KR102594831B1 - 신재생 발전량 예측 및 발전계획 시스템 및 그 구동방법 - Google Patents

Abstract

본 발명은 실시간 신재생 발전 및 예측 데이터를 활용하여 신재생 출력 제어량을 최적화 엔진으로 산정하는 신재생 발전량 예측 및 발전계획 시스템 및 그 구동방법에 관한 것으로, 발전기 상태 정보를 포함하하여 발전기 운영에 따른 입력 자료를 입력받고 저장부에 저장하는 입력 자료 관리부, 상기 입력 자료 관리부로 입력받은 입력 자료 중 발전 계획 수립 요청에 따른 발전기의 발전 계획 수립에 적합한 자료인지 검증하는 입력 자료 검증부, 시간별 발전기 비용함수를 입력받아 시간별 선형화된 비용함수를 이용하여 발전 최적화 알고리즘을 도출하는 알고리즘 도출부 및 상기 알고리즘 도출부에서 도출된 알고리즘에 따라 도출되는 발전 계획 수립 결과 데이터를 저장하고 제공하는 발전 계획 결과 관리부를 포함하는 신재생 발전량 예측 및 발전계획 시스템에 의해 발전계획 최적화 엔진 알고리즘이 적용된 RMS 발전계획을 통해 발전비용을 최소화하기 위한 신재생 발전량 예측 및 발전 계획 시스템을 제공할 수 있다.

Description

신재생 발전량 예측 및 발전계획 시스템 및 그 구동방법{SYSTEM FOR RENEWABLE ENERGY CAPABILITY PREDICTION AND DEVELOPMENT PLAN}

본 발명은 신재생 발전량 예측 및 발전계획 시스템 및 그 구동방법에 관한 것으로 보다 상세하게는 실시간 신재생 발전 및 예측 데이터를 활용하여 신재생 출력 제어량을 최적화 엔진으로 산정하는 신재생 발전량 예측 및 발전계획 시스템 및 그 구동방법에 관한 것이다.

일반적으로 전력시장에서의 안전도 제약 발전기 기동정지(Security Constrained Unit Commitment, SCUC) 알고리즘에 대한 다양한 접근법과 모델이 활용되고 있다.

기존 발전기 기동정지계획은 LR(Lagrangian Relaxation) 방법을 이용한 비선형 해법을 주로 활용하고 있었다. 최근에는 분구적법을 이용한 선형식(Piecewise Linear Function)으로 근사화한 발전기 비용함수와 계단함수(Step Function)로 근사화한 기동비용 등을 적용하여 혼합정수법(Mixed Integer Programming, MIP)로 모델링하여 활용하는 추세이다. 북미의 도매전력시장을 운영하는 RTO/ISO의 대부분은 MIP 모델을 적용하고 있으며 선형 DC 조류제약(DC Power Flow)을 반영한 SCUC로 발전기 기동정지계획을 수립하고 있다.

또한 많은 논문에서 SCUC 문제에 대해 네트워크 제약을 고려하지 않은 주문제(Master problem)와 주문제에서 도출된 값을 바탕으로 네트워크 제약을 고려한 부문제(Subproblem)로 구분하는 Decomposition strategy 방법을 제시하고 있으며, 이를 제약의 위반이 없을 때까지 반복하여 문제를 해결하고자 한다.

한편, 북미의 하루 전 전력시장의 발전계획을 살펴보면, 하루전 에너지시장의 시장청산(market clearing) 엔진은 안전도제약 기동정지계획(SCUC)으로 비용 최소화를 목적함수로 하여 최적화를 수행하고 있다. 하루전 에너지시장은 발전사업자의 발전입찰, 가상입찰, 의무입찰 및 부하공급 사업자의 수요입찰을 토대로 예비력 요구량 및 설비제약과 네트워크(발전계획에 네트워크(전력망) 고려시 DC 조류계산법이 이용)를 고려하여, 최적화를 수행, 시간대별 시장가격 및 설비별 기동·정지계획을 수립한다. 하루 전 에너지시장의 부하와 재생에너지 발전량은 실시간과 상당히 차이가 날 수 있기 때문에, 신뢰도 유지를 위한 충분한 설비를 확보하기 위해서 추가적인 SCUC를 수행하며, 이를 '신뢰도발전계획(Reliability Unit Commitment, RUC))'이라 한다. 신뢰도발전계획(RUC)은 발전사업자가 제출한 값이 아니라 ISO가 예측한 예측부하 및 재생에너지 예측발전량을 반영하여 수립하는 발전계획으로 신뢰도발전계획을 수행하는 방식은 ISO마다 차이가 존재한다.

