルギーリソースシステムからの電力のリクエストを受信するステップと、
（ｉ）前記分散型エネルギーリソースの現在の動作状態の関数としての第１予測動作軌道を計算するため、および、（ｉｉ）前記分散型エネルギーリソースの現在の動作状態の関数としての第２予測動作軌道を計算するために、モデル予測制御ルーチンおよびアセットモデルを使用するステップと、を含んでおり、
少なくとも１つの前記予測動作軌道は、第１予測ホライズンと、前記モデルが解かれて最適化される前記予測ホライズンに沿った複数のタイムスロットと、を有しており、
前記第２予測動作軌道は、前記第１予測ホライズンよりも時間的に短い第２予測ホライズンを有しており、
前記第２予測動作軌道は、前記モデルが解かれて最適化される前記第２予測ホライズンに沿った複数の第２タイムスロットを有しており、
前記第２予測動作軌道におけるタイムスロットの時間間隔は、前記第１予測動作軌道におけるタイムスロットの時間間隔よりも時間的に短い、方法。

【請求項14】

複数のアセットを有する集約された分散型エネルギーリソースシステム（ＤＥＲシステム）内における電力の分配を制御するアセットマネージャであって、
前記アセットマネージャは、所与のアセットモデルを解き、
前記アセットマネージャは、
リアルアセットをモデル化しているアセットモデルと、
前記ＤＥＲシステム内の少なくとも１つの他のアセットマネージャおよび／またはセントラルコントローラと通信し、前記リアルアセットに関するアセット情報を受信するインターフェースと、
（ｉ）ＤＥＲモデルまたはＤＥＲシステムモデルに関連するコスト関数を最小化することによって、第１時間長および複数の第１設定点を有する第１予測ホライズンのコースにおける第１軌道を決定するとともに、（ｉｉ）前記ＤＥＲモデルまたは前記ＤＥＲシステムモデルに関連するコスト関数を最小化することによって、第２時間長および複数の第２設定点を有する第２予測ホライズンのコースにおける第２軌道を決定することによって、前記アセットの設定点を最適化するアセットコントローラと、を含んでおり、
前記アセットコントローラは、複数の前記第１軌道に基づいて前記第２軌道を制約し、
前記第１時間長は、前記第２時間長よりも長く、
前記第１軌道におけるサンプリング時点の間隔は、前記第２軌道におけるサンプリング時点の間隔よりも長く、
前記アセットマネージャは、最適化によって決定された前記設定点に従って前記リアルアセットを制御する、アセットマネージャ。

【請求項15】

前記アセットマネージャは、前記ＤＥＲモデルまたは前記ＤＥＲシステムモデルに関連するコスト関数を最小化することによって、第３時間長および複数の第３設定点を有する第３予測ホライズンのコースにおける第３軌道を決定し、前記設定点を最適化する、請求項１４に記載のアセットマネージャ。

【請求項16】

前記アセットマネージャは、複数の前記第１設定点および複数の前記第２設定点に基づいて前記第３軌道を制約し、
前記第２時間長は、前記第３時間長よりも長く、
前記第２軌道におけるサンプリング時点の時間間隔は、前記第３軌道におけるサンプリング時点の時間間隔よりも長い、請求項１５に記載のアセットマネージャ。

【請求項17】

前記アセットマネージャは、分散型かつ脱集中型の手法によって独自の最適化軌道を解く、請求項１に記載のアセットマネージャ。

【請求項18】

前記第１軌道を再計算するためにモデル予測制御ルーチンが使用される、請求項１に記載のアセットマネージャ。

【請求項19】

前記第２軌道を再計算するためにモデル予測制御ルーチンが使用される、請求項１５に記載のアセットマネージャ。

【請求項20】

前記アセットマネージャは、ＨＶＡＣシステムを制御する、請求項１に記載のアセットマネージャ。

【発明の詳細な説明】

【0001】

［優先権］
本特許出願は、２０２０年１２月３０日に出願された、「DECENTRALIZED ALGORITHMS FOR DER COORDINATION」というタイトルが付されており、かつ、Jorge Elizondo Martinez、Seth Calbert、Trudie Wang、およびShuyang Liが発明者として記名されている米国特許仮出願番号６３／１３１，９６８の優先権を主張する。当該仮出願の開示の全体は、参照によって本明細書に組み込まれる。

【0002】

［発明の分野］
本発明の例示的な実施形態は、一般的には、電力分配ネットワーク内の分散型エネルギーリソースの制御に関する。より詳細には、本発明の様々な実施形態は、分散型エネルギーリソースシステム内における電力交換を最適化するための方法に関する。

【0003】

［発明の背景］
電気グリッドは、家庭、企業（営業所）、および他の建築物をセントラル電源に接続する。この相互接続性は、集中（中央）型の制御および計画を要する。このため、グリッドの脆弱性は、ネットワーク全体に迅速に波及しうる。こうしたリスクを軽減するために、マイクログリッドなどの集約された（aggregated）分散型エネルギーリソース（distributed energy resource，ＤＥＲ）のシステム（ＤＥＲシステム）が、一般的なソリューションとなりつつある。マイクログリッドは、発電装置およびストレージ（貯蔵）装置の制御されたクラスタを含む。また、マイクログリッドは、ユーティリティのニーズに対して協調的な応答を提供するとともに、メイングリッドから切断された状態で動作可能な負荷を含む。これにより、電力システムの効率および信頼性が向上する。

【0004】

米国エネルギー省は、マイクログリッドの正式な定義を、「グリッドに対する単一の制御可能なエンティティとして機能する、明確に定められた電気的境界を伴う、負荷および分散型エネルギーリソースを含む相互接続されたアセット（資産）のグループ」として示している。多くの場合、マイクログリッドは、分散型発電機（例：ディーゼル発電機、ガスタービンなど）およびバッテリとともに、ソーラーパネルまたはウィンドタービンなどの再生可能リソースを有している。

【0005】

［様々な実施形態の概要］
本発明の一実施形態によれば、方法は、分散型エネルギーリソースを制御する。当該方法は、分散型エネルギーリソースまたは分散型エネルギーリソースのシステムのモデルを取得する。当該方法は、ＤＥＲモデルに関連するコスト関数を最小化することによって、第１予測ホライズン（期間，範囲）における分散型エネルギーリソースの所望の電力出力または状態の第１軌道を決定する。第１ホライズンは、第１時間長と、複数の第１設定点とを有する。当該方法は、ＤＥＲモデルに関連するコスト関数を最小化することによって、第２予測ホライズンにおける分散型エネルギーリソースの所望の電力出力または状態の第２軌道を決定する。第２予測ホライズンは、第２時間長と、複数の第２設定点とを有する。当該方法は、第２軌道を複数の第１設定点または状態の関数として制約する。第１時間長は、第２時間長よりも長い。第１軌道におけるサンプリング時点の時間間隔（タイムインターバル）は、第２軌道におけるサンプリング時点の時間間隔よりも長い。

【0006】

また、一部の実施形態では、前記方法は、ＤＥＲモデルに関連するコスト関数を最小化することによって、第３予測ホライズンにおける分散型エネルギーリソースの所望の電力出力の第３軌道を決定する。第３予測ホライズンは、第３時間長と、複数の第３設定点とを有する。当該方法は、複数の第１設定点および複数の第２設定点に基づいて、第３軌道を制約してよい。第２時間長は、第３時間長より長くともよい。第２軌道におけるサンプリング時点の時間間隔は、第３軌道におけるサンプリング時点の時間間隔より長くともよい。

【0007】

様々な実施形態では、複数のアセットマネージャ（アセット管理装置）は、分散型かつ脱集中型の手法（distributed and decentralized manner）によって、独自の最適化軌道を独立して解くことができる。モデル予測制御ルーチンを使用して、第１軌道、第２軌道、および／または第３軌道を再計算できる。

【0008】

例えば、分散型エネルギーリソースは、ＨＶＡＣシステムの一部であってもよい。一部の実施形態では、分散型エネルギーリソースは、バッテリであってもよい。

【0009】

別の実施形態によれば、方法は、分散型エネルギーリソースを制御する。当該方法は、分散型エネルギーリソースシステムから電力のリクエスト（要求）を受信する。当該方法は、モデル予測制御ルーチンおよびリソースモデルを使用して、分散型エネルギーリソースの現在の動作状態の関数としての第１予測動作軌道を計算する。少なくとも１つの予測動作軌道は、第１予測ホライズンと、当該予測ホライズンに沿った複数のタイムスロットとを有する。当該予測ホライズンにおいて、モデルが解かれ、最適化される。また、当該方法は、ＭＰＣルーチンアセットモデルを使用して、分散型エネルギーリソースの現在の動作状態の関数としての第２予測動作軌道を計算する。第２予測動作軌道は、第１予測ホライズンよりも時間的に短い第２予測ホライズンを有する。第２予測動作軌道は、第２予測ホライズンに沿った複数の第２タイムスロットを有する。当該第２予測ホライズンにおいて、モデルが解かれ、最適化される。第２予測動作軌道におけるタイムスロットの時間間隔は、第１予測動作軌道におけるタイムスロットの時間間隔よりも時間的に短い。

【0010】

さらに別の実施形態によれば、アセットマネージャは、複数のアセットを有する集約された分散型エネルギーリソースシステム（ＤＥＲシステム）内の電力の分配を制御するように構成されている。アセットマネージャは、所与のアセットモデルを解くように構成されている。アセットマネージャは、リアルアセット（実在のアセット）をモデル化するように構成されたアセットモデルと、ＤＥＲシステム内の少なくとも１つの他のアセットマネージャおよび／またはセントラルコントローラと通信するように構成されたインターフェースとを含む。インターフェースは、リアルアセットに関するアセット情報を受信するように構成されている。アセットコントローラは、第１予測ホライズンにおける第１軌道と、第２予測ホライズンにおける第２軌道とを決定することによって、アセットの設定点を最適化するように構成されている。軌道は、ＤＥＲモデルまたはＤＥＲシステムモデルに関連するコスト関数を最小化することによって決定される。第１予測ホライズンは、第１時間長と、複数の第１設定点とを有する。同様に、第２予測ホライズンは、第２時間長と、複数の第２設定点とを有する。アセットコントローラは、複数の第１設定点に基づいて第２軌道を制約するように構成されている。第１時間長は、第２時間長よりも長い。第１軌道におけるサンプリング時点の時間間隔は、第２軌道におけるサンプリング時点の時間間隔よりも長い。アセットマネージャは、最適化によって決定された設定点に従ってリアルアセットを制御するようにさらに構成されている。

【0011】

本発明の例示的な実施形態は、コンピュータ可読プログラムコードを含むコンピュータ使用可能媒体を有するコンピュータプログラムプロダクトとして実現される。コンピュータ可読コードは、従来のプロセスに従って、コンピュータシステムによって読み取られ、かつ、利用されうる。

【0012】

［図面の簡単な説明］
当業者であれば、下記の通り要約されている図面を参照して説明されている、以降の「例示的な実施形態の説明」から、本発明の様々な実施形態の利点をより十分に理解できるであろう。

【0013】

図１Ａは、本発明の例示的な実施形態に係るシステム全体の目的（目標）を満たすべく、複数の分散されたエネルギーリソースおよび負荷の動作を最適化するために使用されるアセットマネージャを含むＤＥＲシステムを概略的に示す。

