KR102281229B1 - 배전계통 전압 제어 장치 및 방법 - Google Patents

배전계통 전압 제어 장치 및 방법 Download PDF

Info

Publication number
KR102281229B1
KR102281229B1 KR1020200075293A KR20200075293A KR102281229B1 KR 102281229 B1 KR102281229 B1 KR 102281229B1 KR 1020200075293 A KR1020200075293 A KR 1020200075293A KR 20200075293 A KR20200075293 A KR 20200075293A KR 102281229 B1 KR102281229 B1 KR 102281229B1
Authority
KR
South Korea
Prior art keywords
voltage
distribution system
tap
renewable energy
amount
Prior art date
Application number
KR1020200075293A
Other languages
English (en)
Inventor
정일엽
원규현
Original Assignee
국민대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 국민대학교산학협력단 filed Critical 국민대학교산학협력단
Priority to KR1020200075293A priority Critical patent/KR102281229B1/ko
Application granted granted Critical
Publication of KR102281229B1 publication Critical patent/KR102281229B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
    • H02J3/1878—Arrangements for adjusting, eliminating or compensating reactive power in networks using tap changing or phase shifting transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

본 발명은 배전계통에 연계된 신재생에너지 발전량과 전력 부하량을 예측하여 전압 제어 계획을 수립하고 이를 이용하여 배전계통의 전압을 제어하는 배전계통 전압 제어 장치 및 방법에 관한 것이다. 본 발명의 일 실시 예에 따른 배전계통 전압 제어 방법은, 배전계통에 연계된 신재생에너지 발전기가 출력하는 신재생에너지 발전량 및 부하가 소비하는 부하량을 예측하는 단계와, 예측의 결과인 예측 신재생에너지 발전량 및 예측 부하량을 기반으로 탭 제어기기의 기계적 수명 및 탭 동작 시 지연 특성을 고려하여 탭 제어기기의 탭 동작을 제어하는 전압 제어 계획을 수립하는 단계와, 수립된 전압 제어 계획에 따라 배전계통에 대한 1차 전압 제어를 수행하는 단계와, 1차 전압 제어의 수행 중 배전계통의 전압 문제가 발생함에 따라 신재생에너지 발전기 인버터의 무효전력 제어 기능을 이용하여 배전계통에 대한 2차 전압 제어를 수행하는 단계를 포함할 수 있다.