국내 전력시장의 경우, 익일에 대한 수요예측, 발전회사의 각 시간대별 공급가능용량 입찰정보, 발전기 비용 및 기술적 특성정보를 이용하여 하루전 전력시장에서 발전계획(기동정지계획)을 수립한다.

국내의 가격결정 발전계획에서는 예비력 및 선로 조류 등의 계통제약을 고려하지 않아 앞서 살펴본 해외 전력시장의 SCUC 모델과 차이가 발생하며 일반적인 UC 최적화를 수행한 후 계통제약사항이 확인되면 조정을 통해 최적화를 재수립하는 과정을 반복한다.

또한, 신재생에너지의 보급률이 증가하면서 신재생에너지에 대한 출력제한(curtailment) 역시 늘어나는 추세이다. 이를 위한 출력제한 방법은 발전량 감소 입찰(decremental bid), 자체 발전계획(self-schedules) 발전량 감축, 운영자가 특정 재생 에너지 발전기에 출력 감축 지시를 내리는 세 가지로 나뉠 수 있다. 현재, 이중 99퍼센트 이상이 발전량 감소 입찰(decremental bid) 방법으로 출력을 제한하고 있다. 이러한 출력제한에 대한 대응 방안으로는 에너지 저장장치(ESS), 유연성 자원 확도, 기존 발전기 최소 발전용량 하향 조정 등이 있다.

국내의 경우, 재생에너지 전력거래를 제한하거나 중지할 수 있는 제도적 장치를 마련하고 있으나, 과잉공급에 따른 발전소 출력제한 순위, 보상 등의 관련 제도정비는 부족한 실정이다.

따라서 신재생 에너지 발전량의 예측 및 발전계획의 정확도와 신뢰도를 높임으로써 신재생 에너지 출력제한에 따른 비용과 자원 낭비를 줄일 필요가 있다.

등록특허공보 10-1888877 (등록일자: 2018년 08월 09일) 등록특허공보 10-0794195 (등록일자: 2018년 01월 07일)

본 발명은 이 같은 기술적 배경에서 도출된 것으로, 신재생 전원 확대와 전력계통 안정화를 위해 국내 특유의 전력계통 환경을 고려한 유연성 확보 방안을 도출하고, 실시간 신재생 발전·예측 데이터를 활용하여 신재생 출력 제어량을 최적화 엔진으로 산정하고 이를 바탕으로 계통 운영의 안정성을 확보하는 발전계획 최적화 엔진 알고리즘이 적용된 RMS 발전계획 프로그램을 수행하는 신재생 발전량 예측 및 발전 계획 수립 시스템을 제공함에 그 목적이 있다.

본 발명의 실시예들의 또다른 목적은 발전계획 최적화 엔진 알고리즘이 적용된 RMS 발전계획을 통해 발전비용을 최소화하기 위한 신재생 발전량 예측 및 발전 계획 수립 시스템을 제공하고자 한다.

상기의 과제를 달성하기 위한 본 발명은 다음과 같은 구성을 포함한다.