【0014】

図１Ｂは、本発明の例示的な実施形態に係る２つのＤＥＲネットワークを概略的に示す。

【0015】

図１Ｃは、本発明の例示的な実施形態に係る脱集中型アルゴリズムを実行するプロセスを概略的に示す。

【0016】

図２は、本発明の例示的な実施形態に従って構成された図１のアセットマネージャを概略的に示す。

【0017】

図３Ａ～図３Ｃは、ＤＥＲシステムの最適化のための３つの異なるスキームを概略的に示す。

【0018】

図４は、本発明の例示的な実施形態に係る予測ホライズンを概略的に示す。

【0019】

図５は、本発明の例示的な実施形態に係る所与の予測ホライズンにおける制御軌道を概略的に示す。

【0020】

図６は、例示的な実施形態に係る、図５と同じ予測ホライズンにおける代替的な制御軌道を概略的に示す。

【0021】

図７は、例示的な実施形態に係る、図５および図６と同じ予測ホライズンにおける代替的な制御軌道を概略的に示す。

【0022】

図８Ａは、例示的な実施形態に係る、図５～図７と同じ予測ホライズンにおけるネスト型制御軌道（ネストされた制御軌道）を概略的に示す。

【0023】

図８Ｂは、本発明の例示的な実施形態に係る第２ＭＰＣ最適化ループを実行した後の第２軌道を概略的に示す。

【0024】

図９は、システムダイナミクスを１時間毎に観察する最適化関数の軌道を模式的に示す。

【0025】

図１０は、本発明の例示的な実施形態に係る最適化関数における次のステップを概略的に示す。

【0026】

図１１は、本発明の例示的な実施形態に係る異なる時間におけるＭＰＣ最適化を概略的に示す。

【0027】

図１２は、例示的な実施形態に係るＭＰＣルーチンのネストについての一般化を概略的に示す。

【0028】

図１３は、例示的な実施形態に係るネスト型ＭＰＣルーチンを概略的に示す。

【0029】

図１４は、本発明の例示的な実施形態に係る分散型アセットマネージャを使用してＤＥＲシステムを最適化するプロセスを概略的に示す。

【0030】

図１５Ａ～図１５Ｃは、本発明の例示的な実施形態に係るネスト型最適化ルーチンの別の例を概略的に示す。

【0031】

上述の各図面、および、当該図面に示されている各要素は、必ずしも一貫したスケールまたは任意のスケールによって描かれていないことに留意されたい。文脈が別段の定めを示唆していない限り、同様の要素は同様の数字によって示されている。図面は主に説明を目的としており、本明細書に記載されている発明の主題の範囲を限定することは意図されていない。

【0032】

［例示的な実施形態の説明］
例示的な実施形態では、分散型エネルギーリソースシステムは、１つ以上のアセットへの電力の入力および出力を制御するために協働する１つ以上のコントローラを有している。様々なアセットの制御は、高速システムダイナミクスおよび低速システムダイナミクスの両方に対処する最適化アルゴリズムに基づいている。そこで、コントローラは、集約された分散型エネルギーリソースシステム（ＤＥＲシステム）における１つ以上のシミュレートされたアセットモデルについての現実的かつリアルタイムの結果を提供する数学的モデルを受信する。各アセットモデルは、所与のリアルアセットおよび／またはＤＥＲシステムの挙動についての基礎となる数学的表現を有している。コントローラは、低速システムダイナミクスに応じた最適化アルゴリズムを実行するためのモデル予測制御（model predictive control，ＭＰＣ）ルーチンを実行する。低速システムダイナミクスに応じたＭＰＣによって決定された点（例：端点）は、より高速のシステムダイナミクスに応じた最適化アルゴリズム（ＭＰＣルーチンであってもよい）における制約としてネストされる。様々な実施形態では、１つ以上のアセットマネージャのそれぞれが、独自のアセットモデルを解き、最適化に従って対応するアセットを制御する。次いで、アセットは、最適化によって決定された設定点に従って駆動される。以下では、例示的な実施形態の詳細を説明する。

【0033】

図１Ａは、本発明の例示的な実施形態に係るシステム全体の目的（目標）を満たすべく、複数の分散型エネルギーリソース（ＤＥＲ）１４および負荷１５の動作を最適化するために使用されるアセットマネージャ１６を含むＤＥＲシステム１００を概略的に示す。当業者にとって既知である通り、ＤＥＲ１４は、有効電力および無効電力を電力ネットワークと交換する。対照的に、負荷１５は、一般的には有効電力および無効電力を消費または使用する。ＤＥＲ１４は、とりわけ、ソーラ、マイクロタービン、セル（電池）、燃料セル、電気分解装置などであってよい。負荷１５とＤＥＲ１４との間には区別があるが、負荷およびＤＥＲの両方がともにアセット１４と称されうる。

【0034】

一部の実施形態では、アセット１４のそれぞれが、所与のアセットマネージャ１６（図２にてさらに詳細に説明するアセットマネージャ１６）によって制御されてよい。付加的または代替的に、複数のＤＥＲ１４は、単一のアセットマネージャ１６によって制御されてもよい。ただし、一部の実施形態では、１つ以上のＤＥＲ１４および／または負荷１５は、アセットマネージャ１６と接続されていなくともよい。例示的な実施形態では、各アセットマネージャ１６は、リアルアセットをシミュレートするように設定されたアセットモデル１８も含んでいる。アセットモデル１８は、バーチャルアセット（仮想的なアセット）１８と称されてもよい。ただし、例示的な実施形態はネットワーク１００に接続された１つ以上のアセットマネージャ１６を有していてよく、各マネージャ１８は１つ以上のアセットモデル１８を有しうることを理解されたい。さらに、各アセットモデル１８は、異なるタイプのアセット（例：バッテリ、ソーラーパネル、ウィンドタービンなど）をモデル化してもよい。図示されていないが、例示的な実施形態は、モデル１８に加えて、ネットワーク１２に接続された１つ以上のリアルアセットを含みうる。

【0035】

図１Ｂは、２つのＤＥＲネットワーク１００Ａおよび１００Ｂを概略的に示す。ネットワーク１００Ａおよび１００Ｂのそれぞれは、共通接続部のブランチ（分岐部）１２Ａおよび１２Ｂを有する。共通接続部のバーチャルブランチは、本発明の例示的な実施形態に従って、２つの独立したＤＥＲシステム１００Ａおよび１００Ｂについて計算されてよい。共通接続部のバーチャルブランチは、２つ以上の独立した集約されたＤＥＲシステム１００Ａおよび１００Ｂの共通接続部のブランチ１２（例：１２Ａおよび１２Ｂ）からのメータ情報を組み合わせることによって形成される。例えば、共通接続部のバーチャルブランチにおける有効電力は、共通接続部のブランチ１２Ａにおいてメータ１によって測定された有効電力と、共通接続部のブランチ１２Ｂにおいてメータ２によって測定された有効電力との和である。したがって、文脈が別段の定めを要しない限り、共通接続部のブランチ１２に関連するいかなる説明も、共通接続部のバーチャルブランチに当てはまる。

【0036】

以下に述べる通り、様々な実施形態では、ＤＥＲシステム１００Ａおよび１００Ｂのうちの１つ以上が、分散型アプローチを用いて制御されてよい。他の実施形態では、ＤＥＲシステムは、集中型アプローチを用いて制御されてもよい。

【0037】

ＤＥＲシステム１００（例：マイクログリッド）は、電力システムを近代化し、サステナブルにし、レジリエンスをもたらし、かつ、効率的にするために、世界中に展開されている。様々な実施形態は、全ての需要者が生産者となることができ、かつ、電力の調達、利用、およびディスパッチ（配送）に積極的に参加できる分散型アーキテクチャを提供している。エネルギーインフラストラクチャにおけるステークホルダの数の増加に伴い、（ｉ）ユーティリティの役割、および、（ｉｉ）個人とグリッドの集団的目的との間のトレードオフ、をどのように扱うべきかを決定する場合に問題が生じる。

【0038】

例示的な実施形態は、ＤＥＲを複数のインテリジェントエージェントへと変換するエンド・トゥ・エンドのソリューションを提供する。当該インテリジェントエージェントは、相互作用し、システム１００の集団的なニーズを満たす緊急的な動作特性を有するシステムを生じさせる。例示的な実施形態は、ローカル制御および脱集中型最適化技術を使用することによって、このことを実現する。当該技術は、ゲーム理論、分散型最適化技術、および機械学習からのコンセプトを活用している。

【0039】

例示的な実施形態は、ＤＥＲ１４がグリッドの基本的な構成要素（building block）であることを可能にし、ＤＥＲ１４を相互作用および協調させることによって、何もないところからシステム１００を構築する。ＤＥＲシステム１００は、有機的に構築されており、システム１００のニーズの変化に伴いスケーリングする。これにより、間欠的な再生可能発電の追加、ＥＶによる輸送の電化、および新たなストレージ技術の導入などの不可避的な変化に対処するためのレジリエンスおよび柔軟性を提供できる。

【0040】

ＤＥＲシステム１００の管理については、一般的には下記の２つのアプローチが存在している。

【0041】

・集中型トップダウンアプローチ：典型的にはＤＥＲから離れて配置された単一のコントローラが、システム内の全てのアセットから情報およびデータを収集する。集中型コントローラは、共通の目標を達成するために、当該情報および当該データを処理し、各ＤＥＲ１４に対する最適なディスパッチストラテジーを計算する。

【0042】

・脱集中型ボトムアップアプローチ：各ＤＥＲ１４に意思決定能力（decision-making capabilities）を提供するために、制御が各ＤＥＲに結び付けられている。これにより、異なるＤＥＲ１４と負荷１５との協働によってＤＥＲシステム１００の目標が得られる。分散型／脱集中型システムは、より少ない全体的な情報を交換し、目的および制約の範囲を制限することによって、アセット１４がデータおよびリソースをより効率的に共有することを可能にする。

【0043】

集中型アプローチは、システム階層を上流化および下流化するための複雑なデータを必要としており、データ処理および意思決定についての単一点（シングルポイント）を有している。変数およびノードの数の増加に伴い、問題は過度に複雑となる。さらに、通信ネットワークによって引き起こされる関連するレイテンシおよび遅延は、例示的な実施形態におけるＤＥＲ１４の性能に影響を及ぼしうる。これらの制限は、ニッチな用途を超えてスケーリングできず、典型的には高コストを伴う「パイロットプロジェクト」の多さを招いている。

【0044】

対照的に、発明者らは、アセット１４に対する脱集中型制御は、本質的により容易にスケーリング可能であり、かつ、ＤＥＲシステム１００を構築するためのより自然な方法を表現していることを特定した。脱集中型アプローチの利点は、下記の通りである。

【0045】

１）システムの成長に伴い成長する知能。エージェント（ＤＥＲまたは制御可能なデバイス）がグリッドにインストールされるたびに、データ処理および意思決定の新たな点が追加される。その結果、システム性能が経時的に向上する。

【0046】

２）単純なメッセージ交換。意思決定はエージェントごとにローカル（局所的）であるため、通信を要するメッセージは、はるかに単純であり、ピア・トゥ・ピアで通信されうる。例えば、いかなる単一のエージェント１６も、システム１００内の全てのバッテリにおいて利用可能なエネルギーに関する情報を有することを要しない。

【0047】

３）システムアーキテクチャに依存しない（システムアーキテクチャアグノスティック）。より多くのＤＥＲおよびステークホルダは、対応を要する設定のさらなる多様性をもたらし、脱集中型アルゴリズムは、ローカルな決定が他のエージェントまたはその位置によって間接的にのみ影響を受けるので、容易に適合しうる。