Description

배전계통 전압 제어 장치 및 방법{DEVICE AND METHOD FOR CONTROLLING VOLTAGE IN POWER DISTRIBUTION SYSTEM}
본 발명은 배전계통 전압 제어 장치 및 방법에 관한 것으로, 보다 상세하게는 배전계통에 연계된 신재생에너지 발전량과 전력 부하량을 예측하여 전압 제어 계획을 수립하고 이를 이용하여 배전계통의 전압을 제어하는 배전계통 전압 제어 장치 및 방법에 관한 것이다.
최근 발전 부문 내에서 신재생에너지원이 향 후 분산전원의 확대에 있어 중요한 역할을 담당할 것으로 기대하고 있다. 최근 국내 신재생에너지를 이용한 분산전원 발전량을 20% 이상으로 달성해야 하는 신재생에너지 3020 정책이 발현되었을 뿐만 아니라 태양광 패널에 대한 가격조차 낮아지고 있어 태양광발전 및 풍력발전이 급속도로 증가할 것으로 예상된다. 하지만 신재생에너지원을 이용한 분산전원이 대규모로 배전계통에 연계될 시에 출력변동과 역조류에 의하여 전압측의 전압 규정 범위(220±13V)를 벗어날 수 있다.
실제로 변압기 용량대비 50% 이상인 분산형 발전이 수용가 측 부하만 있을 경우 기준치를 초과하는 전압 상승이 발생하였다. 이러한 상황에서 전압품질을 일정수준으로 유지하면서 신재생에너지 수용률을 증가시키기 위하여 배전계통의 전압을 낮게 유지하는 배전선로 전압 제어 기술이 요구되고 있다.
최근에는 배전계통의 전압을 적정 범위로 유지하기 위하여 분산전원이 연계된 장거리 고압 배전선로나 부하변동이 심한 고압 배전선로의 전압을 제어하기 위하여 변전소에서 송출전압을 조정하여 2차 측 전압을 조정할 수 있는 OLTC(부하시 탭 변환기, on load tap changer)를 도입하여 운영하고 있다.
그러나 신재생에너지원을 이용한 분산형 전원이 연계된 배전계통에서의 OLTC는, OLTC의 시지연 특성으로 인한 기계적 수명이 존재하여 탭 동작이 빈번하게 동작해서는 안되는 문제점이 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
한국공개특허공보 제10-2016-0114824호(2016.10.06)
본 발명의 일 과제는, OLTC의 시지연 특성으로 인한 기계적 수명이 존재하여 탭 동작이 빈번하게 동작해서는 안되는 종래기술의 문제점을 해결하는데 있다.
본 발명의 일 과제는, 예측을 기반으로 한 전압 제어 계획을 통하여 가장 경제적인 운영점을 찾아 배전계통을 운영하고, 실시간 전압 제어를 배전계통의 전압을 안정적으로 제어하는데 있다.
본 발명의 일 과제는, 배전계통의 전압을 안정적으로 제어하여 더 많은 신재생에너지 발전기를 배전계통에 연계하는데 있다.
본 발명의 일 과제는, OLTC의 시지연 특성으로 인한 기계적 수명이 존재하여 탭 동작이 빈번하게 동작해서는 안되는 종래기술의 문제점을 최적의 프로세서 자원을 사용하면서 해결하는 것이다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 과제 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명이 해결하고자 하는 과제 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 실시 예에 따른 배전계통 전압 제어 방법은, 배전계통에 연계된 신재생에너지 발전기가 출력하는 신재생에너지 발전량 및 부하가 소비하는 부하량을 예측하는 단계와, 예측의 결과인 예측 신재생에너지 발전량 및 예측 부하량을 기반으로 탭 제어기기의 기계적 수명 및 탭 동작 시 지연 특성을 고려하여 탭 제어기기의 탭 동작을 제어하는 전압 제어 계획을 수립하는 단계와, 수립한 전압 제어 계획에 따라 배전계통에 대한 1차 전압 제어를 수행하는 단계와, 1차 전압 제어의 수행 중 배전계통의 전압 문제가 발생함에 따라 신재생에너지 발전기 인버터의 무효전력 제어 기능을 이용하여 배전계통에 대한 2차 전압 제어를 수행하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따른 배전계통 전압 제어 장치는, 배전계통에 연계된 신재생에너지 발전기가 출력하는 신재생에너지 발전량 및 부하가 소비하는 부하량을 예측하는 예측부와, 예측의 결과인 예측 신재생에너지 발전량 및 예측 부하량을 기반으로 탭 제어기기의 기계적 수명 및 탭 동작 시 지연 특성을 고려하여 탭 제어기기의 탭 동작을 제어하는 전압 제어 계획을 수립하는 수립부와, 수립한 전압 제어 계획에 따라 배전계통에 대한 1차 전압 제어를 수행하고, 1차 전압 제어의 수행 중 배전계통의 전압 문제가 발생함에 따라 신재생에너지 발전기 인버터의 무효전력 제어 기능을 이용하여 배전계통에 대한 2차 전압 제어를 수행하는 제어부를 포함할 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 실시 예에 따르면, 대용량 분산전원 연계환경에서의 선로 과전압 문제를 해결할 수 있다.
또한, 상시 배전선로의 전압을 낮게 유지할 수 있음에 따라 전압 변동 마진을 추가로 확보할 수 있어 신재생에너지 수용률을 증대시킬 수 있다.
또한, 인공지능 심층신경망에 기반한 탭 제어기기의 전압 제어 계획을 이용하여 탭 동작의 시/지연 시간 동안에 해결할 수 없는 전압 문제를 해결할 수 있을 뿐만 아니라 불필요한 탭 동작을 일정 수준 이하로 억제하여 탭 제어기기의 수명을 보장할 수 있고, 빈번한 탭 동작을 억제하여 배전선로의 전압 품질을 양호하게 유지할 수 있다.
또한, 상시 배전계통에 저전압을 발생하지 않는 범위에서 배전선로의 전압을 전반적으로 낮게 유지함으로써 부하량 감축 효과를 얻을 수 있고, 전력 구매 비용 절감 효과를 기대할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 태양광발전기 연계 방사형 배전계통을 개략적으로 설명하기 위하여 도시한 도면이다.
도 2는 도 1의 방사형 배전계통에서 과전압 문제 발생 전압 분포 곡선을 도시한 도면이다.
도 3은 도 1의 배전계통에 포함된 탭 제어기기(OLTC)의 운용 특성 중 LDC 방식의 개념을 개략적으로 설명하기 위하여 도시한 도면이다.
도 4는 도 1의 배전계통에 포함된 탭 제어기기(OLTC)의 운용 특성 중 프로그램 조정 방식에 의한 시간대별 송출전압을 도시한 도면이다.
도 5는 본 실시 예에 따른 배전계통 전압 제어 장치를 포함하는 태양광발전기 연계 방사형 배전계통을 개략적으로 설명하기 위하여 도시한 도면이다.
도 6은 도 5의 배전계통 전압 제어 장치 중 예측부의 구성을 개략적으로 설명하기 위하여 도시한 도면이다.
도 7은 도 6의 예측부에서 구현하는 RNN-LSTM 예측 모델을 개략적으로 설명하기 위하여 도시한 도면이다.
도 8은 도 5의 배전계통 전압 제어 장치 중 태양광발전 저압 배전계통 연계에 따른 조류를 개략적으로 설정하기 위하여 도시한 도면이다.
도 9는 도 5의 배전계통 전압 제어 장치 중 배전계통의 유효전력 및 무효전력과 전압변동과의 관계를 설명하기 위하여 도시한 도면이다.
도 10은 도 5의 배전계통 전압 제어 장치 중 분산전원 역률 제어를 설명하기 위하여 도시한 도면이다.
도 11은 다른 실시 예에 따른 태양광발전기가 배전선로 말단에 분포된 방사형 배전계통을 도시한 도면이다.
도 12는 본 실시 예에 따른 배전계통 전압 제어 방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
배전계통은 과거에 전력의 흐름이 전원에서 수용가 측으로만 흐르는 단방향 조류였다. 그러하여 전압강하에 의한 저전압 문제에 대해서만 고려하였다. 그러나 현재는 풍력, 태양광, 연료전지 등 신재생에너지를 이용한 분산전원의 수용가측 설치가 증가하고 있다. 이로 인하여 수용가의 소비 전력보다 분산전원의 발전량이 더 커지게 되면서, 배전계통 내의 역조류가 생성되고 과거와는 다르게 양방향 조류가 흐르는 상태가 되면서 전압상승 문제가 발생하고 있다.
도 1은 이러한 현상을 설명하기 위한 도면으로, 태양광발전기 연계 방사형 배전계통을 개략적으로 설명하기 위하여 도시한 도면이다. 도 1을 참조하면, 두 개의 버스 아래 신재생에너지 발전기로서의 태양광발전기가 연계된 간단한 배전계통을 도시하고 있다.
도 1에서 Z1과 Z2는 배전선로 임피던스이며, Zc1과 Zc2는 수용가측 임피던스이다. 이 값들은 R+jX로 표현할 수 있다. 수용가측 부하에서 소비되는 총 전력량은 PL+jQL로 표현할 수 있으며, 태양광발전기의 발전량은 PPV로 표현할 수 있다. V0, Vc1, Vc2는 각각 변압기(탭 제어기기, OLTC)의 전압, 수용가 1의 전압, 수용가 2의 전압이고, i1 및 i2는 수용가 1 및 수용가 2에서 흐르는 전류일 수 있다.
도 1에서 전력 조류 방향은 기본적으로 변압기에서 수용가측으로 흐르는 정방향일 수 있다. 이러한 배전계통에서 화창한 날씨에 수용가측 소비 전력보다 태양광 발전기의 발전량이 더 큰 날을 가정하면, PPV>PL+X·QL/R로 표현될 수 있다. 이러한 현상이 발생하면 수용가측 선로에서의 전압강하가 역방향이 되어 역조류가 발생할 수 있다. 수용가 1측에서의 전압강하 및 수용가 2측에서의 전압강하를 하기 수학식 1과 같이 표현할 수 있다.
Figure 112020063533624-pat00001
Figure 112020063533624-pat00002
여기서, Vc1 및 Vc2는 하기 수학식 2와 같이 표현할 수 있다.
Figure 112020063533624-pat00003
Figure 112020063533624-pat00004
상술한 조건에서 V1이 V2보다 작은 값이 되며, 이는 하기 수학식 3과 같이 표현할 수 있다.
Figure 112020063533624-pat00005
Figure 112020063533624-pat00006
상술한 수학식들을 미루어 보아 수용가측 소비 전력과 태양광발전기의 발전량이 동일할 때 수용가 2의 전압 V2가 수용가 1의 전압 V1보다 크다는 것을 알 수 있다. 만약 역조류가 지속될 경우에 첫 번째로 수용가 2에서 과전압 문제가 발생할 수 있다. 동시에, 전압 규정을 위반하지 않기 위해 수용가 2는 태양광발전기의 발전량을 제한시키는 전략을 수행할 수 있다.
