Multi-Timescale Decision-Making in Renewable Integrated Process = 재생에너지 통합 공정의 멀티 스케일 의사결정의 최적화

다국어 초록 (Multilingual Abstract)

As renewable energy becomes more cost-competitive, it is emerging as a viable energy source for chemical processes.
However, renewables exhibit intrinsic variability, whereas most chemical processes operate under predominantly steady-state conditions.
This mismatch necessitates careful consideration in traditional decision-making frameworks—spanning design, scheduling, and control—to ensure stable and efficient operations.

This thesis proposes strategies for multi-timescale decision-making in renewable-integrated energy systems.
First, a design optimization framework is proposed for an industrial-scale, renewable-based green hydrogen production process.
Existing studies often overestimate the flexibility of electrolyzer operation, neglecting the degradation and reduced lifespan caused by frequent shutdowns.
Moreover, many analyses focus on specific hydrogen demand scenarios, thereby failing to capture the broader economic impact of cooperation across the value chain.
The proposed framework accounts for realistic electrolyzer constraints and incorporates various cost-reduction strategies—such as renewable-aligned operation of downstream processes
and demand decentralization—using a mixed-integer linear programming (MILP) model over one year of regional climate data.
Applied to regions in the United States where industrial hydrogen facilities are currently operational, the results show that optimal electrolyzer strategies can lower the Levelized Cost of Hydrogen (LCOH) by 5.3%.
Fully distributed end-user supply can further decrease LCOH by up to 39.8%, while supply tolerance contributes an additional 24.2% reduction.
Case studies also reveal that access to the power grid can reduce LCOH by 12.9% in Houston, highlighting the potential for cost improvements as the grid becomes cleaner.
These findings underscore the importance of optimizing operational strategies to enhance the economic performance and market viability of green hydrogen systems.

Second, a multi-timescale energy management system (EMS) is developed that leverages real-world numerical weather forecasts to mitigate renewable variability.
The proposed EMS integrates reinforcement learning (RL) with model predictive control (MPC), enabling safe and reliable operation under uncertain conditions.
This approach is validated on a comprehensive, experimentally verified dynamic model of an electrolysis system, using both forecasted and measured solar data from South Korea.
Compared to a rule-based baseline, the proposed framework boosts hydrogen production by 13.5% while minimizing number of annual shutdowns,
underscoring the value of weather forecasting for maintaining stability without sacrificing productivity or operational safety.
Additional case studies confirm its adaptability across different regional climates and its effectiveness in improving hydrogen production efficiency.

Finally, risk-aware bidding strategies are proposed for managing electricity price volatility in electricity markets.
While price signals offer economic incentives to balance supply and demand, they also expose renewable system operators to substantial financial risk.
To address this challenge, a robust optimization-based bidding framework is developed, using a temporal fusion transformer model to approximate price uncertainty.
This approach effectively reduces revenue variance 13.5% without sacrificing the average annual return.
To further improve profitability, a stochastic optimization technique is employed, generating price scenarios via stochastic differential equations.
Simulation results show higher returns compared to the average energy storage system (ESS) performance in the California Independent System Operator (CAISO) market,
indicating the framework’s potential to model market volatility more accurately.

Focusing on the distinct timescales of design, scheduling, and control, this thesis highlights the necessity of matching appropriate data and methodologies to each decision hierarchy.
By offering optimized strategies for renewable-integrated processes, it is expected to contribute to the broader transition of chemical processes toward cleaner,
more cost-effective renewable energy sources, ultimately fostering more sustainable energy systems.

국문 초록 (Abstract)

재생에너지의 단위 생산 비용이 지속적으로 감소하면서 화학 공정의 지속 가능하고 경제성 있는 에너지원으로 자리잡고 있다.
그러나 재생에너지원은 본질적으로 변동성과 불확실성을 가지며, 일반적으로 정상 상태 운전을 목표로 하는 화학 공정의 운영 조건과는 상충된다.
이러한 차이를 극복하기 위해 전통적인 공정 설계, 스케줄링, 제어 단계에서 재생에너지 통합 공정의 안정성과 효율성을 확보할 수 있는 추가적인 고려가 필수적이다.

본 논문은 재생에너지를 통합한 에너지 시스템의 다양한 시간 스케일에서의 의사결정을 위한 포괄적인 전략들을 제안한다.
첫째, 산업 규모의 재생에너지 기반 그린 수소 생산 공정을 위한 최적 설계 프레임워크를 개발하였다.
기존 연구들이 수전해조 운전의 현실적 제약 조건과 그로 인한 열화 및 수명 단축을 충분히 반영하지 못하고, 제한된 수요 시나리오에만 집중하여 밸류 체인 전체에서 발생 가능한 경제적 혜택을 간과하였다.
이에 본 논문은 현실적인 수전해조 제약조건을 포함하고, 후단 공정의 재생에너지 연계 운전 및 수요 분산화 등 다양한 비용 절감 전략을 1년의 지역 기후 데이터를 기반으로 하는 MILP 모델에 통합하였다.
이를 미국의 수소 생산시설이 운영 중인 지역에 적용한 결과, 수전해조 운전 제약조건을 고려한 최적화는 단위수소생산비용을 약 5.3% 절감하는 효과가 있는 것으로 나타났다.
또한 후단 공정이 30\% 범위에서 유연한 운전이 가능할 경우 24.2%의 비용을, 완전히 분산화된 수요를 대상으로 설계할 경우 39.8%의 비용을 절감할 수 있는 것으로 추정되었다.
현행 보조금 정책 하에서 그리드 전기에 제한적으로 접근을 허용할 경우, 휴스턴에서는 12.9%의 비용 절감이 추가적으로 가능한 것으로 나타났으며 이는 향후 그리드 탈탄소화가 진행됨에 따라 더욱 커질 것으로 기대된다.