즉 본 발명의 일 실시예에 따른 신재생 발전량 예측 및 발전계획 시스템은 발전기 상태 정보를 포함하하여 발전기 운영에 따른 입력 자료를 입력받고 저장부에 저장하는 입력 자료 관리부, 상기 입력 자료 관리부로 입력받은 입력 자료 중 발전 계획 수립 요청에 따른 발전기의 발전 계획 수립에 적합한 자료인지 검증하는 입력 자료 검증부, 시간별 발전기 비용함수를 입력받아 시간별 선형화된 비용함수를 이용하여 발전 최적화 알고리즘을 도출하는 알고리즘 도출부 및 상기 알고리즘 도출부에서 도출된 알고리즘에 따라 도출되는 발전 계획 수립 결과 데이터를 저장하고 제공하는 발전 계획 결과 관리부를 포함한다.

본 발명에 의하면 신재생 전원 확대와 전력계통 안정화를 위해 국내 특유의 전력계통 환경을 고려한 유연성 확보 방안을 도출하고, 실시간 신재생 발전·예측 데이터를 활용하여 신재생 출력 제어량을 최적화 엔진으로 산정하고 이를 바탕으로 계통 운영의 안정성을 확보하는 발전계획 최적화 엔진 알고리즘이 적용된 RMS 발전계획 프로그램을 수행하는 신재생 발전량 예측 및 발전 계획 시스템을 제공하는 효과가 도출된다.

본 발명의 실시예들의 또다른 목적은 발전계획 최적화 엔진 알고리즘이 적용된 RMS 발전계획을 통해 발전비용을 최소화하기 위한 신재생 발전량 예측 및 발전 계획 시스템을 제공할 수 있다.

도 1 은 본 발명의 일 실시예에 따른 신재생 발전량 예측 및 발전계획 시스템의 구성을 도시한 블록도이다.
도 2 는 본 발명의 일 실시예에 따른 비용함수 선형화 그래프의 예시도이다.
도 3 은 일 실시예에 따른 발전기 비용 선형화 그래프의 예시도이다.
도 4 는 일 실시예에 따른 한계 비용 그래프이다.
도 5 는 일 실시예에 따른 기동 비용 모델링 그래프이다.
도 6 은 본 발명의 일 실시예에 따른 counter 모델링을 나타내는 그래프이다.
도 7 은 본 발명의 일 실시예서, 복합발전기 구조이다.
도 8은 본 발명의 일 실시예에서, 예비력과 출력 구간을 나타내는 그래프이다.
도 9는 특수 기동/정지를 나타낸 참조도이다.

본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명한다.

도 1 은 본 발명의 일 실시예에 따른 신재생 발전량 예측 및 발전계획 시스템의 구성을 도시한 블록도이다.

일 실시예에 따른 신재생 발전량 예측 및 발전계획 시스템에 의하면, 실시간 신재생 발전 및 예측 데이터를 활용하여 신재생 출력 제어량을 최적화 엔진으로 산정하고, 이를 바탕으로 계통 운영의 안정성을 확보할 수 있다.

일 실시예에 있어서 신재생 발전량 예측 및 발전계획 시스템(10)은 지역별 신재생 출력 및 단위시간 최대 변동성 예측, 신재생 발전량 예측, 지역별 적용 가능한 신재생 발전량 예측이 가능한 신재생 에너지 예측 프로그램, 신재생 발전에 의한 계통 제약 산정 및 반전 계획 프로그램, 신재생 대응 전력 계통 과도안정도, 전압안정도, 고장전류 분석 및 제약적용방안과, 신재생 특성 안정화 제약 도출 및 발전 계획 프로그램과 연계하는 신재생 대응 계통 안정화 프로그램, 개발 기술 실증을 위한 총괄 및 타 세부 과제와 업무 협력 방안을 제시하기 위한 리스크 극복 방안 제시 프로그램을 포함한다.

도 1 과 같이 본 발명의 일 실시예에 따른 신재생 발전량 예측 및 발전계획 시스템은 통신부(110), 입력자료 관리부(120), 입력 자료 검증부(130) , 발전계획 결과 관리부(140), 최적화 관리부(150), 저장부(160)를 포함한다.