배전계통은 기본적으로 방사형으로 이루어진 구조 때문에, 과전압 문제는 변전소로부터 먼 거리에서 더 자주 발생할 수 있다. 특히 우리나라의 태양광발전기가 배전계통에 연계되는 형태는, 도심지보다는 교외지역에 저용량으로 저압 배전계통에 연계되는 형태가 대부분으로 이러한 형태에 의한 전상상승 문제가 대두되고 있다. 도 2는 도 1의 방사형 배전계통에서 과전압 문제 발생 전압 분포 곡선을 도시한 도면으로, 변전소로부터 먼 거리에서 과전압 문제가 더 자주 발생함을 보여주고 있다.
이와 같이 분산전원(예를 들어, 태양광발전기)이 배전계통에 연계되면 발전량에 의해 역조류를 유발시켜 과전압을 발생시킬 수 있다. 특히 경부하일 시에 그 현상이 빈번하게 발생할 수 있다. 분산전원이 연계된 배전계통의 과전압을 경감시키기 위한 대책으로는 (1)송출전압 조정, (2) 분산전원의 인버터 무효전력 제어, (3) 계통의 임피던스 감소, (4) 잉여 전력을 저장하는 에너지저장시스템(ESS) 구축, (5) 분산전원의 발전량 제한, 부하 및 발전 중심점으로 전원을 이동시키는 방법 등이 있다. (3)의 방법은 선로를 신/증설해야 하는 방법이라 고비용이며, (4)의 방법은 분산형 전원측에 설치하는 것이 효율적이지만 고가의 장비이며, 충/방전 알고리즘의 개발이 미흡하여 현재 적용이 곤란하다. (1)의 방법은 탭 제어기기(OLTC)를 이용하여 송출전압을 일정하게 송출하는 방식인 일정송출 전압 방식을 사용하고 있다.
분산형 전원이 고압 배전선로에 연계되면, 변동성이 큰 출력에 의하여 배전선로의 부하전류가 변화하며, 이로써 수용가(저압 배전계통)에서의 전압문제를 발생시킬 수 있다. 이에 따라 탭 제어기기(OLTC)의 탭 위치를 변경해야 하지만, 현실적으로 분산형 전원의 운용 상태에 따라 탭 제어기기의 탭을 제어하는 것은 어려운 실정이다. 따라서 분산형 전원에 의하여 발생되는 전압 문제를 해결하기 위한 방안으로, 예측된 전압을 시간에 따라 탭을 조정하는 프로그램방식, 분산전원 발전량 및 부하량에 관계없이 일정한 송출전압 값을 송출하는 일정송출전압방식, 미리 정해진 등가 임피던스 및 부하 중심점 전압 등의 전압 조정 요소에 의하여, 변화하는 부하 전류의 크기에 따라 선로의 전압강하를 보상하여 송출전압을 자동으로 조정하는 LDC(line drop compensation)방식, 및 시간에 의하여 정해진 전압을 조정하는 프로그램방식 등이 있다.
현행의 탭 제어기기는 일정송출전압방식 및 LDC방식을 사용하고 잇다. 그러나 이 방식은 부하변동 및 선로구성에 따라 수용가의 규정전압의 유지는 쉽지 않다. 먼저 일정송출전압방식은 탭 제어기기가 설치된 선로에 분산형 전원이 연계되어 있는 선로의 경우, 부하변동이 더욱 증가하게 되는 현상이 발생하여, 수용가 전압이 규정치를 벗어나는 현상이 더욱 더 많이 발생할 수 있다. 또한 탭 제어기기의 시/지연 특성에 의하여 탭 동작의 지연시간 동안 전압 규정범위를 위반하는 현상이 발생할 수 있다.
도 3은 도 1의 배전계통에 포함된 탭 제어기기(OLTC)의 운용 특성 중 LDC 방식의 개념을 개략적으로 설명하기 위하여 도시한 도면이다. 도 3을 참조하면, LDC방식은 탭 제어기기를 통해 흐르는 전류의 크기에 따라 전압조정장치의 2차 전압을 조정하는 방식으로, 구체적으로 탭 제어기기에 흐르는 전류가 클 때 배전선로의 전압 강하가 커지게 되고, 이를 보상하기 위해 탭 제어기기의 2차 전압을 높은 값으로 조정할 수 있다. 반대로는 탭 제어기기에 흐르는 전류가 작을 때 배전선로의 전압 강하가 작아지므로 송출 전압을 낮은 값으로 조정할 수 있다.
그러나 분산전원의 용량이 큰 경우, 분산전원이 계통에 주입하는 전류에 의해 탭 제어기기의 LDC 제어기(미도시)가 감지하는 부하전류를 변경시키게 되고, LDC가 오동작할 가능성이 있다. 특히, 변동성이 큰 태양광발전기 또는 풍력발전기와 같은 간헐적인 발전기가 연계되는 경우, LDC에서 감지하는 부하전류는 빈번하게 변동하게 되어, 탭 제어기기의 탭 동작이 잦아져 수명을 저하시킬 뿐만 아니라 수용가측에도 빈번한 순간 전압변동이 증가하게 되어 배전설비에 악영향을 끼칠 수 있다.
도 4는 도 1의 배전계통에 포함된 탭 제어기기(OLTC)의 운용 특성 중 프로그램 조정 방식에 의한 시간대별 송출전압을 도시한 도면이다. 도 4를 참조하면, 프로그램조정방식은 타임 스케줄방식이라고도 하며, 미리 산출한 이상적인 송출전압 곡선을 수 개의 구간으로 구분하여 시간대 별로 타임 릴레이 동작을 지정하여 요구되는 송출전압을 단계적으로 조정하는 방법이다. 그러나 도 4와 같은 전압 분포 곡선을 획득하기 위해서 분산전원을 포함한 배전계통에서의 정확한 전력수요예측이 필수적이며 이를 통한 전류 조류 해석이 필요하다.
도 5는 본 실시 예에 따른 배전계통 전압 제어 장치를 포함하는 태양광발전기 연계 방사형 배전계통을 개략적으로 설명하기 위하여 도시한 도면이다. 이하의 설명에서 도 1 내지 도 4에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 5를 참조하면, 태양광발전기 연계 방사형 배전계통은 배전계통 전압 제어 장치(100), 탭 제어기기(200), 신재생에너지 발전기로서의 태양광발전기(300: 301, 302), 부하(400: 401, 402)를 포함할 수 있다.
배전계통 전압 제어 장치(100)는 인공지능을 이용하여 태양광발전기(300)가 발전하는 발전량 및 부하(400)가 소비하는 부하량을 예측할 수 있다. 배전계통 전압 제어 장치(100)는 이 예측값을 기반으로 하여 기계적 수명 및 탭 동작 시 시/지연 특성을 고려한 탭 제어기기(200)의 탭 동작을 제어하는 전압 제어 계획을 수립할 수 있다. 배전계통 전압 제어 장치(100)는 수립한 전압 제어 계획에 따라 배전계통에 대한 1차 전압 제어를 수행할 수 있다.
배전계통 전압 제어 장치(100)는 1차 전압 제어의 수행 중에 배전계통의 전압 문제가 발생함에 따라, 비교적 탭 제어기기(200)의 전압 제어 계획보다 빠른, 배전계통에 대한 실시간 2차 전압 제어를 수행할 수 있다. 여기서, 실시간 2차 전압 제어는 무효전력 변동에 대한 전압 민감도를 이용한 무효전력 흡수 또는 주입 제어를 수행하며, 이후에도 여전히 전압 문제가 해결되지 않았을 시 분산전원 유효전력 제한(curtailment) 제어 또는 부하 제한을 이용한 전압 제어를 수행할 수 있다. 본 실시 예에서 1차 전압 제어 및 2차 전압 제어를 수행하기 위하여, 배전계통의 전압 분포 곡선을 도출하기 위한 방식은 뉴튼-랩슨(newton-rapson) 방식의 전력 조류 계산을 이용할 수 있다.
본 실시 예에서, 배전계통 전압 제어 장치(100)는 예측부(110), 수립부(120), 1차 전압 제어부(131) 및 2차 전압 제어부(132)를 포함하는 제어부(130) 및 메모리(140)를 포함할 수 있다.
예측부(110)는 배전계통에 연계된 신재생에너지 발전기로서의 태양광발전기(300)가 출력하는 태양광 발전량 및 부하(400)가 소비하는 부하량을 예측할 수 있다.
예측부(110)는 과거의 일사량 데이터를 이용하여 신재생에너지 발전량을 예측하도록 미리 훈련된 제1 심층신경망 모델을 이용하여 익일의 신재생에너지 발전량을 예측할 수 있다. 여기서, 제1 심층신경망 모델(제1 예측 모델)은 건구온도, 이슬점, 습도 및 일사량 데이터를 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델을 포함할 수 있다.
또한 예측부(110)는 과거의 부하량 데이터를 이용하여 부하량을 예측하도록 미리 훈련된 제2 심층신경망 모델을 이용하여 익일의 부하량을 예측할 수 있다. 여기서, 제2 심층신경망 모델(제2 예측 모델)은 인구수, 최고온도 및 부하량 데이터를 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델을 포함할 수 있다.
우리나라의 경우에 태양광발전기를 배전계통에 연계하는 것이 대부분을 차지한다. 태양광발전기를 배전계통에 연계하면, 날씨에 따라 급변하는 발전량으로 인한 불확실성으로 전압 조정 문제가 발생하고 있다. 특히 배전선로의 전압 조정 문제는 신재생에너지 수용률을 확대 저하시키는 가장 중요한 문제일 수 있다. 따라서 신재생에너지 수용률 증대를 위해서는 정밀한 부하량 예측 및 일사량 예측을 통한 전압 제어가 필요하다. 최근 다양한 머신러닝 알고리즘을 이용하여, FFNN(feedforward neural network), RNN(recurrent neural network, CNN(convolution neural network) 등을 이용하여 효율적으로 부하량 및 태양광 일사량을 예측하고 있다. 본 실시 예에서는 다양한 딥러닝(RNN, CNN 등)을 이용하여 부하량 및 일사량에 대응하는 태양광 발전량을 예측할 수 있다.
전력계통은 수요와 공급이 동시에 이루어지는 복잡하고 정교한 시스템으로, 안정적인 수요와 공급이 균형을 유지하기 위하여 정확한 부하량 및 태양광 발전량 예측이 필요하다. 도 6은 도 5의 배전계통 전압 제어 장치 중 예측부의 구성을 개략적으로 설명하기 위하여 도시한 도면이다. 도 6을 참조하면, RNN-LSTM(recurrent neural network-long term short term memory)를 이용하여 예측 모델을 구축할 수 있다.
예측부(110)는 예측 모델 훈련을 위한 데이터를 수집할 수 있다. 예측부(110) 피어슨 상관 계수 산출하고, 일사량 데이터 및 부하 데이터를 수집할 수 있다.
예측부(110)는 예측에 가장 관련성이 높은 변수를 식별하기 위해 각 변수와 일사량 사이의 피어슨 상관 계수(PCC: pearson correlation coefficient)를 산출할 수 있다. PCC는 두 변수 간의 상관 관계를 나타내며, +1과 -1 사이의 값을 가질 수 있다. +1은 양의 선형 상관이며, -1은 음의 상관일 수 있다. 두 변수 X와 G를 이용하여 PCC는 하기 수학식 4를 이용하여 산출할 수 있다.
Figure 112020063533624-pat00007