둘째, 기상 예보 수치 모델을 활용하여 재생에너지의 변동성에 대응하는 멀티-시간스케일 에너지 관리 시스템(EMS)을 개발하였다.
제안된 EMS는 강화학습과 모델 예측제어(MPC)를 통합하여 불확실한 환경에서도 안정적이고 경제적인 운전을 가능하게 한다.
실제 데이터로 검증된 수전해 시스템의 동적 모델과 한국의 기상 예보 및 관측 데이터를 통해 검증한 결과, 연간 운전 중단 횟수를 최소화하면서도 규칙기반 운전 대비 연간 수소 생산량이 13.5% 증가하여,
기상 예보의 활용이 생산성과 안전성을 동시에 확보하는 데 효과적임을 입증하였다.
추가적인 지역 사례 연구를 통해 이 방법론의 다양한 기후 조건에 대한 적응성을 확인하였다.

마지막으로, 전력 시장의 가격 변동성을 관리하기 위한 위험 인식 입찰 전략을 제안하였다.
전력 시장의 가격 신호는 에너지 공급과 수요 균형에 대한 경제적 보상을 제공하지만, 재생에너지 운영자에게 경제적 위험을 초래할 수 있다.
이를 위해 Temporal Fusion Transformer 모델을 활용한 강건 최적화 기반 입찰 전략을 개발하였다.
이 전략은 연 평균 수익률을 희생시키지 않으면서, 수익 변동성을 13.5% 가량 낮출 수 있었다.
수익률을 개선하기 위해 확률 미분방정식으로 생성된 가격 시나리오를 기반으로 하는 확률 최적화 전략을 추가로 개발하였다.
시뮬레이션 결과 캘리포니아 전력 시장의 에너지 저장장치 평균 수익률보다 높은 수익성을 보이며 전략의 유효성을 확인하였다.

본 논문은 의사결정의 계층 구조에 따라 각 층위에 적합한 데이터와 방법론을 활용할 필요가 있음을 보였다.
이를 통해, 재생에너지 통합 공정의 다양한 전략의 최적화 방법론을 제공함으로써, 화학 공정의 보다 지속가능하고 경제적인 에너지원으로의 전환에 본 연구가 기여하길 기대한다.

목차 (Table of Contents)

• Contents
• Abstract
• 1. Introduction 1
• 1.1 Rising electricity costs and the chemical industry 1
• 1.2 Research motivation and objective 2
• 1.3 Outline of the thesis 4
• 2. Backgrounds and Preliminaries 6
• 2.1 Green hydrogen 6
• 2.1.1 Solar-based green hydrogen process 9
• 2.2 Electricity market 12
• 2.3 Soft actor-critic 16
• 2.4 Temporal fusion transformer 17
• 2.5 Robust optimization 20
• 2.6 Stochastic optimization 22
• 3. Optimal Design of Renewable-Integrated Systems under
• Operational Constraints . 25
• 3.1 Introduction 25
• 3.2 Methods 30
• 3.2.1 Energy system model 33
• 3.2.2 Optimization of green hydrogen system 36
• 3.2.3 Techno-economic Analysis 42
• 3.2.4 Operational strategy of electrolyzers 45
• 3.2.5 Supply specifications of end-users 47
• 3.2.6 Grid back-up 51
• 3.3 Result and discussion 56
• 3.3.1 Sensitivity analysis results 56
• 3.3.2 Case study results 64
• 3.4 Conclusion 78
• 4. Multi-timescale Energy Management For Solar-based
• Process Operation 82
• 4.1 Introduction 82
• 4.2 Methods 85
• 4.2.1 Process dynamic models 86
• 4.2.2 Dynamic model validation 94
• 4.2.3 Energy Management System 98
• 4.2.4 Weather data 112
• 4.3 Result and discussion 116
• 4.3.1 Comparison with rule-based EMS and proposed EMS116
• 4.3.2 Ablation study of MPC based correction 120
• 4.4 Sensitivity study 124
• 4.4.1 Case Study Results 125
• 4.4.2 Comparison with MILP-MPC framework 128
• 4.5 Conclusion 132
• 5. Scheduling Strategies for Electricity Market Participants
• 134
• 5.1 Introduction 134
• 5.2 Methods 138
• 5.2.1 Robust optimization for risk-averse bidding 138
• 5.2.2 Stochastic optimization for risk-aware bidding 143
• 5.3 Results and discussion 148
• 5.3.1 Robust bidding strategy simulation 148
• 5.3.2 Stochastic bidding strategy simulation 157
• 5.4 Conclusion 165
• 6. Concluding Remarks 166
• 6.1 Conclusions 166
• 6.2 Future Work 167
• Bibliography 170