【0048】

４）迅速な応答。自律的なＤＥＲは、より大型のグリッドに影響を与えるローカルな状況に対して迅速かつ効率的に応答できる。このため、システムオペレータ（例：ＩＳＯ）による応答を要する、より大型のシステム全体におけるイベントを引き起こすよう問題がエスカレートする前に、システムのバランスを取ることができる。

【0049】

５）技術に依存しない。エージェントは、その根底にあるＤＥＲの複雑性を隠蔽できる。このため、任意のタイプのエネルギーストレージ、発電、または負荷制御についての平等な競争条件を生じさせる。

【0050】

分散型アプローチにおける固有のスケーラブルな性質を例示するために、Ｎ個のＤＥＲ１４を有するシステムを考える。当該システムでは、どのＤＥＲ１４を動作させるべきか、および、性能最適化のためにどのＤＥＲをスタンバイ状態にするべきかを、アルゴリズムが決定する。ＤＥＲ１４が適切な状態となるように開始コマンドまたは停止コマンドを受信する必要があるので、この問題は典型的にはシステムにおいて直面する。これは、典型的な混合整数線形計画最適化問題である。

【0051】

集中型アプローチでは、単一の制御エージェント（例：セントラルコントローラ）は、全てのＤＥＲ１４から情報を取得し、２^Ｎ個のシステム設定の内から決定を行う。この問題は、ＤＥＲ１４の数に伴って指数関数的にスケーリングする。このことは、たとえアルゴリズムが２～３個のＤＥＲを有する小型のシステムにおいて適切に動作できるとしても、１０個のアセット、ひいては数千に上るアセットを有するより大型のフリート（集団）のシステムでは、当該アルゴリズムが適切に動作しない場合があることを意味する。

【0052】

様々な実施形態では、分散型アルゴリズムは、各ＤＥＲ１４が、自身のローカル情報と、システム内において共有される少数の変数とに基づいて、オンまたはオフの２つの状態のみの内から決定を行うことを可能にすることによって、この問題に取り組んでいる。当該問題の複雑性は、ＤＥＲの数に伴って著しく増加することはない。なぜなら、付加的な各ＤＥＲは、自動的に別のディシジョンメーカ（意思決定者）を追加するからである。

【0053】

発明者らは、分散型かつ脱集中型の制御アルゴリズムの理論的な望ましさにもかかわらず、分散型制御アルゴリズムを実用化するためには重大な課題があることを特定した。発明者らは、個々のユーザの固有の物理的状況および経済的状況のニーズを同時に満たすと同時に、より大型のグリッドのニーズをも満たす、広範なＤＥＲを採用するための方法を開発した。

【0054】

様々な実施形態では、方法は、モデル予測制御（ＭＰＣ）ルーチンの形態の後退ホライズン（receding horizon）制御ルーチンを使用して、ＤＥＲ１４の動作軌道を予測するステップを含む。制御軌道は、ＭＰＣアルゴリズムを使用して、ＤＥＲ１４の実際の状態に基づいて計算される。ＭＰＣアルゴリズムは、システム変数に対する制約を直接的に考慮している。このため、ＭＰＣアルゴリズムは、現在の制御設定点についてだけでなく、将来の設定点についても、安全動作リミット内の最適な動作軌道を見出すために有利に使用されうる。したがって、設定点のスケジュールを形成できる。

【0055】

具体的には、コントローラは、ＤＥＲ１４（例：マイクロタービン）の現在の動作状態を受信するＭＰＣルーチンを実行する。電力出力設定点を含みうる少なくとも１つの予測動作軌道を含む１つ以上の予測動作軌道が、ＤＥＲ１４の現在の動作状態に基づいて計算される。

【0056】

モデル予測制御は、プロセスのモデルを利用して、有限の後退ホライズンにおける目的関数（例：コスト関数）を最小化することによって制御信号を得る制御方法である。様々な実施形態において、プロセスモデルが使用され、過去の値および現在の値、ならびに提案された最適な将来の制御動作に基づいて、将来のＤＥＲの状態および出力が予測される。これらの動作は、コスト関数、状態、および制約を考慮して、コントローラによって計算される。言い換えれば、コントローラは、予測ホライズンにおけるコスト関数を最小化する制御信号を生成する。望ましくないことに、コントローラに対する計算負荷は、予測ホライズンの増加、サンプリングレートの増加、およびモデル化されているＤＥＲの数の増加に伴って急速に増加する。

【0057】

以下により詳細に説明する通り、発明者らは、２つ以上の最適化関数をネストすることによって、大規模な計算負荷を低減しつつ、１つ以上のＤＥＲを最適化しうることを特定した。

【0058】

図１Ｃは、本発明の例示的な実施形態に係る脱集中型アルゴリズムを実行するプロセスを概略的に示す。この方法は、通常使用されうるさらに長いプロセスから十分に簡略化されていることに留意されたい。したがって、図１Ｃに示す方法は、当業者が使用しうる多くの他のステップを有しうる。加えて、複数のステップの内の一部は、図示されている例とは異なる順序で実行されてもよいし、あるいは、並列的に実行されてもよい。さらに、これらのステップの内の一部は、一部の実施形態では任意でありうる。したがって、当該プロセスは、本発明の例示的な実施形態に係る１つのプロセスの単なる例示である。それゆえ、当業者は必要に応じて当該プロセスを変更しうる。

【0059】

プロセスは、ＤＥＲシステム１００の目的を設定するステップ１０１から開始する。各アセット１４は、自身のメータ（測定器）の背後にありうる。各アセット１４は、当該アセットの様々な詳細を追跡（トラッキング）する対応するアセットマネージャと関連付けられていてよい。各アセット１４は、自身のローカルなコスト関数に従って、特定の関数をローカルなユーティリティに提供するように調整されうる。したがって、各アセットは、ローカルな最適化コスト関数および全体的なシステムの最適化コスト関数を受信しうる。各ＤＥＲは、例えば下記のローカルな目的および制約を満たさなければならないので、各アセット１４の動作の最適化は複雑な問題である。

【0060】

・ローカルレートおよびエクスポート制約に従って電気料金を最小化すること。

【0061】

・使用されている技術に応じて装置の寿命を延長すること。

【0062】

・需要者の期待に応じたローカルかつレジリエントなニーズを考慮すること。

【0063】

様々な実施形態では、各アセット１４は、自身の目的をローカルに最適化する。次いで、各アセット１４は、システム１００がユーティリティからのリクエストを満たすことができるよう、自身のローカル最適化から逸脱するようにインセンティブを与えられる。このスキームは、インセンティブ量を変更することにより、システム１００における参加者の多寡によらず適用される。

【0064】

プロセスはステップ１０３に進む。ステップ１０３は、各アセット１４の動作についてのリミットを定める。複数のアセット１４間の脱集中型相互作用は、アセット１４が自身の目的およびグローバルなシステムの目的を満たすために、自身の出力を自由に変更することができる環境をもたらす。ただし、実際のプロジェクトにおける安全動作のために、様々な実施形態は、物理的制約および規制上の制約によって与えられる、当該自由の範囲内の境界リミットを設定している。

【0065】

例示的な実施形態は、個々のアセットに、最初に当該アセット自身を保護し、保護の第１レイヤをローカルに維持するよう命令（指令）するアルゴリズムを提供している。また、グローバルな制約は、インセンティブに基づくソフトリミットとして容易に組み込まれる。当該ローバルな制約は、必要な場合に限り、エリア内の制約に対する単純な調整によるハードリミットとして組み込まれる。

【0066】

この責任分担のため、システム１００は、エネルギーの供給過剰または供給不足に対して効果的かつ迅速に準備し、当該供給過剰または供給不足から回復しうる。これにより、ＤＥＲのフリートが、保護モードおよび回復モードを円滑かつ自動的に集団的に観測することが可能となる。

【0067】

次いで、プロセスはステップ１０５に進む。ステップ１０５は、分散型制御および最適化と組み合わされたＭＰＣを使用して、電力およびエネルギーを取引するためのマーケット（市場）を生じさせる。例示的な実施形態は、負荷または発電における短期の変動、例えば秒単位（second-by-second）の変動と、より長期（例：日次および週次）の変動と、の両方を同時に管理するアルゴリズムを提供している。複数のＤＥＲ間における相互作用は、関心のあるコモディティ（商品）が価格を有するマーケットに類似している。各ＤＥＲは、自身の固有の特性に応じて、どれだけの量を供給するか（あるいは取得するか）を決定する。高速システムダイナミクスおよび低速システムダイナミクスから生じる２つのマーケットは、下記の通り根本的に異なっている。

【0068】

・電力マーケット（秒単位）：高速断続性に応答する相互作用は、関心のあるコモディティが電力であるマーケットをもたらす。例えば、大型の負荷における突然の接続または切断があった場合、ＤＥＲは要求される電力を供給することによって迅速に応答するようインセンティブを与えられる。数秒後に、システムは、所望の動作点において再び平衡状態になる。

【0069】

・エネルギーマーケット（数時間から数日）：より低速の変動に応答する相互作用は、関心のあるコモディティを電気エネルギーのユニットにする。例えば、消費量が著しく増加する日には、エネルギーマーケットは、予め充電することによって準備するようストレージデバイスにインセンティブを与え、かつ、発電リソースがオンラインとなるようインセンティブを与える。

【0070】

両方のマーケットにおいて、インセンティブは、従来の制御システムおよび最適化システムにおいて見受けられる典型的なコマンドとは異なり、目標を達成するために使用される。各ＤＥＲに独自の意思決定を行わせるとともに、２つのマーケット間においてバランスを取らせることによって、ＤＥＲシステム１００の動作目標は、集中型のディスパッチオーソリティ（権限者）を要することなく、シームレスに達成されうる。

【0071】

２つのマーケットは、独自のシステム応答を生じさせるために相互に関連している。エネルギーマーケットでは、ＤＥＲシステム１００は、１日または複数日に亘る最適なエネルギー配分に関するコンセンサスを構築する。その結果、各ＤＥＲエネルギーのインポートまたはエクスポートのスケジュールに加えて、重要な状態変数（例：バッテリの充電状態）のスケジュールがもたらされる。

【0072】

エネルギーマーケットからスケジュールが確立された後、組み合わせ型の最適なリソース使用ストラテジーを伝達および実現するために、当該スケジュールが電力マーケットへと送信される。電力マーケットにおけるＤＥＲは、秒単位の小さいデータペイロードとともに入札する（bid）。電力マーケットは、スケジューリングされた複数のエネルギー点の間の最適なコース（経路）にてシステムを維持する。これにより、イベントに対して迅速に応答し、システムの最適なバランスおよび動作を維持できる。このように、電力マーケットは、リミット内での最適な動作を保証し、細かい粒度でのＤＥＲの寿命延長技術を実現する。

【0073】

次いで、プロセスはステップ１０７に進む。ステップ１０７は、内部マーケットを様々なコントローラ１６に分配する。分散型アルゴリズムの典型的な具現化では、内部マーケットは、「コーディネータ」または「マーケットオペレータ」として機能するセントラルエージェントを要する。当該コーディネータまたは当該マーケットオペレータのタスクは、欠乏または過剰が生じているか否かを監視することによって、コモディティの価格を計算することである。セントラルエージェントがディスパッチについてのいかなる決定を行わない場合においても、スキームは複数の欠点を有している。なぜならば、当該スキームは、（ａ）セントラルエージェントが誰であるかを定めるためにオーソリティを要求とし、（ｂ）セントラルエージェントを信頼するために他の全てのセントラルエージェントを必要とし、かつ、（ｃ）障害および脆弱性の単一点を有しているからである。