수학식 4에서, μ와σ는 변수의 평균 및 표준편차(X,G)이며, N은 각 변수의 관측계수일 수 있다.
본 실시 예에서 예측부(110)는 부하량과 관련한 변수는 인구수, 강수량, 최고온도, 최저온도를 포함할 수 있으며, 이 중 부하량과 가장 관련 있는 특징인 인구수 및 최고온도를 선택하여 예측 모델 훈련을 위한 입력 데이터로 이용할 수 있다. 또한 본 실시 예에서 예측부(110)는 일사량과 관련한 변수는 건구온도, 이슬점, 습도, 풍속, 풍향, 침전량, 총 운량을 포함할 수 있으며, 이 중 일사량과 가장 관련 있는 특징인 건구온도, 이슬점, 습도를 선택하여 예측 모델 훈련을 위한 입력 데이터로 이용할 수 있다. 또한 본 실시 예에서 예측부(110)는 과거 부하 데이터(예를 들어, 이전 6년간의 부하 데이터)와 과거 일사량 데이터(예를 들어, 이전 12년간의 일사량 데이터)를 예측 모델 훈련을 위한 입력 데이터로 이용할 수 있다.
예측부(110)는 수집한 데이터에 대한 전처리를 수행할 수 있다. 예측부(110)는 전처리를 위해 특징 스케일링, 레이블 인코딩 및 데이터 분할을 수행할 수 있다.
예측부(110)는 머신러닝 알고리즘은 입력 수치의 기준 척도가 매우 다를 때 종종 예측 성능이 좋지 않기 때문에 데이터를 0의 평균과 단위 분산을 가지도록 다시 조정할 수 있다. 또한 예측부(110)는 원-핫 인코딩(1-hot encoding)을 통해 시간, 일, 월, 같은 범주형 특징을 인코딩할 수 있다. 여기서, 원-핫 인코딩은 M 카디널리티가 있는 범주형 형상 벡터의 원래 요소를 M요소와 함께 새로운 벡터로 매핑하며, 새로운 요소들의 나머지 부분은 0이 될 수 있다.
예측부(110)는 선택한 입력 데이터를 훈련데이터(training set), 유효데이터(validation set) 및 테스트데이터(test set)으로 분할할 수 있다. 여기서, 유효데이터를 사용하여 예측 모델의 성능을 평가할 수 있다. 유효데이터와 테스트데이터의 차이점은, 테스트데이터는 모델의 최종 성능을 평가하기 위해서 사용하며 훈련의 과정에는 관여하지 않는 차이가 있을 수 있다. 반면, 유효데이터는 여러 모델 중에서 최종 모델을 선정하기 위한 성능 평가에 관여할 수 있다. 즉 유효데이터는 훈관 과정에 관여하며, 훈련된 모델의 정확성 검사, 하이퍼-파라미터 조정 등을 가능하게 할 수 있다.
도 7은 도 6의 예측부에서 구현하는 RNN-LSTM 예측 모델을 개략적으로 설명하기 위하여 도시한 도면이다. 도 7을 참조하면, RNN-LSTM 예측 모델의 프레임워크는 입력 계층(input layer), LSTM 은닉 계층(LSTM hidden layer), 완전히 연결된 계층(fully connected layer) 및 출력 계층(output layer)을 포함할 수 있다.
입력 계층은 전처리된 시계열 데이터를 네트워크에 입력하고, 은닉 계층은 예측을 위해 시계열 데이터의 시간 단계들 사이에 장기적인 의존성을 학습할 수 있다. 그 후 네트워크는 완전히 연결된 계층과 출력 계층으로 끝날 수 있다.
본 실시 예의 예측부(110)에서 제언하는 입력 데이터 차원은 d∈D 특성의 수, t∈D 수평적 시간 단계, m∈M 훈련 예제의 총 수로 나타낼 수 있다. 요약하면, LSTM의 입력데이터는 D, T, M의 3가 차원일 수 있다. 일사량 예측 모델의 경우 D는 세 가지 특성(건구온도, 이슬점 온도, 상대습도) 및 두 가지 추가 범주적 특징(하루와 일월의 시간)으로 총 특징 수 D를 5로 설정할 수 있다. 부하량 예측 모델의 경우 두 가지 특정(인구수, 최고온도) 및 두 가지 추가 범주적 특징(하루와 일월의 시간)으로 D를 4로 설정할 수 있다. 또한 수평 데이터(시간) T는 수평 예측의 길이로서 일일 예측의 경우 24일 수 있다. 마지막으로 M은 데이터 집합에 있는 훈련 예제의 총량일수 있다. 전체 훈련데이터의 총 차수는 (D×T×M)일 수 있다.
도 7에서 h는 출력을, c는 셀 상태를, N은 레이어의 수를 나타낼 수 있다. 첫 번째 LSTM 유닛은 네트워크의 초기 상태와 초기 훈련 예제 x1, 첫 번째 출력 h1, 업데이트된 셀 상태 c1을 산출할 수 있다. 시간 단계 t에서 네트워크의 현재 상태(ct-1, ht-1)와 훈련 예제 x1의 다음 단계(t)를 취하여 출력 ht와 업데이트된 셀 상태 ct를 산출할 수 있다. 최종 산출물은 부하량 및 일사량 예측값은 y1,…,yt일 수 있다.
데이터 분할을 통하여 얻은 유효데이터(validation set)는 여러 모델 중에서 최종 모델을 선정하기 위한 성능 평가에 관여할 수 있다. 유효데이터를 통한 성능 평가 시 예측 정확도 향상을 위하여 많은 하이퍼 파라미터의 최적화가 필요할 수 있다. 이러한 파라미터는 알고리즘 실행의 성능 및 시간, 메모리 비용에 영향을 미칠 수 있다. 하이퍼 파라미터의 최적화는 종종 머신러닝 알고리즘에 대한 일반적인 성능과 최첨단 성능의 차이를 만들 수 잇다. 최적값은 예측에 사용된 데이터 유형, 사용된 특정 데이터 집합, 성능 기준 및 기타 다양한 요인에 따라 달라지기 때문에 최적화가 필요할 수 있다.
파라미터가 많은 딥러닝은 과적합(over-fitting)되기 쉬우므로, 정규화를 위해 드롭아웃을 적용할 수 있다. 드롭아웃은 훈련 중 신경망에서 유닛을 무작위로 떨어뜨려 동작할 수 있다. 신경망 모델의 은닉층이 더 깊어지고 복잡해지면 딥러닝 학습법인 가중치 감소만으로는 해결하기 어려울 수 있다. 드롭 아웃 기법은 뉴런의 연결을 임의 삭제하여 예측 모델이 훈련할 때 임의의 뉴런을 골라 삭제하여 신호를 전달하지 않게 하여 과적합 문제를 해결할 수 있다.
수립부(120)는 예측의 결과인 예측 신재생에너지 발전량 및 예측 부하량을 기반으로 탭 제어기기의 기계적 수명 및 탭 동작 시 지연 특성을 고려하여 탭 제어기기의 탭 동작을 제어하는 전압 제어 계획을 수립할 수 있다.
구체적으로 수립부(120)는 예측 신재생에너지 발전량 및 예측 부하량을 이용하여 조류 계산을 수행하여 배전계통의 예측 전압 분포 곡선을 생성하고, 이를 기반으로 하여 전압 유지 규정을 위반하기 전에 탭 제어기기의 탭 동작을 제어하도록 스케쥴링하는 전압 제어 계획을 수립 할 수 있다. 여기서, 수립부(120)는 배전계통의 전압이 제1 기준값(예를 들어, 전압 상한값, 1.02pu)을 초과하는 과전압 문제가 발생하는 경우, 탭 하강 동작 횟수를 고려하여 과전압 문제의 발생 전에 탭을 하강시키도록 스케쥴링하는 전압 제어 계획을 수립 할 수 있다. 또한 수립부(120)는 배전계통의 전압이 제2 기준값(예를 들어, 전압 하한값, 0.99pu) 미만인 저전압 문제가 발생하는 경우, 탭 상승 동작 횟수를 고려하여 저전압 문제의 발생 전에 탭을 상승시키도록 스케쥴링하는 전압 제어 계획을 수립할 수 있다.
본 실시 예에서 탭 하강 동작 횟수 또는 탭 상승 동작 횟수를 고려한다 함은, 탭 제어기기(200)의 탭 제어 동작 횟수를 제한한다 함을 포함할 수 있다. 또한 탭 제어기기(200)의 탭 제어 동작 횟수를 제어한다 함은, 수립부(120)가 전압 계획 수립 시에, 탭 제어기기(200)의 수명을 고려하여 탭 동작 횟수를 예를 들어, 하루 총 2회(상승 동작 횟수 1회, 하강 동작 횟수 1회)로 스케쥴링함을 포함할 수 있다. 다른 실시 예로, 과전압 문제가 하루에 두 번 이상 발생하는 경우, 수립부(120)가 전압 계획 수립 시에 예를 들어, 하루 중 예측되는 전압 분포 곡선에서 제1 기준값을 초과하는 과전압들 중 최대가 되는 경우에서만(예를 들어, 최대값에 도달하기 m분 이전) 탭을 하강시키도록 스케쥴링하고, 제2 기준값 미만인 저전압들 중 최소가 되는 경우에서만(예를 들어, 최소값에 도달하기 n분 이전) 탭을 상승시키도록 스케쥴링할 수 있다.
국내에서 사용되고 있는 배전계통 송출 전압 조정 방식으로 일정송출전압방식 또는 LDC방식이 주로 사용되고 있다. 그러나 이 방식들은 탭 제어기기(200)의 시지연 특성 및 기계적 수명이 존재하여 변동성이 큰 분산형 전원이 연계된 배전계통에서는 사용하기 어려운 문제점이 있다. 기계적 수면의 값은 구체적으로 한국전력공사의 154Kv 전력용 변압기(규격번호 GS-6120-0028)에 따르면, 탭 제어기기의 동작수명은 기계적 수명 80만회, 전기적 동작수명 30만회로 규정하고 있다. 이러한 문제 때문에 하루 중 최소한의 탭을 사용하면서 전압 제어를 수행해야만 한다. 이를 가능하게 하기 위해 정확한 전압 분포 곡선 예측을 기반으로 탭 제어기기(200)의 탭 동작을 제어하는 전압 제어 계획 수립이 요구될 수 있다.
수립부(120)는 예측부(110)가 예측한 결과로서의 예측 태양광 발전량 및 예측 부하량을 기반으로 조류 계산을 수행하여 전 날 24시간의 전압 분포 곡선을 예측한 뒤, 이 값을 기반으로 탭 제어기기(200)의 탭 동작을 제어하는 전압 제어 계획을 수립할 수 있다. 여기서 배전계통 모델링 및 조류 계산은 OpenDSS(open-source distribution system simulator)를 통하여 수행할 수 있다. OpenDSS는 미국의 전력연구소인 EPRI(electric power research institute)에서 배전계통 시뮬레이션을 위하여 개발하였으며, 빠른 조류 산출과 다양한 인터페이스와 연동할 수 있는 강점이 있다. 본 실시 예에서 OpenDSS와 Matlab 환경을 연동할 수 있고, 조류 산출 및 버스전압 산출은 OpenDSS에서, 알고리즘 적용은 Matlab 환경에서 수행할 수 있다.
수립부(120)는 전압 제어 계획 수립 시에 적용할 탭 동작 제어 제약 사항 및 탭 동작 조건을 설정할 수 있다.
수립부(120)가 설정하는 탭 동작 제어 제약 사항은 전압 유지 범위와, 탭 상승 동작 횟수 및 탭 하강 동작 횟수 제한을 포함할 수 있다.
전압 유지 범위는 하기 수학식 5와 같이 표현할 수 있다.
Figure 112020063533624-pat00008
수학식 5에서 전압 상한(Vmax)값은 1.02pu를 포함할 수 있고, 전압 하한(Vmin)값은 0.99pu를 포함할 수 있다.
또한 탭 상승 동작 횟수 및 탭 하강 동작 횟수 제한은 하기 수학식 6과 같이 표현할 수 있다.
Figure 112020063533624-pat00009
Figure 112020063533624-pat00010
수학식 6에서 ap는 탭 비율로, 그 값은 예를 들어, 0.0125pu일 수 있다. △DTO 및 △UTO는 각각 정수로서, △DTO는 버스 전압을 최대 기준 전압(예를 들어, 106%) 이하로 낮추기 위한 탭 하강 동작 횟수를 나타내고, △UTO는 버스 전압을 최소 기준 전압(예를 들어, 94%) 이상으로 높이기 위한 탭 상승 동작 횟수를 나타낼 수 있다. 최대 상승 동작 횟수(△UTOmax) 및 최대 하강 동작 횟수(△DTOmax)는 탭 제어기기(200)의 수명을 고려하여 설정할 수 있는데, 예를 들어, 최대 상승 동작 횟수(△UTOmax) 1회, 최대 하강 동작 횟수(△DTOmax) 1회로 설정하여, 하루 총 2회 동작하는 것으로 제한할 수 있다. 또한 탭 동작은 전압 문제가 발생하지 않을 시에는 동작하지 않을 수 있다.
수립부(120)가 설정하는 탭 동작 조건은, 탭을 하강시키는 조건과 탭을 상승시키는 조건을 포함할 수 있다.
여기서, 탭을 하강시키는 조건은 기본적으로 배전계통의 전압(Vi)이 전압 유지 규정을 위반하였을 때 동작할 수 있다. 배전계통의 전압(Vi)이 전압 상한(Vmax)값인 1.02pu를 초과한 경우 즉, 과전압일 경우 탭 하강 동작 횟수(△DTO)를 산출하며, 전압 문제가 발생하기 전 탭 위치(τp,t-d), 탭 하강 동작 제한 횟수(△DTOmax)와 같은 제약 사항을 고려하여 하기 수학식 7과 같이 전압 문제가 발생하기 전 t-d 시에 탭을 하강할 수 있다.
Figure 112020063533624-pat00011
수학식 7에서 t는 전압 문제 발생 시간을, d는 탭 제어기기(200) 지연 시간을 나타낼 수 있다.
또한, 배전계통의 전압(Vi)이 전압 하한(Vmin)값인 0.99pu 미만인 경우 즉, 저전압일 경우 탭 상강 동작 횟수(△UTO)를 산출하며, 전압 문제가 발생하기 전 탭 위치(τp,t-d), 탭 상승 동작 제한 횟수(△UTOmax)와 같은 제약 사항을 고려하여 하기 수학식 8과 같이 전압 문제가 발생하기 전 t-d 시에 탭을 상승할 수 있다.
Figure 112020063533624-pat00012
배전계통에서 저전압 문제는 과전압 문제에 비하여 중요도가 떨어지며, 신재생에너지 수용률에 미치는 영향이 미미하기 때문에 탭을 상승시켰을 때, 그 시간의 하나 이상의 버스 전압이 1.02pu를 초과하면, 탭을 상승시키지 않을 수 있다. 이러한 동작 알고리즘에 의하여 하루 전 탭 제어기기(200)의 탭 동작을 제어하는 전압 제어 계획을 수립하고, 이 후 당일에 이 전압 제어 계획을 적용할 수 있다.
1차 전압 제어부(131)는 수립한 전압 제어 계획에 따라 배전계통에 대한 1차 전압 제어를 수행할 수 있다. 여기서 1차 전압 제어는 탭 제어기기(200)의 전압 제어 계획과 동일하므로 상세한 설명은 생략하기로 한다.
2차 전압 제어부(132)는 1차 전압 제어 수행 중에 배전계통의 전압 문제가 발생함에 따라 태양광발전기(300) 인버터의 무효전력 제어 기능을 이용하여 배전계통에 대한 2차 전압 제어를 수행할 수 있다.
구체적으로 2차 전압 제어부(132)는 태양광발전기(300)가 출력하는 실제 태양광 발전량 및 부가(400)가 소비하는 실제 부하량을 이용하여 조류 해석을 통해 전압값 및 전압 민감도를 산출하고, 예측 오차 및 탭 제어기기의 기계적 오차로 인해 발생한 전압 문제에 따라 보상 무효전력량을 산출한 후 보상 무효전력량을 배전계통으로부터 흡수(지상 역률 동작)하거나 배전계통으로 주입(진상 역률 동작)하는 제어를 수행할 수 있다.
2차 전압 제어부(132)는 예측 오차 및 탭 제어기기(200)의 기계적 오차로 인해 발생한 배전계통의 전압이 제1 기준값(예를 들어, 전압 상한값, 1.02pu)을 초과하는 과전압인 경우, 제1 보상 무효전력량을 산출한 후, 제1 보상 무효전력량을 태양광발전기(300)의 인버터(미도시)를 이용하여 배전계통으로부터 흡수할 수 있다. 여기서 예측 오차는, 예측 태양광 발전량 및 예측 부하량과 실제 태양광 발전량 및 실제 부하량 사이의 차이값을 포함할 수 있다.
또한, 2차 전압 제어부(132)는 예측 오차 및 탭 제어기기의 기계적 오차로 인해 발생한 배전계통의 전압이 제2 기준값(예를 들어, 전압 하한값, 0.99pu) 미만인 저전압인 경우, 제2 보상 무효전력량을 산출한 후, 제2 보상 무효전력량을 태양광발전기(300)의 인버터로부터 배전계통으로 주입할 수 있다.
예측 태양광 발전량 및 예측 부하량을 이용하여 하루 전 수립한 탭 제어기기(200)의 전압 제어 계획을 이용하는 경우, 탭 동작 횟수에 제한이 있고, 예측 오차가 발생하게 되면 전압 문제가 완전히 해결되지 않을 수 있다. 여기서 예측 오차는, 예측 태양광 발전량 및 예측 부하량과 실제 태양광 발전량 및 실제 부하량 사이의 차이값을 포함할 수 있다.
2차 전압 제어부(132)는 탭 제어기기(200)의 전압 제어 계획을 당일 적용한 후, 비교적 탭 제어기기(200)의 탭 제어보다 따른 태양광발전기(300) 무효전력 제어 및 태양광발전기(300) 발전 제한 제어를 통하여 전압 문제를 해결함과 동시에, 신재생에너지 수용량을 극대화할 수 있는 실시간 2차 전압 제어를 수행할 수 있다.
도 8은 도 5의 배전계통 전압 제어 장치 중 태양광발전 저압 배전계통 연계에 따른 조류를 개략적으로 설정하기 위하여 도시한 도면이고, 도 9는 도 5의 배전계통 전압 제어 장치 중 배전계통의 유효전력 및 무효전력과 전압변동과의 관계를 설명하기 위하여 도시한 도면이다.
분산형 전원 종류 중 태양광발전기(300) 유효전력의 제한 및 무효전력 출력에 의한 배전계통의 전압 변동은 하기 수학식 9와 같이 표현할 수 있다.
Figure 112020063533624-pat00013
Figure 112020063533624-pat00014
수학식 9에서 PPV, QPV는 태양광발전기(300)의 출력 유효전력 및 무효전력을 나타낼 수 있다. 만약 △P=PL-PPV, △Q=QL±QPV라고 한다면, 도 8과 같은 움직임을 나타낼 수 있다.
도 9의 그래프에서 볼 수 있듯이 배전계통의 무효전력에 따라 전압이 변동되며 배전계통의 무효전력 △Q=QL±QPV의 크기에 따라 결정될 수 있다. 즉, 분산전원의 무효전력(QPV)에 흡수 및 주입에 의하여 전압 제어가 가능한 것을 알 수 있다. 여기서 △V의 변화량은 X/VL에만 영향을 받을 수 있다.
도 10은 도 5의 배전계통 전압 제어 장치 중 분산전원 역률 제어를 설명하기 위하여 도시한 도면이다. 일반적으로 태양광발전기(300) 인버터는 역률 1.0으로 동작하도록 제어될 수 있다. 태양광발전기(300)와 인버터의 정격용량이 동일할 때, 태양광 패널(미도시)의 유효전력이 태양광발전기(300) 인버터의 용량에 접근할수록 인버터에서 무효전력을 제어할 수 있는 범위가 더 좁아질 수 있다. 그러나 태양광 패널은 효율이 낮기 때문에 태양광 패널에서 생성된 유효전력이 태양광발전기(300) 인버터의 정격용량보다 더 작게 발생될 수 있다. 그렇기 때문에 도 10에서 볼 수 있듯이 평소에 태양광발전기(300) 인버터가 역률을 1과 다른 값으로 동작하도록 하여 전압 제어를 위해 무효전력을 흡수 또는 주입 제어할 수 있다. 우리나라의 경우에는 분산전원 역률 운전 범위를 0.9에서 1사이로 규정하고 있으며, 이에 따라 태양광발전기(300) 인버터가 무효전력을 제어할 수 있는 범위를 하기 수학식 10과 같이 표현할 수 있다.
Figure 112020063533624-pat00015
수학식 10에서 QPV는 태양광발전기(300) 인버터에서 공급하는 무효전력이며, Qmax,n은
Figure 112020063533624-pat00016
으로 표현할 수 있다.
하지만 역률을 줄이면 유효전력 또한 저감시키기 때문에 신재생에너지 수용량을 증대시키기에 무리가 있을 수 있다. 이를 해결하기 위해서 우리나라에서는 태양광발전기(300) 인버터의 정격용량에 제한 역률 0.9로 나누어 발전기의 정격용량보다 크게 만들어 이 문제를 해결하고 있다.
도 11은 다른 실시 예에 따른 태양광발전기가 배전선로 말단에 분포된 방사형 배전계통을 도시한 도면이다. 2차 전압 제어부(132)는 2차 전압 제어를 위한 무효전력 제어 기법으로 전압 민감도(sensitivity factor)를 이용할 수 있다. 전압 민감도는 무효전력 출력변화가 전압 변동에 얼마나 영향을 미치는 지에 대한 계수일 수 있다. 전압 민감도는 일반적인 조류계산 방법인 뉴튼-랩슨법을 이용하여 구할 수 있으며, 유효전력 및 무효전력 변화에 따른 위상각과 전압을 하기 수학식 11과 같이 표현할 수 있다.
Figure 112020063533624-pat00017
수학식 11에서 △P는 유효전력 변화량이고, △Q는 무효전력 변화량이며, △θ 및 △V는 유/무효전력 변화에 따른 위상각과 전압값을 나타낼 수 있다. 또한 JAB는 전력 조류해석으로 산출할 수 있는 자코비안 요소로서 B에 대한 A의 편미분값을 나타낼 수 있다. 본 실시 예에서는 무효전력의 변동만을 고려하므로 유효전력 변화량(△P)값은 0으로 가정하며, 무효전력 변화량에 따른 전압 변동량 행렬을 하기 수학식 12과 같이 표현할 수 있다.
Figure 112020063533624-pat00018
Figure 112020063533624-pat00019
수학식 12에서 SAB는 민감도 행렬이며, B에 대한 A의 편미분값을 나타낼 수 있다. 이 민감도 행렬을 배전계통에 적용하면 각 버스가 공급받는 무효전력마다 전압 민감도가 달라지기 때문에 하기 수학식 13과 같이 표현할 수 있다.
Figure 112020063533624-pat00020
수학식 13에서
Figure 112020063533624-pat00021
는 B버스에서 A버스에 공급하는 무효전력량에 따른 전압 민감도 행렬일 수 있다. 본 실시 예에서는 도 11에 도시된 바와 같이 태양광발전기(300)가 말단에 분포된 방사형 배전계통을 모델링 하였으므로 마지막 열(