【0074】

例示的な実施形態は、コーディネータを要することなく上述のマーケットを機能させる複数の方法を提供している。これにより、全てのエージェントの間での完全な対称性を実現できる。つまり、いかなるエージェントも、他の全てのエージェントによっても実行されないタスクを実行しない。４つのアルゴリズムの詳細は、US20200175617A1として公開されている共有の特許出願「Distributed and Decentralized DER System Optimizations」において見出されうる。当該特許出願の全体は、参照により本明細書に組み込まれる。価格計算の特定のステップは複数のエージェント間において分割されてよく、その後、数秒でコンセンサスに至る。これにより、信頼性およびモジュール性をマーケット自体に追加できる。

【0075】

次いで、プロセスはステップ１０９に進む。ステップ１０９は、応答を改善する。例示的な実施形態では、マーケットオペレーションのために、ＤＥＲ１４はインセンティブに適切に応答しなければならない。例示的な実施形態は、過去の動作データを活用して、学習済パラメータを調整し、当該ＤＥＲの応答を経時的に改善する。例示的な実施形態では、このデータを使用してＤＥＲ応答を改善する下記の４つの方法が存在している。

【0076】

・予測：エネルギーおよび電力の価値は経時的に変化するので、再生可能リソースおよびエネルギーストレージ性能を有するいかなるシステムにおいても、正確な予測は不可欠である。スケジュール（エネルギーマーケット）および実際のディスパッチ信号（電力マーケット）のコンセンサスに至るためは、現時点でのコモディティ価格だけでなく、将来の期待値も考慮すべきである。エネルギーマーケットは、予測を用いて、予めリソース配分を計画する。その一方、電力マーケットは、ＤＥＲ応答時間、ランプレート、およびスタートアップ遅延を補償するために、事前に応答秒を準備する。この見通しにより、電力マーケットは、変圧器の定格リミットおよび非エクスポート規制などの制限が満たされると同時に、リソース使用量を最適化できることを保証することが可能となる。

【0077】

・効率計算：ＤＥＲの真の動作効率を把握することにより、ロバストなエネルギー最適化が可能となる。動作時に収集されたデータを使用することによって、電力マーケットとエネルギーマーケットとの両方が、所与のＤＥＲに対してどの条件下でどの動作点がより良好であるかについての知識を活用できる。

【0078】

・応答特性：所与の設定点に対するＤＥＲの出力応答についての知識は、電力フローの予想される変化および予想外の変化を通じてシステム動作点を管理するために使用される。例示的な実施形態は、応答時間、オーバーシュート、ランプレート、立ち上がり時間、整定時間、および、スタートアッププロシジャまたはシャットダウンプロシジャによって引き起こされる任意の遅延を含む特徴を学習し、当該特徴を組み込む。２つの異なるＤＥＲについて測定された応答特性の例は、以降の図に示されている。

【0079】

・劣化推定：異なる動作点でのＤＥＲ使用量の劣化作用を把握することによって、電力マーケットおよびエネルギーマーケットは、（ｉ）経済的利得のためのリソースの使用と、（ｉｉ）動作寿命を低下させる当該リソースの劣化と、の間の適切なバランスに直面しうる。例えば、バッテリストレージアセットの場合、最適な動作は、（ｉ）バッテリの現在の健康状態（State of health，ＳｏＨ）を把握することに依存するだけでなく、（ｉｉ）サイクル化、電力出力レベル、充電状態（state of charge，ＳｏＣ）レベル、およびＳｏＨに対する温度の影響にも依存する。

【0080】

様々な実施形態は、アセットに課される制約のセットを満たしつつ各アセットの出力を制御するために、モデル予測制御（ＭＰＣ）を使用する。ＭＰＣの主な利点は、将来のタイムスロットを考慮に入れたままで、現在のタイムスロットを最適化できることである。このことは、有限のタイムホライズンを最適化することによって実現される。ＭＰＣは、現在のタイムスロットを使用し、次いで、再度繰り返して最適化するだけであるので、線形２次レギュレータ（linear-quadratic regulator，ＬＱＲ）とは異なる。また、ＭＰＣは、将来のイベントを予測する性能を有し、相応に制御動作を行うことができる。

【0081】

実際のところ、ＭＰＣは、あるタイムホライズン内の現在および将来において、状態変数（例：バッテリの充電状態）が何をすべきかについてのスケジュールを提供する。

【0082】

ＭＰＣは、現実世界（リアルワールド）における複数の異なる最適化方法を実行するために使用される制御ポリシーである。ＭＰＣは、タイムホライズン内において推定結果を継続的に再評価し、相応にスケジュールを調整するので、最適化をよりロバストかつ動的にする。将来のイベントの通知が受信された場合、例えば、経時的に適切な応答を準備するために、当該通知は後退ホライズンにおける状態の予測に追加される。

【0083】

次いで、プロセスは終了に至る。

【0084】

図２は、本発明の例示的な実施形態に従って構成された図１のアセットマネージャ１６を概略的に示す。図示の通り、図２のアセットマネージャ１６は、その機能の一部をともに実行する複数のコンポーネントを有する。これらのコンポーネントのそれぞれは、任意の従来の相互接続機構によって動作可能に接続されている。図２は、各コンポーネントと通信するバスを簡単に示している。当業者は、この一般化された表現は、他の従来の直接的または間接的な接続を含むように修正されうることを理解すべきである。したがって、バスの説明は、様々な実施形態を限定することを意図するものではない。本開示のアセットマネージャ１６は、米国特許番号１０，９０３，６５０および１０，９７１，９３１に記載されているアセットマネージャ１６内のコンポーネントの一部または全部を含みうる。これらの特許のそれぞれの全体は、参照により本明細書に組み込まれる。

【0085】

実際のところ、図２は、これらのコンポーネントのそれぞれを概略的に示しているに過ぎないことに留意されたい。当業者であれば、１つ以上の他の機能的コンポーネントについて、これらのコンポーネントのそれぞれが、ハードウェア、ソフトウェア、またはハードウェアとソフトウェアとの組合せを使用することなどによって、様々な従来の方式で実装されうることを理解するであろう。例えば、コントローラは、ファームウェアを実行する複数のマイクロプロセッサを用いて実装されてもよい。別の例として、コントローラは、１つ以上の特定用途向け集積回路（すなわち、ＡＳＩＣ）および関連するソフトウェア、または複数のＡＳＩＣの組み合わせ、ディスクリート電子コンポーネント（例：トランジスタ）、およびマイクロプロセッサを使用して実装されてもよい。したがって、図２における単一のボックス内のコントローラおよび他のコンポーネントの表現は、単純化のみを目的としている。実際に、一部の実施形態では、図２のコントローラは、必ずしも同一のハウジングまたはシャーシ内に位置することなく、複数の異なるマシンに分散されている。

【0086】

アセットマネージャ１６は、ＭＰＣコントローラ２１を含んでいる。ＭＰＣコントローラ２１は、例えばローカルコスト関数を使用して（１つ以上の）アセット１４の動作を管理し、動作点を決定する。例えば、アセット１４の動作ブランチは、アセット１４がシステム１００に供給している有効電力と無効電力との組み合わせでありうる。また、動作点は、アセット１４の全ての内部状態（例：温度、蓄積エネルギー、電圧など）を含みうる。

【0087】

ＭＰＣコントローラ２１は、各アセット１４に分散されていてもよい。一部の他の実施形態では、ＭＰＣコントローラ２１はセントラルコントローラとして動作しうる。それにもかかわらず、ＭＰＣコントローラは、予測ホライズンにおけるＭＰＣ最適化を実行する。様々な実施形態では、以下にさらに述べる通り、有益であることに、ＭＰＣコントローラは、ともにネストされた２つ以上のＭＰＣ最適化を実行する。

【0088】

また、アセットマネージャ１６は、他のアセット１４および／または他のデバイスと通信するためのインターフェース１８を含む。例えば、インターフェース１８は、（例えば、以下に述べる価格計算エンジン２０によって計算された価格を送信および／または受信するために）他のアセットマネージャ１６と通信するように構成されている。さらに、インターフェース１８は、システム全体の目的を受け付けるように構成されている。例示的な実施形態では、システム全体の目的は、所定の量の有効電力および／または無効電力をユーティリティ５に提供するようにシステム１００に命令してよい（例：ＤＥＲシステム１００内のアセット１４の全ての総出力電力を１０キロワットにすべきと命令してよい）。したがって、システム全体の目的についてのコンプライアンス（準拠性）は、共通接続部１２のブランチにおける電力を測定することによって追跡されうる。

【0089】

また、アセットマネージャ１６は、価格計算エンジン２０を含む。価格計算エンジン２０は、他のアセットマネージャ１６に送信される価格を計算する。明確化のために述べると、本発明の一部の実施形態では、「価格」または「価格信号」は、協調型ＤＥＲシステム１００の内部において生成される信号である。当該信号の値は、エネルギーの供給よりも多くの需要がある場合には増加し、需要よりも多くの供給があるとき場合には減少する。例えば、電力の需要は、負荷１５および／またはユーティリティ５から到来しうる。さらに、供給は、アセット１４および／またはユーティリティ５から到来しうる。これらは、無効電力およびシステム損失などの他の変数にも依存しうる。一部の実施形態では、下記のコスト関数、

【数1】

を使用して価格（price）が計算されうる。

【0090】

ｐ_ｉ ^（ｋ）は、時点「ｋ」における価格ベクトル（またはスカラー）である。ｇ_ｉは、価格計算関数である。ｙ_ｏｕｔは、追跡されている出力変数の値である。ｙ_ｓｐは、当該変数の設定点（セットポイント）である。

【0091】

同様に、本発明の一部の実施形態では、「応答（レスポンス）」は、ＤＥＲアセット１４の有効電力出力および無効電力出力の決定結果であり、電力に関する変数のうちの１つ以上についてのコスト関数を最小化することによって得られる。一部の例示的な実施形態では、コスト関数は、

【数2】

という形態をとりうる。

【0092】

Ｐ_ｉ ^＊は、計算された最適出力電力ベクトルである。Ｊ_ｉは、コスト関数である。Ｐ_ｉは、最適化すべき出力電力変数である。ｐ_ｉは、上述の価格信号である。ｘ_ｉは、１つ以上のアセットの状態および重要な変数のベクトルである。Θは、性能に影響を与える外部変数のベクトルである。

【0093】

コスト関数および価格についてのさらなる説明については、米国特許出願番号１６／０５４，３７７および１６／６８３，１４８を参照されたい。これらの両方の出願の全体は、参照により本明細書に組み込まれる。

【0094】

また、アセットマネージャ１６は、（ｉ）アセット１４のデータを格納するためのメモリ２２と、（ｉｉ）ローカルなコスト関数を生成する関数ジェネレータと、（ｉｉｉ）任意のアセット（例：ディーゼル発電機、ガスタービン、バッテリ、ソーラーパネル、ウィンドタービン、負荷など）の挙動をエミュレートするために使用されるアセットモデルと、を含みうる。インターフェース１８は、それぞれのアセット１４に固有でありうるプロトコルを使用してアセット１４と通信してよい。好ましくは、インターフェース１８は、ＤＥＲシステム１００において一般的に見受けられる通信プロトコルを使用して、ＤＥＲシステム１００の内部および外部の、セントラルコントローラ、および／または、他のアセットマネージャ１６、および／または、他のエージェントと通信する。これらのコンポーネントおよび他のコンポーネントのそれぞれは、説明されている様々な機能を実行するために協働する。