Figure 112020063533624-pat00022
)T만을 고려하였으며, 결과적으로 무효전력에 따른 전압 민감도는 수학식 14와 같이 표현할 수 있다.
Figure 112020063533624-pat00023
상술한 전압 민감도를 기반으로 필요한 전압값으로 제어할 수 있으며 하기 수학식 15를 통하여 보상 무효전력량(QC)을 구할 수 있다.
Figure 112020063533624-pat00024
수학식 15에서 kv는 전압 여유 계수를 나타내고 Vth는 전압 임계값을 나타낼 수 있다. 여기서, 배전계통의 전압(Vi)이 과전압(Vi>1.02)일 때 Vth=Vmax, kv=0.995로 하여 제1 보상 무효전력량을 산출할 수 있다. 또한 배전계통의 전압(Vi)이 저전압(Vi<0.99)일 때 Vth=Vmin, kv는=1로 하여 제2 보상 무효전력량을 산출할 수 있다. 이를 통하여 탭 제어기기(200)의 탭 동작을 제어하는 전압 제어 계획 적용 이후에 발생하는 전압 문제를 신속하게 해결할 수 있다. 또한, 전압 문제를 온전히 해결하여 신재생에너지 수용률 확보 및 증대에 대하여 영향을 끼칠 수 있다.
배전계통에서의 선로정수는 저항(R)성분을 무시하는 송전계통과는 다르게 R/X 비율이 더 크므로 유효전력 출력 변동에 따라 계통 전압의 변동성이 클 수 있다. 그러므로 과전압이 발생하였을 때 즉각적으로 태양광발전기(300)의 출력을 제한하면 여타 다른 전압 제어에 비하여 가장 빠르고 간단한 전압 제어 방법이 될 수 있다. 본 실시 예에서 2차 전압 제어부(132)가 전압 문제 발생 시 무효전력 제어를 통한 전압 제어를 수행했음에도 불구하고 전압문제가 지속될 시, 제어부(130)는 태양광발전기(300) 유효전력 제한(curtailment) 제어 및 부하(400) 제한 제어를 통하여 전압을 제어할 수 있다. 제어부(130)는 배전계통의 전압이 제1 기준값(예를 들어, 전압 상한값, 1.02pu)을 초과하는 과전압 문제가 발생함에 따라, 태양광발전기(300)의 유효전력을 제한 제어할 수 있다. 제어부(130)는 배전계통의 전압이 제2 기준값(예를 들어, 전압 하한값, 0.99pu) 미만인 저전압 문제가 발생함에 따라, 부하(400)를 제한 제어할 수 있다.
본 실시 예에서, 전압 문제를 해결하면서 분산전원 연계 용량을 증가시키기 위하여, 전압 민감도를 이용하여 태양광발전기(300) 인버터의 무효전력을 흡수 또는 주입 제어를 이용하여 전압 제어를 수행하고, 이후에도 과전압 및 저전압 문제가 발생된다면, 태양광발전기(300) 발전량을 제한하고 부하(400)의 부하량(소비 전력)을 제한시켜 전압 문제를 해결할 수 있다. 1차 전압 제어부(132)가 수립한 탭 제어기기(200)의 전압 제어 계획에 따라 1차 전압 제어를 수행하는 중에 2차 전압 제어부(132)가 조류해석을 통해 전압(pu)값을 도출(Vi) 및 전압 민감도(γi)를 분석할 수 있다. 탭 제어기기(200)의 전압 제어 계획을 적용하였음에도 불구하고, 예측 오차 및 탭 제어기기(200)의 기계적 수명으로 인하여 전압 문제가 발생할 수 있으며, 2차 전압 제어부(132)는 배전계통의 전압(Vi)이 과전압(Vi>1.02)일 때 배전계통의 전압(Vi)이 과전압(Vi>1.02)일 때 Vth=Vmax, kv=0.995를 이용하여 제1 보상 무효전력량을 산출한 후 배전계통에서의 무효전력을 태양광발전기(300) 인버터에서 흡수할 수 있다. 또한 2차 전압 제어부(132)는 배전계통의 전압(Vi)이 저전압(Vi<0.99)일 때 Vth=Vmin, kv는=1를 이용하여 제2 보상 무효전력량을 산출한 후 태양광발전기(300) 인버터에서 무효전력을 계통에 주입할 수 있다. 무효전력 제어 이후에도 전압 문제가 해결되지 않았다면, 즉, 2차 전압 제어 후에도 여전히 전압 문제가 유지되는 경우, 제어부(130)는 과전압일 때 태양광발전기(300)의 유효전력 제한 제어, 저전압일 때 부하(400) 제한 제어를 통하여 전압 문제를 해결할 수 있다.
본 실시 예에서 제어부(130)는 배전계통 전압 제어 장치(100) 전체의 동작을 제어할 수 있다. 제어부(130)는 전압품질을 일정수준으로 유지하면서 신재생에너지 발전기(300) 수용률을 증가시키도록, 배전계통의 전압을 모니터링하고 저전압으로 유지하는 제어를 수행할 수 있다.
여기서, 제어부(130)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
메모리(140)는 배전계통 전압 제어 장치(100)의 동작에 필요한 각종 데이터를 저장할 수 있다. 본 실시 예에서 메모리(140)는 제어부(130) 내부에 구비되거나, 제어부(130) 외부에 구비될 수 있다.
여기서, 메모리(140)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(140)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
도 12는 본 실시 예에 따른 배전계통 전압 제어 방법을 설명하기 위한 흐름도이다. 이하의 설명에서 도 1 내지 도 11에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 12를 참조하면, S1210단계에서, 배전계통 전압 제어 장치(100)는 배전계통에 연계된 신재생에너지 발전기(이하, 태양광발전기(300)가 표기함)가 출력하는 태양광 발전량 및 부하(400)가 소비하는 부하량을 예측한다. 배전계통 전압 제어 장치(100)는 과거의 일사량 데이터를 이용하여 신재생에너지 발전량을 예측하도록 미리 훈련된 제1 심층신경망 모델을 이용하여 익일의 신재생에너지 발전량을 예측할 수 있다. 여기서 제1 심층신경망 모델은, 건구온도, 이슬점, 습도 및 일사량 데이터를 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델일 수 있다. 또한 배전계통 전압 제어 장치(100)는 과거의 부하량 데이터를 이용하여 부하량을 예측하도록 미리 훈련된 제2 심층신경망 모델을 이용하여 익일의 부하량을 예측할 수 있다. 여기서, 제2 심층신경망 모델은, 인구수, 최고온도 및 부하량 데이터를 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델일 수 있다.
S1220단계에서, 배전계통 전압 제어 장치(100)는 예측의 결과인 예측 태양광 발전량 및 예측 부하량을 기반으로 탭 제어기기(200)의 기계적 수명 및 탭 동작 시 지연 특성을 고려하여 탭 제어기기(200)의 탭 동작을 제어하는 전압 제어 계획을 수립한다. 배전계통 전압 제어 장치(100)는 예측 신재생에너지 발전량 및 예측 부하량을 이용하여 조류 계산을 수행하여 배전계통의 예측 전압 분포 곡선을 생성할 수 있다. 배전계통 전압 제어 장치(100)는 배전계통의 예측 전압 분포 곡선을 기반으로 하여 전압 문제가 발생하기 전에 탭 제어기기(200)의 탭 동작을 제어하는 전압 제어 계획을 수립할 수 있다. 배전계통 전압 제어 장치(100)는 배전계통의 예측 전압 분포 곡선을 기반으로 하여 배전계통의 전압이 제1 기준값(예를 들어, 전압 상한값, 1.02pu)을 초과하는 과전압 문제가 발생함에 따라, 탭 하강 동작 횟수를 고려하여 과전압 문제의 발생 전에 탭을 하강시키도록 스케쥴링하는 전압 제어 계획을 수립할 수 있다. 배전계통 전압 제어 장치(100)는 배전계통의 예측 전압 분포 곡선을 기반으로 하여 배전계통의 전압이 제2 기준값(예를 들어, 전압 하한값, 0.99pu) 미만인 저전압 문제가 발생함에 따라, 탭 상승 동작 횟수를 고려하여 저전압 문제의 발생 전에 탭을 상승시키도록 스케쥴링하는 전압 제어 계획을 수립할 수 있다.
S1230단계에서, 수립한 전압 제어 계획에 따라 배전계통에 대한 1차 전압 제어를 수행한다. 여기서 1차 전압 제어는 상술한 전압 제어 계획의 설명과 동일하므로 생략하기로 한다.
S1240단계에서, 배전계통 전압 제어 장치(100)는 1차 전압 제어의 수행 중 배전계통의 전압 문제가 발생함에 따라 태양광발전기(300) 인버터의 무효전력 제어 기능을 이용하여 배전계통에 대한 실시간 2차 전압 제어를 수행한다. 배전계통 전압 제어 장치(100)는 실제 태양광 발전량 및 실제 부하량을 이용하여 조류 해석을 통해 전압값 및 전압 민감도를 산출할 수 있다. 배전계통 전압 제어 장치(100)는 배전계통의 전압 문제가 발생함에 따라 전압값 및 전압 민감도를 이용하여 보상 무효전력량을 산출한 후, 보상 무효전력량을 배전계통으로부터 흡수하거나 주입하는 제어를 수행할 수 있다. 배전계통 전압 제어 장치(100)는 배전계통의 전압이 제1 기준값(예를 들어, 전압 상한값, 1.02pu)을 초과하는 과전압 문제가 발생함에 따라, 제1 보상 무효전력량을 산출한 후, 제1 보상 무효전력량을 태양광발전기(300) 인버터를 이용하여 배전계통으로부터 흡수하는 제어를 수행할 수 있다. 배전계통 전압 제어 장치(100)는 배전계통의 전압이 제2 기준값(예를 들어, 전압 하한값, 0.99pu) 미만인 저전압 문제가 발생함에 따라, 제2 보상 무효전력량을 산출한 후, 제2 보상 무효전력량을 태양광발전기(300) 인버터로부터 배전계통으로 주입하는 제어를 수행할 수 있다.
선택적 실시 예로, 배전계통 전압 제어 장치(100)는 2차 전압 제어를 수행한 이후에도 배전계통의 전압 문제가 유지됨에 따라, 태양광발전기(300)의 유효전력을 제한 제어하거나 부하(400)를 제한 제어할 수 있다. 배전계통 전압 제어 장치(100)는 배전계통의 전압이 제1 기준값(예를 들어, 전압 상한값, 1.02pu)을 초과하는 과전압 문제가 유지됨에 따라, 태양광발전기(300)의 유효전력을 제한 제어할 수 있다. 배전계통 전압 제어 장치(100)는 배전계통의 전압이 제2 기준값(예를 들어, 전압 하한값, 0.99pu) 미만인 저전압 문제가 유지됨에 따라, 부하(400)를 제한 제어할 수 있다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 배전계통 전압 제어 장치
200: 탭 제어기기
300: 태양광발전기
400: 부하