【0095】

繰り返し述べるが、図２における表現は、実際のアセットマネージャ１６を著しく単純化した表現である。当業者であれば、このようなデバイスは、セントラル処理ユニット、通信モジュール、プロトコルトランスレータ、センサ、メータなどの多くの他の物理的なコンポーネントおよび機能的なコンポーネントを有しうることを理解できるであろう。したがって、ここでの説明は、図２がアセットマネージャ１６の全ての要素を表していることを示唆するものでは決してない。

【0096】

アセットマネージャ１６は、本明細書に記載されているコンポーネントに加えて、米国出願番号１６／０５４，３７７，１６／０５４，９６７、および／または、１６／６８３，１４８に記載の通り、電圧計、トポグラフィエンジン、物理特性分析エンジンなどの他のモジュールを含んでいてもよい。これら全ての出願の全体は、参照により本明細書に組み込まれる。

【0097】

図３Ａ～図３Ｃは、ＤＥＲシステム１００の最適化のための３つの異なるスキームを概略的に示す。図３Ａおよび図３Ｂの両方において、セントラルコントローラ２５は、アセットの価格および／または設定値を計算する。図３Ａは、単一の集中型アプローチを概略的に示す。図３Ａの例では、設定点の計算などの全ての計算は、セントラルコントローラ２１（セントラルエージェント２５とも称される）によって実行される。図３Ｂは、分散型アプローチを概略的に示す。図３Ｂの例では、デュアル分解法または何らかの他の分散型最適化アプローチの実行を通じて最適化が実現される。ＤＥＲシステム１００の場合、分散型アプローチは、図３Ａに示す完全な集中型アプローチに比べて、よりスケーラブルであり、モジュール性があり、安全であり、信頼性が高い。しかしながら、図３Ｂの分散型アプローチは、セントラルエージェントに依存しており、コーディネータとして動作し、価格としても知られるデュアル変数を計算するなどの複数のタスクを実行する。したがって、分散型システムでは、１つ以上のノードは、作業をサブノードに分散させる。

【0098】

発明者らは、図３Ｂに示すデュアル分解は下記の複数の欠点を有していると認識している。

【0099】

・セントラルエージェント２５を要する。

【0100】

・図３Ｂの例は、セントラルエージェント２５が機能している場合にのみ機能するので、単一の故障点を有している。例えば、セントラルコントローラ２５がダウンしている場合、システム１００の最適化は機能しない。さらに、セントラルコントローラ２５に欠陥が生じた場合、各アセットに送信される価格に欠陥が生じる。

【0101】

・全てのアセットがセントラルエージェント２５を信頼することを要する。例えば、ＤＥＲシステム１００が、全てのアセット１４が異なる住宅所有者を含む近隣に及ぶ場合、どの住宅所有者をオーソリティとすべきかを決定することは困難である。

【0102】

図３Ｃは、本発明の例示的な実施形態に係るアセット１４のうちの１つ以上によって価格が計算されるシステム１００を概略的に示す。専用のセントラルエージェント２５は、不要である。したがって、本イノベーションの様々な実施形態では、専用のセントラルエージェントの必要性が排除される。一部の実施形態では、脱集中型システムは、（例えば、ノード／サブノード分散型の構成を介する代わりに）他のピアと直接的に通信するノード（例：アセット１４および／またはアセットマネージャ１６）を有する。

【0103】

図４は、本発明の例示的な実施形態に係る予測ホライズン１０２を概略的に示す。図示の通り、予測ホライズン１０２は、複数のサンプリング時点１０６（例：ｔ_０からｔ_１０までの１１個のサンプリング時点１０６）を有する。様々な実施形態では、サンプリング時点１０６は、タイムスロット１０６と称されてもよい。時間間隔１０４は、各タイムスロット１０６間に存在しうる。時間間隔１０４は、サンプリング時間１０４と称されてもよい。図６～図１１に示す通り、ＭＰＣ最適化アルゴリズムは、複数の離散的なタイムスロット１０６についての測定変数の軌道１４０として表現されうる。

【0104】

図５は、本発明の例示的な実施形態に係る所与の予測ホライズン１０２における制御軌道１４０を概略的に示す。例えば、最適化変数は、分散型エネルギーリソース１４（例：バッテリ）の出力電力Ｐであってよい。したがって、この例では、軌道１４０は、ＤＥＲ１４の電力設定点１０８のスケジュールを示す。ただし、（例えば、スマートサーモスタットなどの出力温度を制御するために、１０時間に亘るバッテリの充電状態、ＨＶＡＣシステムにおける熱流Ｑなどの）様々な異なる状態変数が使用されうることを理解されたい。当該状態変数から出力変数設定点が計算されうる。例えば、バッテリの充電状態から、入力電力および出力電力が計算されうる。軌道１４０は、現在のタイムスロットｔ_０および複数の将来のタイムスロットｔ_１～ｔ_１０（制御変数Ｐの予測ホライズン１０２とも称される）についての予測を示す。

【0105】

最適化技術（例：ＭＰＣ）を実行して、全てのタイムスロット１０６におけるコスト関数Ｊを最小化するｘの値を見出すことによって、制御軌道１４０が得られる。したがって、任意の所与のＤＥＲ１４についてのコスト関数は、

【数3】

として表すことができる。

【0106】

Ｊ_ｔ０は、タイムスロットｔ_０におけるコスト関数を表す。Ｊ_ｔ１は、タイムスロットｔ_１におけるコスト関数を表す。以降も同様である。これら全てのコスト関数は、変数ｘに依存している。様々な実施形態は、分散型最適化技術を使用してよい。タイムスロットについてのコスト関数のそれぞれは、システム１００内の各ＤＥＲ１４に分配されてよい。

【0107】

全ての時点におけるコスト関数を最小化するｘの値を見出すために、最適化技術が使用される。したがって、プロットされている軌道は、

【数4】

として表すことができる。

【0108】

図５に示す制御軌道１４０は、最適化方程式を解き、複数のタイムスロット１０６のセットにおけるコスト関数を最小化する出力を表す。この例では、少数のタイムスロット１０２（すなわち、ｔ_０からｔ_１１まで）を有する予測ホライズンにおける最適化が実行されている。有益であることに、比較的少数のタイムスロット１０６は、コントローラにおける計算負荷を低減させる。しかしながら、発明者らは、少数タイムスロットの予測ホライズン１０２は、望ましくないことに、予測ホライズン１０２の時間外にあるシステムダイナミクス（例：長期ダイナミクス）を考慮できない場合があることを特定した。さらに、発明者らは、少数のタイムスロットは、望ましくないことに、急速に変化するシステムダイナミクス（例：短期ダイナミクス）をも考慮できない場合があることを特定した。例えば、システムダイナミクスは迅速に変化しうる。この場合、連続するタイムスロット１０６間（例：ｔ_０とｔ_１との間）の時間間隔１０４内において変化が生じる。あるいは、システムダイナミクスはより低速になりうる。この場合、所与の間隔は、ダイナミクスをほぼ一定と見なす。その一方、実際には、当該ダイナミクスは、最適な性能に関する端点（エンドポイント）に影響を及ぼすであろう。

【0109】

図６は、例示的な実施形態に係る、図５と同じ予測ホライズン１０２における代替的な制御軌道１４０を概略的に示す。ただし、図６では、制御軌道１４０は、はるかに短期のサンプリングレートを有している。すなわち、同じタイムホライズン１０２において、より多数の制御設定点１０８が計算されている。サンプリングされた点のそれぞれには、（ｔ_０からｔ_Ｎまでの範囲において）値が割り当てられる。図６と比較すると、より多数のタイムスロットが存在しているので、サンプリング時点１０４は図６において十分に低減されている。より高いサンプリング周波数は、より短期のシステムダイナミクス（例えば、太陽光ＤＥＲ１４に対する間欠的な雲量）を考慮することによって、改善された結果を有利に提供することを理解されたい。しかしながら、当業者であれば、このようなより高いサンプリング周波数は、望ましくないことに、より大きい計算リクエストを招くことをも理解する。具体的には、当業者にとって既知である通り、ＭＰＣは、各サンプリング時点における予測ホライズン１０２全体に対して、全く新たな設定点１０８のセットを再計算する反復プロセスである（すなわち、コントローラによって計算される設定点１０８の総数は、新たな各サンプリング時点において同じままであることが一般的である）。

【0110】

図７は、例示的な実施形態に係る、図５および図６と同じ予測ホライズン１０２における代替的な制御軌道１４０を概略的に示す。ただし、図７では、図５とは対照的に、分解能１１０が減少している。言い換えれば、ＭＰＣルーチンは、（ｉ）低下する速いサンプリングレート（例えば、ｔ_０の近くでの高速のサンプリングレート（例：ｔ_０からｔ_８まで））と、（ｉｉ）ｔ_８からホライズンの終点までの低速のサンプリングレートと、を有する。有益であることに、図７に示すサンプリングレートは、短期システムダイナミクスと長期システムダイナミクスとの両方を考慮に入れている。さらに、図７のＭＰＣ軌道によって示されるサンプリングレートは、図６のＭＰＣ軌道によって示される同等のサンプリングレートよりもかなり低い計算性能しか要しない。

【0111】

図６および図７は、同じ初期サンプリング周波数（設定点の計算が同じ周波数であることを意味する）を有する軌道を示しているが、図７における全体的な計算量は著しく低減されている（例えば、８０個の設定点に対する２１個の設定点）。したがって、図７の例は、多大な計算量削減をもたらす。

【0112】

図７に示すＭＰＣルーチンでは、計算を要する設定点１０８の総数は、より少なくなる。その一方、当該ＭＰＣルーチンでは、分解能の増加（例えば、ｔ_０からｔ_１までの多くの点によって示されている）により、コントローラは、高いサンプリング周波数で最適化アルゴリズムを実行させられる。当該ＭＰＣルーチンは、サンプリング点ごとに最適化アルゴリズムを解くことを要するためである。例えば、図７に示されている軌道は、図６に示されている軌道と同じ初期サンプリングレートを有している。それゆえ、図６および図７の軌道１４０によって表される最適化アルゴリズムは、図７の軌道では解くべき点がより少ないにもかかわらず、同じ周波数で実行される。したがって、様々な実施形態では、減少する分解能を有するアルゴリズムは、解くべき複雑なモデルを有するＤＥＲ１４への適用に関して、特に望ましくない計算負荷となりうる。

【0113】

図８Ａは、例示的な実施形態に係る、図５～図７と同じ予測ホライズン１０２におけるネスト型制御軌道１４０Ａおよび１４０Ｂを概略的に示す。２つの個別の最適化ループを使用することにより、他の提案された方法と比較して計算負荷を十分に低減しつつ、低速システムダイナミクスと高速システムダイナミクスとの両方を使用する最適化を有利に提供できることが、発明者らによって見出された。したがって、ＤＥＲ１４は、最適な手法によって制御されうる。さらに、各ＤＥＲ１４またはそのコントローラ１６に最適化解を分配することによって、例示的な実施形態は、ロバストであり、かつ、（例えば、単一の集中型コントローラと比較して）過剰な計算性能を要せずに迅速に動作するＤＥＲシステム１００を提供する。

【0114】

ペア型ＭＰＣ最適化は、タイムホライズン１０２において低分解能を有する第１最適化軌道１４０Ａについてのコスト関数を解く。図８Ａでは、この第１最適化軌道１４０Ａは、表記ｔ^（１）を用いて示されている。第１最適化軌道１４０Ａを用いることにより、ＤＥＲ１４の設定点１０８Ａが、複数のサンプリング時点１０６：ｔ_０ ^（１），ｔ_１ ^（１），ｔ_２ ^（１），…，ｔ_１０ ^（１）について離散時点で得られる。合計で１１個の点１０８Ａが示されているが、様々な実施形態は、より多数の（あるいは、より少数の）サンプリング時点１０６を有する、より長いまたはより短い予測ホライズン１０２を使用しうることを理解されたい。これらの様々な設定点１０８Ａは、ＤＥＲ１００に影響を与える長期ダイナミクスを考慮している。したがって、最適化アルゴリズムは、（軌道１４０Ｂと比較して）より長いホライズン１０２を有している。ただし、分解能が低いので、長期ＭＰＣアルゴリズムが高い周波数でコントローラによって解かれることを要せず、計算負荷は低い。

【0115】

ペア型ＭＰＣ最適化（ネスト型最適化とも称される）は、タイムホライズン１０２Ｂにおいて高速分解能を有する第２最適化軌道１４０Ｂについて、同次元のモデルまたはより低次元の（すなわち、より単純な）モデルのコスト関数を解く。様々な実施形態において、第２最適化軌道１４０Ｂは、短期予測ホライズン１０２Ｂを有している。図８Ａでは、第２最適化軌道１４０Ｂは、表記ｔ^（０）を用いて示されている。第２最適化軌道１４０Ｂを用いることにより、ＤＥＲ１４の設定点１０８Ｂが、時点ｔ_０ ^（０），ｔ_１ ^（０），…，ｔ_１０ ^（０）において取得される。しかしながら、第１軌道１４０Ａに由来する設定点１０８Ａは、第２軌道１４０Ｂに対する制約として振る舞う。この例では、サンプルｔ_０ ^（１）に由来する設定値１０８Ａ_１およびサンプルｔ_１ ^（１）に由来する設定値１０８Ａ_２が、ネスト型最適化軌道１４０Ｂに対する制約として振る舞う。したがって、サンプルｔ_０ ^（１）に由来する設定点１０８Ａ_１は、軌道１４０Ｂ内のサンプルｔ_０ ^（０）に由来する設定点１０８Ｂ_１と同じである。同様に、サンプルｔ_１ ^（１）に由来する設定点１０８Ａ_２は、軌道１４０Ｂ内のサンプルｔ_１０ ^（０）に由来する設定点１０８Ｂ_９と同じである。このように、様々な実施形態では、ネスト型最適化関数１４０Ｂの端点は、親最適化関数１４０Ａに由来する（少なくとも最適化軌道１４０Ｂの複数のサイクルについての）制約であってよい。

【0116】

設定点１０８Ａ_１と１０８Ａ_２との間における制御決定を行うことによって、第２最適化軌道１４０ＢはＤＥＲ１４０の短期ダイナミクスを有利に考慮できることが、発明者らによって見出された。予測ホライズン１０２Ｂは短いので、短期ＭＰＣアルゴリズムは（高い周波数にもかかわらず）多数の点を解かないので、計算負荷は低い。一部の実施形態では、ＭＰＣの高速化のために、より低次元のモデル（すなわち、簡略化されたモデル）が使用されてよい。当業者にとって既知である通り、ＭＰＣ最適化は、１つの時間間隔１０４ごとに進められ（例えば、後続のサイクルが制御設定値１０８Ｂ_２から１０８Ｂ_１０までを決定し）、第２サイクルについての再計算がなされる。その後、このプロセスが再度繰り返される。

【0117】

図８Ｂは、本発明の例示的な実施形態に係る第２ＭＰＣ最適化ループを実行した後の第２軌道１４０Ｂを概略的に示す。ＭＰＣは、初期サンプリング周波数で実行される。点１０８Ｂ_１は以前の点であり、単に説明を目的として示されている。図８Ｂから理解できる通り、アルゴリズムは、点１０８Ｂ_２から１０８Ｂ_１０までについて再実行される（この場合、点１０８Ｂ_１から１０８Ｂ_９までについて以前の軌道１４０Ｂが過去に実行されている）。この例では、親ＭＰＣまたはトップＭＰＣによって与えられる制約は、依然として点１０８Ｂ_９であるが、当該点はもはや端点ではない。

【0118】

図８Ａ～図１３は、本発明の例示的な実施形態に係るネスト型関数の振る舞いを概略的に示す。図８Ａ～図１６の例では、３つの最適化アルゴリズム１４０Ａ～１４０Ｃがともにネストされている。複数の最適化設定点（すなわち、軌道１４０Ａ～１４０Ｃ）の例が、様々な最適化のそれぞれについて示されている。

【0119】

図９～図１１は、ネスト型最適化ルーチンの別の例を示す。この例では、ＭＰＣルーチンを使用して３つの最適化がネストされている。図９は、１時間毎にシステムダイナミクスを観察する最適化関数についての軌道１４０Ａを概略的に示す。このように、２つの制約１０８Ａ_１および１０８Ａ_２が、状態変数（例：所与の時間における電力出力）に対して得られる。

【0120】

第２最適化軌道１４０Ｂは、１２分毎にシステムダイナミクスを観察する。ただし、第２最適化軌道１４０Ｂは、より低速の軌道１４０Ａから得られた端点１０８Ａ_１および１０８Ａ_２によって制約される。

【0121】

第３最適化軌道１４０Ｃは、６分毎にシステムダイナミクスを観察する。第３最適化軌道１４０Ｃは、軌道１４０Ａおよび軌道１４０Ｂによって定められた点によって制約される。したがって、時点Ｔ＝０：００における１４０Ｂおよび１４０Ｃの両方の最適化問題に対する解は、親軌道１４０Ａから得られる解と等しくなければならない（例えば、１０８Ｂ_１および１０８Ｃ_１は、１０８Ａ_１と同じである）。同様に、第３軌道１４０Ｃは、第２軌道によって境界付けられる（例えば、１０８Ｂ_２は、１０８Ｃ_３と同じである）。

【0122】

図１０は、時点ｔ＝０：００の後の最適化関数の次のステップを概略的に示す。第３軌道１４０Ｃの予測ホライズンは１８分であるので、第３点１０８Ｃ_５は当該関数によって定められる。ただし、１０８Ｃ_５は、以前に計算された点１０８Ｂ_３によってすでに制約されている。

【0123】

図１１は、時点ｔ＝０：１２におけるＭＰＣ最適化を概略的に示す。当該時点において、第２最適化軌道１４０Ｂが再度実行される。これにより、点１０８Ｂ_２、１０８Ｂ_３、および１０８Ｂ_４が定められる。システムダイナミクスが変化した場合、以前に計算した出力点が変化しうる。例えば、点１０８Ｂ_３は、現時点において（図１０に示す値１００に替えて）値５０を有しうる。したがって、軌道１４０Ｃの出力は、親軌道１４０Ｂに由来する制約の変更に一致するように変更される。また、最適化が反復ごとに再実行される場合に、ルーチンが非制約点を変更しうることは、留意に値する。例えば、時点Ｔ＝０：１２（図１１）において最適化アルゴリズムが実行された場合には、時点Ｔ＝０：０６（図１０）において設定点１０８Ｃ_４が計算された場合と比較して、当該設定点が調整されるべきであることが当該最適化アルゴリズムによって見出されうる。

【0124】

図１２は、例示的な実施形態に係る複数のＭＰＣループをネストする一般化を概略的に示す。表記の目的上、トップ関数１４０Ａは第２関数１４０Ｂの親関数（原関数）であり、かつ、第３最適化軌道１４０Ｃの祖父母関数（原原関数）であるものとする。同様に、第３軌道１４０Ｃは、第２軌道の子であり、かつ、第１軌道の孫である。この例では、ネストされた３つの関数のみが示されているが、２つ以上の関数（例：３つ、４つ、５つ、６つなど）がネストされてもよいことを理解されたい。

【0125】

図１３は、例示的な実施形態に係るネスト型ＭＰＣルーチンを概略的に示す。図１３の例では、ＤＥＲ１４はバッテリ１４である。２つのＭＰＣループが、異なる予測ホライズンにおいて使用される。９６個のタイムスロットおよび１５分の時間間隔を伴う、２４時間という予測ホライズンを有する、エネルギー最適化が実行されている。最初に、エネルギー最適化は、次の２４時間におけるバッテリの充電状態のスケジュールを生成する。次に、２つの最初の点（６５％および３０％）が、より高速な電力最適化のための端点制約として使用される。電力最適化は、２０秒間隔で１５分に亘り実行される。最適化の結果は、最初の１５分間における２０秒のスケジュールを与える。次いで、バッテリによってどれだけの電力が与えられる必要があるか、または取得される必要があるかを計算することによって、電力設定点スケジュールを取得するために、充電状態スケジュールが適用されてよい。上述の通り、親スケジュールに由来する制約は、子スケジュールに適用される。

【0126】

これらの２つのＭＰＣをネストする利点は、ソーラーパネルを通過する雲または個別の負荷接続などの高速過渡現象を懸念することなく、エネルギー最適化（トップＭＰＣ）によって２４時間先の問題を解くことができることである。次いで、電力最適化（ボトムＭＰＣ）は、当該高速過渡現象を解き、エネルギースケジュールの変更を要することなく、当該高速過渡現象に応答する。

【0127】

図１３に示す例は、単一のＤＥＲ１４を超えて拡張できる。例えば、バッテリが長期ストレージコンポーネント（例えば、夏にソーラの過剰発電を取得して水素を生成し、冬に当該水素を使用することを目的とする水素システム）にも接続されている場合を考える。この場合、例示的な実施形態は、長期エネルギー最適化を追加し、３つの予測ホライズンを生成してよい。一例として、これらの予測ホライズンは、下記の通りであってよい。

【0128】

・長期エネルギー：１８０個のタイムスロットおよび１日の間隔を有する、１８０日の予測ホライズン
・短期エネルギー：９６個のタイムスロットおよび１５分の時間間隔を有する、２４時間の予測ホライズン
・電力：４５個のタイムスロットと２０秒の時間間隔を有する、１５分の予測ホライズン。

【0129】

例示的な実施形態では、長期エネルギーＭＰＣがはじめに解かれて、水素タンク内の水素質量についてのデイリースケジュール（日次スケジュール）が得られる。次いで、最初の２つの値が、１５分毎の水素の量およびバッテリのＳｏＣのスケジュールを与える短期エネルギーＭＰＣの端点として使用される。最後に、このＭＰＣの最初の２つの点を使用して電力ループが実行されることにより、タンク内の水素の量およびバッテリのＳｏＣ（充電状態）に関する短期スケジュールが得られる。このように、バッテリおよび水素製造設備の電力設定値を得ることができる。

【0130】

様々な実施形態は、ＨＶＡＣ負荷制御などの他の制御システムにおいても動作しうる。室内の温度を管理するためにＨＶＡＣシステムを制御する負荷制御の場合を考える。部屋は自身の壁および窓を通じて熱を伝導によって交換し、屋外の周囲温度は（例：昼から夜までの）デイリーサイクル（日次周期）を有している。しかし、内部には、かなり急速にターンオンまたはターンオフされる何らの熱源も存在している（例：何らかの工業プロセスに起因するオーブンの開閉）。