Claims (17)

  1. 배전계통 전압 제어 방법으로서,
    상기 배전계통에 연계된 신재생에너지 발전기가 출력하는 신재생에너지 발전량 및 부하가 소비하는 부하량을 예측하는 단계;
    상기 예측의 결과인 예측 신재생에너지 발전량 및 예측 부하량을 기반으로 탭 제어기기의 기계적 수명 및 탭 동작 시 지연 특성을 고려하여 상기 탭 제어기기의 탭 동작을 제어하는 전압 제어 계획을 수립하는 단계;
    수립된 상기 전압 제어 계획에 따라 상기 배전계통에 대한 1차 전압 제어를 수행하는 단계; 및
    상기 1차 전압 제어의 수행 중 상기 예측의 오차에 의하여 상기 배전계통의 전압 문제가 발생함에 따라 신재생에너지 발전기 인버터의 무효전력 제어 기능을 이용하여 상기 배전계통에 대한 실시간 2차 전압 제어를 수행하는 단계를 포함하고,
    상기 전압 제어 계획을 수립하는 단계는,
    상기 예측 신재생에너지 발전량 및 상기 예측 부하량을 이용하여 조류 계산을 수행하여 배전계통의 예측 전압 분포 곡선을 생성하는 단계;
    상기 배전계통의 예측 전압 분포 곡선을 기반으로 하여 배전계통의 전압이 제1 기준값을 초과하는 과전압 문제가 발생함에 따라, 최대 탭 하강 동작 횟수를 고려하여 상기 과전압 문제의 발생 전에 상기 탭을 하강시키도록 스케쥴링하는 단계; 및
    상기 배전계통의 예측 전압 분포 곡선을 기반으로 하여 배전계통의 전압이 제2 기준값 미만인 저전압 문제가 발생함에 따라, 최대 탭 상승 동작 횟수를 고려하여 상기 저전압 문제의 발생 전에 상기 탭을 상승시키도록 스케쥴링하는 단계를 포함하며,
    상기 최대 탭 하강 동작 횟수 및 상기 최대 탭 상승 동작 횟수는 상기 탭 제어기기의 수명에 기초하여 결정되는 횟수이고,
    상기 전압 제어 계획은, 탭을 상승시켰을 때 상기 배전계통의 전압이 상기 제1 기준값을 초과하는 과전압 문제가 발생할 것으로 예상되는 경우 탭을 상승시키지 않도록 구성되며,
    상기 실시간 2차 전압 제어를 수행하는 단계는,
    상기 1차 전압 제어의 수행 중 상기 신재생에너지 발전기가 출력하는 실제 신재생에너지 발전량 및 상기 부하가 소비하는 실제 부하량을 이용하여, 상기 신재생에너지 발전기의 유효전력량의 변화가 없다는 가정 하에, 조류 해석을 통해 전압값 및 전압 민감도를 산출하는 단계;
    상기 예측의 오차에 의해 배전계통의 전압 문제가 발생함에 따라 상기 전압값 및 상기 전압 민감도를 이용하여 보상 무효전력량을 산출한 후, 상기 신재생에너지 발전기 인버터의 역률을 조정하여 상기 보상 무효전력량을 상기 배전계통으로부터 흡수하거나 주입하는 제어를 수행하는 단계를 포함하고,
    상기 실시간 2차 전압 제어를 수행하는 단계 이후에도 상기 배전계통의 전압 문제가 유지됨에 따라, 상기 신재생에너지 발전기의 유효전력을 제한 제어하거나 상기 부하를 제한 제어하는 단계를 더 포함하고,
    상기 제한 제어하는 단계는,
    상기 배전계통의 전압이 제1 기준값을 초과하는 과전압 문제가 유지됨에 따라, 상기 신재생에너지 발전기의 유효전력을 제한 제어하는 단계; 및
    상기 배전계통의 전압이 제2 기준값 미만인 저전압 문제가 유지됨에 따라, 상기 부하를 제한 제어하는 단계를 포함하는,
    배전계통 전압 제어 방법.
  2. 제 1 항에 있어서,
    상기 예측하는 단계는,
    과거의 일사량 데이터를 이용하여 신재생에너지 발전량을 예측하도록 미리 훈련된 제1 심층신경망 모델을 이용하여 익일의 신재생에너지 발전량을 예측하는 단계를 포함하고,
    과거의 부하량 데이터를 이용하여 부하량을 예측하도록 미리 훈련된 제2 심층신경망 모델을 이용하여 익일의 부하량을 예측하는 단계를 포함하고,
    상기 제1 심층신경망 모델은,
    건구온도, 이슬점, 습도 및 일사량 데이터를 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델이고,
    상기 제2 심층신경망 모델은,
    인구수, 최고온도 및 부하량 데이터를 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델인,
    배전계통 전압 제어 방법.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제 1 항에 있어서,
    상기 흡수하거나 주입하는 제어를 수행하는 단계는,
    상기 배전계통의 전압이 제1 기준값을 초과하는 과전압 문제가 발생함에 따라, 제1 보상 무효전력량을 산출한 후, 상기 제1 보상 무효전력량을 상기 신재생에너지 발전기 인버터를 이용하여 상기 배전계통으로부터 흡수하는 제어를 수행하는 단계; 및
    상기 배전계통의 전압이 제2 기준값 미만인 저전압 문제가 발생함에 따라, 제2 보상 무효전력량을 산출한 후, 상기 제2 보상 무효전력량을 상기 신재생에너지 발전기 인버터로부터 상기 배전계통으로 주입하는 제어를 수행하는 단계를 포함하는,
    배전계통 전압 제어 방법.
  7. 삭제
  8. 삭제
  9. 컴퓨터를 이용하여 제 1 항 내지 제 2 항 및 제 6 항의 방법 중 어느 한 항의 방법을 실행시키기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체.
  10. 배전계통 전압 제어 장치로서,
    상기 배전계통에 연계된 신재생에너지 발전기가 출력하는 신재생에너지 발전량 및 부하가 소비하는 부하량을 예측하는 예측부;
    상기 예측의 결과인 예측 신재생에너지 발전량 및 예측 부하량을 기반으로 탭 제어기기의 기계적 수명 및 탭 동작 시 지연 특성을 고려하여 상기 탭 제어기기의 탭 동작을 제어하는 전압 제어 계획을 수립하는 수립부;
    수립된 상기 전압 제어 계획에 따라 상기 배전계통에 대한 1차 전압 제어를 수행하고, 상기 1차 전압 제어의 수행 중 상기 예측의 오차에 의하여 상기 배전계통의 전압 문제가 발생함에 따라 신재생에너지 발전기 인버터의 무효전력 제어 기능을 이용하여 상기 배전계통에 대한 실시간 2차 전압 제어를 수행하는 제어부를 포함하고,
    상기 수립부는,
    상기 예측 신재생에너지 발전량 및 상기 예측 부하량을 이용하여 조류 계산을 수행하여 배전계통의 예측 전압 분포 곡선을 생성하고,
    상기 배전계통의 예측 전압 분포 곡선을 기반으로 하여 배전계통의 전압이 제1 기준값을 초과하는 과전압 문제가 발생함에 따라, 최대 탭 하강 동작 횟수를 고려하여 상기 과전압 문제의 발생 전에 상기 탭을 하강시키도록 스케쥴링하고,
    상기 배전계통의 예측 전압 분포 곡선을 기반으로 하여 배전계통의 전압이 제2 기준값 미만인 저전압 문제가 발생함에 따라, 최대 탭 상승 동작 횟수를 고려하여 상기 저전압 문제의 발생 전에 상기 탭을 상승시키도록 스케쥴링하며,
    상기 최대 탭 하강 동작 횟수 및 상기 최대 탭 상승 동작 횟수는 상기 탭 제어기기의 수명에 기초하여 결정되는 횟수이고,
    상기 전압 제어 계획은, 탭을 상승시켰을 때 상기 배전계통의 전압이 상기 제1 기준값을 초과하는 과전압 문제가 발생할 것으로 예상되는 경우 탭을 상승시키지 않도록 구성되며,
    상기 제어부는,
    상기 실시간 2차 전압 제어의 수행 시에, 상기 신재생에너지 발전기가 출력하는 실제 신재생에너지 발전량 및 상기 부하가 소비하는 실제 부하량을 이용하여, 상기 신재생에너지 발전기의 유효전력량의 변화가 없다는 가정 하에, 조류 해석을 통해 전압값 및 전압 민감도를 산출하고, 상기 예측의 오차에 의해 상기 배전계통의 전압 문제가 발생함에 따라 상기 전압값 및 상기 전압 민감도를 이용하여 보상 무효전력량을 산출한 후, 상기 신재생에너지 발전기 인버터의 역률을 조정하여 상기 보상 무효전력량을 상기 배전계통으로부터 흡수하거나 주입하는 제어를 수행하고,
    상기 제어부는,
    상기 실시간 2차 전압 제어를 수행한 이후에도 상기 배전계통의 전압이 제1 기준값을 초과하는 과전압 문제가 유지됨에 따라, 상기 신재생에너지 발전기의 유효전력을 제한 제어하고, 상기 실시간 2차 전압 제어를 수행한 이후에도 상기 배전계통의 전압이 제2 기준값 미만인 저전압 문제가 유지됨에 따라, 상기 부하를 제한 제어하도록 구성되는,
    배전계통 전압 제어 장치.
  11. 제 10 항에 있어서,
    상기 예측부는,
    과거의 일사량 데이터를 이용하여 신재생에너지 발전량을 예측하도록 미리 훈련된 제1 심층신경망 모델을 이용하여 익일의 신재생에너지 발전량을 예측하고,
    과거의 부하량 데이터를 이용하여 부하량을 예측하도록 미리 훈련된 제2 심층신경망 모델을 이용하여 익일의 부하량을 예측하도록 구성되고,
    상기 제1 심층신경망 모델은,
    건구온도, 이슬점, 습도 및 일사량 데이터를 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델이고,
    상기 제2 심층신경망 모델은,
    인구수, 최고온도 및 부하량 데이터를 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델인,
    배전계통 전압 제어 장치.
  12. 삭제
  13. 삭제
  14. 삭제
  15. 제 10 항에 있어서,
    상기 제어부는,
    상기 배전계통의 전압이 제1 기준값을 초과하는 과전압 문제가 발생함에 따라, 제1 보상 무효전력량을 산출한 후, 상기 제1 보상 무효전력량을 상기 신재생에너지 발전기 인버터를 이용하여 상기 배전계통으로부터 흡수하는 제어를 수행하고,
    상기 배전계통의 전압이 제2 기준값 미만인 저전압 문제가 발생함에 따라, 제2 보상 무효전력량을 산출한 후, 상기 제2 보상 무효전력량을 상기 신재생에너지 발전기 인버터로부터 상기 배전계통으로 주입하는 제어를 수행하는,
    배전계통 전압 제어 장치.
  16. 삭제
  17. 삭제
KR1020200075293A 2020-06-19 2020-06-19 배전계통 전압 제어 장치 및 방법 KR102281229B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200075293A KR102281229B1 (ko) 2020-06-19 2020-06-19 배전계통 전압 제어 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200075293A KR102281229B1 (ko) 2020-06-19 2020-06-19 배전계통 전압 제어 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102281229B1 true KR102281229B1 (ko) 2021-07-22