【0131】

温度を適切に制御するために、下記の２つのネスト型ＭＰＣループが定められてもよい。

【0132】

・デイリーサイクルＭＰＣ：ユーザの要求に応じて、温度スケジュールを生成し、対応するＨＶＡＣを使用する（例：エネルギー消費を最小化する）。

【0133】

・短期ＭＰＣ：上記スケジュールに従うが、急速な熱注入を補償するためにＨＶＡＣのアクションを生成する。

【0134】

さらに、例示的な実施形態は、デイリーサイクルの上位の第３ＭＰＣループを含みうる。当該第３ＭＰＣループは、夏から冬までの温度変動を考慮するために、週次（ウィークリー）または月次（マンスリー）のタイムスロットを有する年次スケジュールを作成する。この例における年次スケジュールの作成は、（短期ＭＰＣによって扱われる）短期ダイナミクスおよび（デイリーサイクルＭＰＣによって扱われる）デイリーサイクルのいずれをも当該ＭＰＣに扱わせることを要しないので、複雑性がかなり低くなることに留意されたい。

【0135】

さらに別の例として、ある使用時間料金および需要料金を有する単一のメータを介して、グリッドから充電を行っている電気自動車の単一所有者フリートの場合を考える。ＭＰＣは、進展するウィークリースケジュールを作成するために使用される。これにより、ユーティリティ料金を最小化しつつ車両使用を最大化できる。スケジュールは、各シフト（例：８時間）の終了時における各車両の充電状態を示す。ただし、最初の８時間の間隔内における変化に順応するために、より高速なＭＰＣループが使用されてもよい。これにより、例えば、複数の車両を減速させるトラフィック、または、複数の車両にさらに長いルートを取らせる道路工事を考慮できる。

【0136】

上述のネスト型ＭＰＣループのそれぞれは、集中型または分散型の最適化スキームのいずれかを使用してよい。一部の実施形態では、分散型最適化技術は、デュアル分解または交互方向乗数法（alternating direction method of multipliers，ＡＤＭＭ）技術を使用する。分散型最適化スキームでは、最適化は、コモディティが取引される一種のバーチャルマーケットにおける複数のエージェントの相互作用を伴っている。上述の図１３の例では、取引されているコモディティは、短期分散型ＭＰＣに対する電力と、デイリー分散型ＭＰＣに対するエネルギーである。このため、電力マーケットとエネルギーマーケットとが存在しており、それぞれのマーケットがコモディティに対する価格を有している。そして、エージェントは当該価格に応答する。

【0137】

図１４は、本発明の例示的な実施形態に係るネスト型ＭＰＣループ１６を使用してＤＥＲシステム１００を最適化するプロセス１４００を概略的に示す。この方法は、通常使用されうるより長いプロセスから十分に簡略化されていることに留意されたい。したがって、図１４に示される方法は、当業者が使用しうる多くの他のステップを有していてよい。加えて、複数のステップのうちの一部は、図示とは異なる順序で実行されてもよいし、あついは、並列的に実行されてもよい。さらに、これらのステップの内の一部は、一部の実施形態では任意でありうる。最後に、このプロセスは１つのみのＭＰＣに対するステップを示しているが、ネストされた全てのＭＰＣに対して同じプロセスが実行されうる。ステップ１４０６は、それらの間における接続である。したがって、プロセス１４００は、本発明の例示的な実施形態に係る１つのプロセスの単なる例示である。それゆえ、当業者は必要に応じて当該プロセスを変更してよい。

【0138】

プロセスは、ステップ１４０２から開始する。ステップ１４０２は、１つ以上のアセットマネージャ１６を、価格を計算するＭＰＣコントローラ２１として設定する。上述の通り、ＭＰＣコントローラ２１は、システムレベルおよび／またはローカルＤＥＲコスト関数を使用して価格を計算する１つ以上のアセットマネージャである。一部の実施形態では、分散型最適化が使用される場合、複数のアセットマネージャ１６は、システムレベル価格を決定するために使用されるそれぞれの価格（例：予備価格）を算出する。また、ＭＰＣコントローラ２１は、システム１００内のアセット１４の出力電力を制御するために、価格を他のアセットマネージャ１６に中継する。ＭＰＣコントローラ２１として機能する１つ以上のアセットマネージャ１６は、他のアセットマネージャ１６によって信頼される。一部の実施形態では、第１アセットマネージャ１６は、第１時間（第１時点）におけるＭＰＣコントローラ２１である。次いで、第２アセットマネージャ１６は、第２時間（第２時点）におけるＭＰＣコントローラ２１である。一部の他の実施形態では、複数のアセットマネージャ１６が同時にオーソリティでありうる。以下の図６Ａ～図３Ｃは、システムレベル価格を決定するためのオーソリティとして機能する１つ以上のアセットマネージャ１６の様々なスキームを概略的に示す。

【0139】

図１４に戻る。処理１４００は、ステップ１４０４に進む。ステップ１４０４は、ＤＥＲシステム１００の目的を設定する。目的設定部３０およびメータ３２は、本発明の例示的な実施形態に従って、１つ以上のアセットマネージャ１６に情報を送信する。一部の実施形態では、目標設定部は、協調型ＤＥＲシステム１００がどのように振る舞うかを決定するエンティティである。例えば、目的設定部３０は、電力潮流を一定レベルに維持すること、周波数サポートなどの目標を設定してよい。目的は、外部ソースまたはユーザから受信されてもよい。

【0140】

一部の実施形態では、目的設定部は、ユーティリティ５、監視制御およびデータ取得（Supervisory Control and Data Acquisition，ＳＣＡＤＡ）システム、または、ビルマネジメントシステム（Building Management System，ＢＭＳ）などの集中型エージェントである。代替的には、目標設定部は、（例えば、図２における変更として）１つ以上のアセットマネージャ１６であってもよい。他の実施形態では、１つ以上の目的が複数のアセットマネージャ１６にプログラミングされうる。これにより、（例えば、システム１００が共通接続点１２の電力フローをゼロまたは何らかの他の所定のレベルに維持する場合における）単一の目的設定部の必要性を除去できる。

【0141】

上述のように、目的は、システム１００内のアセット１４（負荷１５を含む）の全てからの所望の総電力出力であってもよい。例示的な実施形態では、目的設定器３０は、ＤＥＲシステム１００の目的を決定する。例えば、目的設定部３０は、ユーティリティ会社であってもよいし、オペレータとしての人物であってもよい。例示的な実施形態では、システム１００の外部および／または内部の条件に基づいて、目的が設定される。外部条件は、例えば、所定量の電力がグリッド１４に供給される必要があることであってよい。内部条件は、例えば、システム１００内のバッテリ負荷における充電量が低すぎること、および、バッテリを充電する必要があることであってよい。目的は、１つ以上のアセットマネージャ１６によって受信される。一部の実施形態では、アセットマネージャ１６は、目的に関する情報を能動的に探索するように構成されている。一部の実施形態では、目的設定部３０は、全てのアセットマネージャ１６に目的をブロードキャストしてよい。代替的には、変数がアセットマネージャ１６のサブセットのみに送信されてもよい。

【0142】

例えば、目的は、第１時間（例：昼間）におけるシステム１００の所定の電力出力を定めるとともに、第２時間（例：夜間）におけるシステム１００の異なる所定の電力出力を定めうる。付加的または代替的に、目的は、現在の時点における即時電力出力であってもよい。一部の実施形態では、システム１００の電力出力は、システム１００内のアセット１４の全てからの電力が通過する共通接続点１２において測定されてよい。

【0143】

ステップ１４０６において、ＭＰＣは、必要に応じて、端点または任意の他のタイムスロットにおける親ＭＰＣからの制約を定める。このことは、例えば、図１３に関して上述のセクションで説明されている。最高レベル（例：軌道１４０Ａ）については、ステップ１４０６がスキップされ、プロセスがステップ１４０８に直接的に進むことに留意されたい。

【0144】

ステップ１４０８において、プロセスは、目的に影響を及ぼすパラメータ、状態、および価格を取得する。例えば、図５のメータは、目的に影響を及ぼすパラメータを監視および／または測定する。メータは、例えば電圧メータおよび／または電流メータであってよい。メータは、複数のアセットマネージャ１６のうちの１つ以上と接続されていてよいし、当該複数のアセットマネージャ１６のうちの１つ以上の一部であってもよい。測定されたパラメータは、１つ以上のアセットマネージャによって受信される。一部の実施形態では、アセットマネージャ１６は、メータによって測定されたパラメータに関する情報を能動的に探索するように構成されている。一部の実施形態では、メータは、アセットマネージャ１６の全てに対して目的に影響を及ぼす変数（例：測定変数）を監視し、当該変数をブロードキャストしてよい。代替的には、変数は、アセットマネージャ１６のサブセットのみに送信されてもよい。アセットマネージャ間の通信を可能にする図２のインターフェース１８を介して、価格を得ることができる。

【0145】

一部の実施形態では、メータは、システム１００の現在のステータスが何であるかを監視し、アセットマネージャ１６に知らせる。この情報は、システムの目的に対する比較点として使用されてよい。例示的な実施形態では、メータは、共通接続点１２における電力フローを測定する。一部の他の実施形態では、１つ以上のデバイスがメータとして排他的に使用されてよい。その一方、他の実施形態では、１つ以上のアセットマネージャ１６は、メータであってもよい。例えば、オフグリッド動作時に、ＤＥＲが「マスタ」または「グリッドフォーミング」である場合、アセットマネージャ１６がメータでありうる。

【0146】

ステップ１４１０において、コントローラは、任意の予測技術を使用して、タイムホライズンの各タイムスロットにおけるパラメータ、状態、および価格を予測する。一部の実施形態では、この予測は、履歴データを使用して実行されうる。他の実施形態では、当該予測は、天気予報サービスなどの外部入力を使用して実行されうる。

【0147】

ステップ１４１２において、ＭＰＣコントローラ２１は、目的、測定パラメータ、状態および価格、予測パラメータ、状態および価格に関する情報、ならびに特定のＤＥＲ１４またはＤＥＲシステム１００についてのモデルを使用して、ＭＰＣルーチンに応じたタイムホライズン１０２の全てのタイムスロットにおけるコスト関数を計算する。例えば、アセットマネージャ１６は、インターフェース１８を介して、関連する目的およびメータ情報を受信してよい。当該情報は、メモリ２２に格納されていてよい。さらに、上述の通り、一部の実施形態では、価格計算エンジン２０は、分散型最適化を実行するために要求される価格を計算してよい。

【0148】

上述の通り、好ましくは、第１ＭＰＣタイムホライズン１０２は、長期システムダイナミクスを考慮している。例えば、図１３に示す通り、第１ＭＰＣ軌道１４０Ａは、２４時間のホライズンを有する。さらに、好ましくは、第１最適化軌道は、第２最適化軌道よりも長い時間間隔１０４を有する（例えば、図１３に示す通り、２０秒に対して１５分）。ステップ１４０８において、２つの初期制約が得られる（例えば、０分では６５％のバッテリ、１５分では３０％のバッテリ）。

【0149】

プロセスはステップ１４１４に進む。ステップ１４１４では、コントローラ２１は、コスト関数を最小化し、タイムスロットごとに状態変数または出力電力の値のスケジュールを計算する。

【0150】

ステップ１４１６において、必要に応じて、出力電力設定点が状態変数スケジュールから計算される。

【0151】

次いで、プロセスはステップ１４１８に進む。ステップ１４１８は、ＭＰＣ最適化の新たなサイクルが、１ステップ前進した新たなタイムホライズンにおいて実行されるべきか否かを尋ねる。図１３に示す通り、当業者にとって既知である通り、第２最適化軌道１４０Ｂは、選択された時間間隔ごとに（例えば、図１３では２０秒毎に）再計算される。同様に、第１最適化軌道は、図１３では１５分毎に再計算される。したがって、新たなタイムホライズンにおける最適化軌道を再計算すべき時点に至った場合、例えば軌道１４０Ａでは、０分から２４時間までのホライズン１０２に替えて、新たなホライズンは１５分から２４時間１５分へと移動させられる。上述の通り、上位レベルの親最適化からの制約（変更制約を含む）は、子最適化に適用される。

【0152】

最適化アルゴリズムが終了すると、処理１４００は終了に至る。

【0153】

一部の実施形態では各ＭＰＣループの価格信号は、アセット間において共有される。当該価格信号は、コスト関数に影響を及ぼすパラメータのうちの１つである。ステップ１４０８において、価格が取得される。したがって、処理１４００は、修正を要することなく、集中型、分散型、または脱集中型の最適化技術に対して適用されうる。

【0154】

図１５Ａ～図１５Ｃは、本発明の例示的な実施形態に係るネスト型最適化ルーチンの別の例を概略的に示す。図１５Ａでは、時点ｔ＝０において３つの軌道１４０Ａ～１４０Ｃが計算されている。第３軌道１４０Ｃは、図１５Ｂにおいて再計算されている。第２軌道１４０Ｂおよび第３軌道１４０Ｃは、図１５Ｃにおいて再計算されている。

【0155】

図１５Ａ～１５Ｃは、図９～図１１と類似している。しかしながら、第２軌道１４０Ｂの予測ホライズン１０２は、第１軌道１４０Ａの第１セットの端点１０８Ａ_１と１０８Ａ_２との間において完全に境界付けられている。言い換えれば、第２軌道の予測ホライズンは、第１端点１０８Ａ_１から第２端点１０８Ａ_２まで広がっている。同様に、第３軌道１４０Ｃの予測ホライズンは、第２軌道１４０Ｂの２つの設定点１０８Ｂ_１および１０８Ｂ_２によって完全に境界付けられている。このことは、少なくとも最初は、ルーチンの開始時に当てはまる。

【0156】

図１５Ｂに示す通り、第３軌道１４０Ｃが位置１０８Ｃ_４に向けて１つのタイムポジション（すなわち、６分）だけ前方に進んだので、もはや当該第３軌道は最初の設定点の範囲内では完全に境界付けられていない。

【0157】

図１５Ｃでは、最適化が時点Ｔ＝０：１２に達したことが理解できる。この時点において、第２軌道１４０Ｂにおける第２点１０８Ｂ_２に到達する。このため、コントローラ２１は、ＭＰＣルーチンに従って第２最適化軌道１４０Ｂを再計算する。この例では、軌道１４０Ｂの残りの部分は変化していないが、（例えば、システムダイナミクスの変化に起因して）設定点１０８Ｂ_３が変化したことが判定されうる。

【0158】

図１５Ｃは、次の時間間隔における軌道１４０Ａ～１４０Ｃを示す。この時間間隔（例えば、Ｔ＝０：１２）において、第３軌道１４０Ｃの第３設定点１０８Ｃ_３は、ＤＥＲ１４の出力を制御するために使用される。さらに、コントローラ２１は、ＭＰＣルーチンに従って予測ホライズンにおける第３軌道１４０Ｃを再計算する。システムダイナミクスの最新の変化を考慮するために、プロセスは予測ホライズンにおける様々な設定点を再計算することに留意されたい。システムダイナミクスの変化および／または目的の変化は、設定値の変化を引き起こしうる。例えば、設定値１０８Ｃ_４は、図１５Ｂの例から図１５Ｃの例へと変化した。設定値１０８Ｃ_５は第２軌道によって制約されるため、１０８Ｃ_５も変化した。このように、１０８Ｂ_３が変化すると、１０８Ｃ_５も常に変化する。

【0159】

本発明の様々な実施形態は、少なくとも部分的には、任意の従来のコンピュータプログラミング言語によって実現されうる。例えば、一部の実施形態は、手続型プログラミング言語（例：Ｃ）によって、視覚的プログラミングプロセスによって、または、オブジェクト指向プログラミング言語（例：Ｃ＋＋）によって実現されうる。本発明の他の実施形態は、事前設定されたスタンドアロンのハードウェア要素として、および／または、事前にプログラミングされたハードウェア要素（例：特定用途向け集積回路、ＦＰＧＡ、およびデジタル信号プロセッサ）、または他の関連するコンポーネントとして実現されてもよい。

【0160】

代替的な実施形態では、（例えば、上述の任意の方法、フローチャート、またはロジックフローにおいて）開示されている装置および方法は、コンピュータシステムとともに使用するためのコンピュータプログラムプロダクトとして実現されてもよい。当該実施形態は、コンピュータ可読媒体（例：ディスケット、ＣＤ－ＲＯＭ、ＲＯＭ、または固定ディスク）などの有形的かつ非一時的ないずれかの媒体の固定された一連のコンピュータ命令を含みうる。一連のコンピュータ命令は、システムに関して本明細書において上述されている機能の全部または一部を具現化しうる。

【0161】

当業者であれば、多くのコンピュータアーキテクチャまたはオペレーションシステムとともに使用するために、上記コンピュータ命令が多くのプログラミング言語によって記述されうることを理解できるであろう。さらに、当該命令は、有形的かつ非一時的な半導体メモリデバイス、磁気メモリデバイス、光学メモリデバイス、または他のメモリデバイスなどの任意のメモリデバイスに記憶されてよい。当該命令は、任意の適切な媒体、例えば、有線（例：ワイヤ、同軸ケーブル、光学ファイバケーブルなど）または（例：空気または空間を介する）無線を介して、光学通信技術、赤外線通信技術、ＲＦ／マイクロ波通信技術、または他の通信技術などの任意の通信技術を使用して送信されてよい。

【0162】

例えば、上記コンピュータプログラムプロダクトは、付随する印刷文書または電子文書を伴うリムーバブルメディアとして配布されてもよいし（例：シュリンクラップされたソフトウェア）、コンピュータシステムによって（例えば、システムＲＯＭまたは固定ディスク上に）プリロードされてもよいし、ネットワーク（例：インターネットまたはワールドワイドウェブ）を介してサーバまたは電子掲示板から配布されてもよい。実際のところ、一部の実施形態は、サービスとしてのソフトウェア（software-as-a-service，ＳＡＡＳ）モデルまたはクラウドコンピューティングモデルとして実現されうる。当然ながら、本発明の一部の実施形態は、ソフトウェア（例：コンピュータプログラムプロダクト）とハードウェアとの両方の組み合わせとして実現されてもよい。本発明のさらなる他の実施形態は、完全にハードウェアとして、あるいは完全にソフトウェアとして実現される。

【0163】

本明細書において上述されている機能の全てまたは一部を実現するコンピュータプログラムロジックは、単一のプロセッサ上で異なる時間に（例：同時に）実行されてもよいし、複数のプロセッサ上で同じまたは異なる時間に実行されてもよいし、単一のオペレーティングシステムプロセス／スレッドのもとで実行されてもよいし、異なるオペレーティングシステムプロセス／スレッドのもとで実行されてもよい。したがって、「コンピュータプロセス」という用語は、異なるコンピュータプロセスが同じプロセッサ上で実行されるか、または、異なるプロセッサ上で実行されるかにかかわらず、および、異なるコンピュータプロセスが同じオペレーティングシステムプロセス／スレッドのもとで実行されるか、または、異なるオペレーティングシステムプロセス／スレッドのもとで実行されるかにかかわらず、コンピュータプログラム命令のセットを実行することを全般的に指している。ソフトウェアシステムは、モノリシックアーキテクチャまたはマイクロサービスアーキテクチャなどの様々なアーキテクチャを使用して実現されうる。

【0164】

本発明の例示的な実施形態は、従来のコンピュータ（例：既製品のＰＣ、メインフレーム、マイクロプロセッサ）、従来のプログラマブルロジックデバイス（例：既製品のＦＰＧＡまたはＰＬＤ）、または従来のハードウェアコンポーネント（例：既製品のＡＳＩＣまたはディスクリートハードウェアコンポーネント）などの従来のコンポーネントを使用してよい。これらのコンポーネントは、本明細書に記載されている非従来の方法を実行するようにプログラミングまたは構成されると、非従来のデバイスまたはシステムを生じさせる。したがって、従来のコンポーネントを使用して実施形態が具現化される場合であっても、結果として得られるデバイスおよびシステムは必然的に非従来的となるので、本明細書に記載されている本発明は何ら従来的ではない。特殊なプログラムまたは設定が存在していなければ、従来のコンポーネントは記載されている非従来の機能をそもそも実行できないためである。

【0165】

本発明の様々な実施形態が本明細において説明および例示されてきたが、当業者であれば、本明細書に記載されている機能を実行し、および／または結果および／または１つ以上の利点を得るための様々な他の手段および／または構成を容易に想定するであろう。そのような変形および／または修正のそれぞれは、本明細書に記載されている本発明の実施形態の範囲内であるとみなされる。より一般的には、当業者であれば、（ｉ）本明細書において記載されている全てのパラメータ、寸法、材料、および構成は例示的であることが意図されており、かつ、（ｉｉ）現実のパラメータ、寸法、材料、および／または構成は、具体的なアプリケーション、または本発明の教示が用いられるアプリケーションに依存しうることを容易に認識するであろう。当業者であれば、ルーチン的実験を超えないものを用いて、本明細書において記載されている具体的な創作的実施形態に対する多くの均等物を認識し、または、そのことを確認することができるであろう。したがって、これまでの実施形態は、例示としてのみ示されており、添付の特許請求の範囲およびその均等物内において、創作的実施形態は、具体的に記載されており、かつ、特許請求されるてるものとは異なるように実現されうると理解されるべきである。本開示の創作的実施形態は、本明細書において記載されている個別の構成、システム、プロダクト（製品）、材料、キット、および／または方法を対象としている。加えて、当該構成、システム、プロダクト、材料、キット、および／または方法の２つ以上のいずれの組合せも、相互に矛盾しなければ、本開示の創作的範囲内に含まれる。

【0166】

様々な創作的コンセプトは、例示されてきた１つ以上の方法として具現化されうる。当該方法の一部として実行される動作は、任意の適切な様式にて順序付けられうる。したがって、図示とは異なる順序で動作が実行される実施形態が構築されうる。シーケンス動作として示されている例示的な実施形態であっても、複数の動作を同時に実行するステップを含みうる。上述の説明は本発明の多様な例示的な実施形態を開示しているが、当業者であれば、本発明の真の範囲から逸脱することなく本発明の利点の一部を実現する多様な修正をなしうることは明らかであろう。

【図面の簡単な説明】

【0167】

【図1A】本発明の例示的な実施形態に係るシステム全体の目的を満たすべく、複数の分散されたエネルギーリソースおよび負荷の動作を最適化するために使用されるアセットマネージャを含むＤＥＲシステムを概略的に示す。

【図1B】本発明の例示的な実施形態に係る２つのＤＥＲネットワークを概略的に示す。

【図1C】本発明の例示的な実施形態に係る脱集中型アルゴリズムを実行するプロセスを概略的に示す。

【図2】本発明の例示的な実施形態に従って構成された図１のアセットマネージャを概略的に示す。

【図3A】ＤＥＲシステムの最適化のための３つの異なるスキームを概略的に示す。

【図3B】ＤＥＲシステムの最適化のための３つの異なるスキームを概略的に示す。

【図3C】ＤＥＲシステムの最適化のための３つの異なるスキームを概略的に示す。

【図4】本発明の例示的な実施形態に係る予測ホライズンを概略的に示す。

【図5】本発明の例示的な実施形態に係る所与の予測ホライズンにおける制御軌道を概略的に示す。

【図6】例示的な実施形態に係る、図５と同じ予測ホライズンにおける代替的な制御軌道を概略的に示す。