Family

ID=77157986

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200075293A KR102281229B1 (ko) 2020-06-19 2020-06-19 배전계통 전압 제어 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102281229B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102512324B1 (ko) * 2021-12-28 2023-03-22 주식회사 크로커스 재생 에너지를 연계한 부하 예측 모델 기반의 전압 최적화 제어를 통한 보전 전압 강하를 위한 전압 제어 장치
KR20230094620A (ko) * 2021-12-21 2023-06-28 한국전력공사 배전계통 자동 전압제어 방법 및 장치
KR20230105296A (ko) 2022-01-03 2023-07-11 고려대학교 산학협력단 배전 계통 내 인버터 기반 분산형 전원의 유효 전력 및 무효 전력 출력 제어를 통한 전압 불평형 해소 최적화 방법
CN116706933A (zh) * 2023-04-28 2023-09-05 国网河北省电力有限公司电力科学研究院 基于智能控制终端的无功功率补偿方法以及装置
KR102575591B1 (ko) * 2022-03-03 2023-09-06 전남대학교산학협력단 배전계통에서 ultc와 분산전원의 무효전력 스케줄 기반 협조제어 방법과 그 응용
KR20240027415A (ko) * 2022-08-23 2024-03-04 숭실대학교산학협력단 태양광 발전 시스템 연계 선로에서 역조류 상황을 고려한 주변압기 전압 조정 방법 및 그 장치
CN118011280A (zh) * 2024-04-09 2024-05-10 国网山东省电力公司东营供电公司 电压质量在线监测分析方法及系统
KR102676857B1 (ko) * 2024-01-08 2024-06-20 주식회사 크로커스 전압 민감도를 이용해 무효전력을 보상하는 분산부하 제어기

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160114824A (ko) 2015-03-25 2016-10-06 전남대학교산학협력단 전압 민감도 모선 임피던스 행렬 및 모선 어드미턴스 행렬을 이용한 분산전원 또는 무효전력 제어기의 최적 무효전력 제어치 계산 방법 및 그 프로그램
JP2017060380A (ja) * 2015-09-14 2017-03-23 三菱電機株式会社 配電系統に接続されたマイクログリッドを制御する方法およびシステム
KR20180072991A (ko) * 2016-12-22 2018-07-02 한국전기연구원 예측정보를 이용한 배전계통 전압안정도 향상 방법, 그 방법을 수행하는 장치 및 기록매체
KR20190051212A (ko) * 2017-11-06 2019-05-15 전남대학교산학협력단 분산발전 자원의 전압 및 무효전력 보조서비스에 따른 보상방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160114824A (ko) 2015-03-25 2016-10-06 전남대학교산학협력단 전압 민감도 모선 임피던스 행렬 및 모선 어드미턴스 행렬을 이용한 분산전원 또는 무효전력 제어기의 최적 무효전력 제어치 계산 방법 및 그 프로그램
JP2017060380A (ja) * 2015-09-14 2017-03-23 三菱電機株式会社 配電系統に接続されたマイクログリッドを制御する方法およびシステム
KR20180072991A (ko) * 2016-12-22 2018-07-02 한국전기연구원 예측정보를 이용한 배전계통 전압안정도 향상 방법, 그 방법을 수행하는 장치 및 기록매체
KR20190051212A (ko) * 2017-11-06 2019-05-15 전남대학교산학협력단 분산발전 자원의 전압 및 무효전력 보조서비스에 따른 보상방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
2019년도 대한전기학회 학술대회 논문집(2019.04.25.) 1부.* *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230094620A (ko) * 2021-12-21 2023-06-28 한국전력공사 배전계통 자동 전압제어 방법 및 장치
KR102596468B1 (ko) * 2021-12-21 2023-11-02 한국전력공사 배전계통 자동 전압제어 방법 및 장치
KR102512324B1 (ko) * 2021-12-28 2023-03-22 주식회사 크로커스 재생 에너지를 연계한 부하 예측 모델 기반의 전압 최적화 제어를 통한 보전 전압 강하를 위한 전압 제어 장치
KR20230105296A (ko) 2022-01-03 2023-07-11 고려대학교 산학협력단 배전 계통 내 인버터 기반 분산형 전원의 유효 전력 및 무효 전력 출력 제어를 통한 전압 불평형 해소 최적화 방법
KR102690962B1 (ko) 2022-01-03 2024-08-05 고려대학교 산학협력단 배전 계통 내 인버터 기반 분산형 전원의 유효 전력 및 무효 전력 출력 제어를 통한 전압 불평형 해소 최적화 방법
KR102575591B1 (ko) * 2022-03-03 2023-09-06 전남대학교산학협력단 배전계통에서 ultc와 분산전원의 무효전력 스케줄 기반 협조제어 방법과 그 응용
KR20240027415A (ko) * 2022-08-23 2024-03-04 숭실대학교산학협력단 태양광 발전 시스템 연계 선로에서 역조류 상황을 고려한 주변압기 전압 조정 방법 및 그 장치
KR102672354B1 (ko) 2022-08-23 2024-06-04 숭실대학교산학협력단 태양광 발전 시스템 연계 선로에서 역조류 상황을 고려한 주변압기 전압 조정 방법 및 그 장치
CN116706933A (zh) * 2023-04-28 2023-09-05 国网河北省电力有限公司电力科学研究院 基于智能控制终端的无功功率补偿方法以及装置
KR102676857B1 (ko) * 2024-01-08 2024-06-20 주식회사 크로커스 전압 민감도를 이용해 무효전력을 보상하는 분산부하 제어기
CN118011280A (zh) * 2024-04-09 2024-05-10 国网山东省电力公司东营供电公司 电压质量在线监测分析方法及系统

Similar Documents

Publication Publication Date Title
KR102281229B1 (ko) 배전계통 전압 제어 장치 및 방법
Bukar et al. A rule-based energy management scheme for long-term optimal capacity planning of grid-independent microgrid optimized by multi-objective grasshopper optimization algorithm
Zeh et al. Operational strategies for battery storage systems in low-voltage distribution grids to limit the feed-in power of roof-mounted solar power systems
Tarragona et al. Model predictive control applied to a heating system with PV panels and thermal energy storage
Yan et al. A new tool to estimate maximum wind power penetration level: In perspective of frequency response adequacy
Ramoji et al. Optimal economical sizing of a PV-wind hybrid energy system using genetic algorithm and teaching learning based optimization
Zhang et al. A novel deep reinforcement learning enabled sparsity promoting adaptive control method to improve the stability of power systems with wind energy penetration
CN110768262B (zh) 一种基于节点聚类分区的有源配电网无功电源配置方法
Wang et al. Secure energy management of multi-energy microgrid: A physical-informed safe reinforcement learning approach
da Silva et al. Modelling distributed photovoltaic system with and without battery storage: A case study in Belem, northern Brazil
Aliari et al. Planning for integration of wind power capacity in power generation using stochastic optimization
Duchaud et al. Power ramp-rate control algorithm with optimal State of Charge reference via Dynamic Programming
Nguyen et al. MPC based centralized voltage and reactive power control for active distribution networks
Maulén et al. Optimization-based expansion planning for power and hydrogen systems with feedback from a unit commitment model
KR20200022255A (ko) 에너지 발전량 및 입찰량을 기초로 에너지 저장 장치를 최적화하는 방법 및 장치
Liang et al. Optimal resilience enhancement dispatch of a power system with multiple offshore wind farms considering uncertain typhoon parameters
Ding et al. Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information
Wang et al. Developing operating rules for a hydro–wind–solar hybrid system considering peak-shaving demands
Yu et al. Adaptive energy optimization strategy of island renewable power-to-hydrogen system with hybrid electrolyzers structure
Jin et al. Assessing hydropower capability for accommodating variable renewable energy considering peak shaving of multiple power grids
Du et al. A generation and transmission expansion planning model for the electricity market with decarbonization policies
Zahmoun et al. Optimal Operation Scheduling of a Combined Wind-Hydro System for Peak Load Shaving
Wang et al. Optimal AGC allocation strategy based on data-driven forecast of frequency distribution key parameters
Conte et al. Optimal management of renewable generation and uncertain demand with reverse fuel cells by stochastic model predictive control
Shmaya et al. Conjunctive Optimal Operation of Power and Water Networks

Legal Events

Date Code Title Description
GRNT Written decision to grant