통신부(110)는 유/무선 통신망을 통해 내부의 임의의 구성 요소 또는 외부의 임의의 적어도 하나의 단말기와 통신 연결한다. 여기서, 무선 인터넷 기술로는 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTE-A(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS) 등이 있으며, 상기 통신부(110)는 상기에서 나열되지 않은 인터넷 기술까지 포함한 범위에서 적어도 하나의 무선 인터넷 기술에 따라 데이터를 송수신하게 된다.

또한, 근거리 통신 기술로는 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association: IrDA), UWB(Ultra Wideband), 지그비(ZigBee), 인접 자장 통신(Near Field Communication: NFC), 초음파 통신(Ultra Sound Communication: USC), 가시광 통신(Visible Light Communication: VLC), 와이 파이(Wi-Fi), 와이 파이 다이렉트(Wi-Fi Direct) 등이 포함될 수 있다. 또한, 유선통신 기술로는 전력선 통신(Power Line Communication: PLC), USB 통신, 이더넷(Ethernet), 시리얼 통신(serial communication), 광/동축 케이블 등이 포함될 수 있다.

외부의 임의의 적어도 하나의 단말기는 관리자 단말(20), 사용자단말(30), 운영자 단말(40), 및 외부 연계 시스템(50)을 포함한다.

관리자 단말(20), 사용자단말(30), 운영자 단말(40)은 스마트 폰(Smart Phone), 휴대 단말기(Portable Terminal), 이동 단말기(Mobile Terminal), 폴더블 단말기(Foldable Terminal), 개인 정보 단말기(Personal Digital Assistant: PDA), PMP(Portable Multimedia Player) 단말기, 텔레매틱스(Telematics) 단말기, 내비게이션(Navigation) 단말기, 개인용 컴퓨터(Personal Computer), 노트북 컴퓨터, 슬레이트 PC(Slate PC), 태블릿 PC(Tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display) 등 포함), 와이브로(Wibro) 단말기, IPTV(Internet Protocol Television) 단말기, 스마트 TV, 디지털방송용 단말기, AVN(Audio Video Navigation) 단말기, A/V(Audio/Video) 시스템, 플렉시블 단말기(Flexible Terminal), 디지털 사이니지 장치 등과 같은 다양한 단말기에 적용될 수 있다.

외부 연계시스템(50)은 시스템 인터페이스를 통해 연계되며 자료 송수신 및 연계 모니터링 기능을 수행할 수 있다.

구체적으로 외부 연계시스템(50)은 수요 예측 정보를 제공하는 수요 예측 시스템, 발전기 예방 정비 계획 시스템(g-OMS), 입찰 및 수요자원 거래 정보를 제공하고 발전 계획 결과와 예비력 발전기 선정결과, 수요자원 감축 계획량 데이터를 제공받는 전력 거래 시스템(CBP), 발전기 상태 정보를 제공하는 EMS, 주간 발전 계획 결과를 제공해주는 통합 UC를 포함할 수 있다.

입력 자료 관리부(120)는 발전기 상태 정보를 포함하여 외부 연계 시스템(50)으로부터 발전기 운영에 따른 입력 자료를 입력받고 저장부(160)에 저장한다.

본 발명의 일양상에 있어서, 입력자료 관리부(120)는 수요 예측 시스템, 발전기 예방 정비 계획 시스템, 전력 거래 시스템, 통합 UC, EMS 중 적어도 하나로부터 입력 자료를 수집할 수 있다.

입력 자료 검증부(130)는 입력 자료 관리부(120)로 입력받은 입력 자료 중 발전 계획 수립 요청에 따라 발전기의 발전 계획 수립에 적합한 자료인지 검증한다.

알고리즘 도출부(150)는 시간별 발전기 비용함수를 입력받아 시간별 선형화된 비용함수를 이용하여 발전 최적화 알고리즘을 도출한다.

본 발명의 특징적인 양상에 있어서, 알고리즘 도출부(150)는 발전기의 비용특성 정보를 읽어들여 비용함수의 선형화를 수행하고, 입력된 발전기, ESS, 모선, 선로 개수를 반영하여 최적화를 수행한다.

또한 알고리즘 도출부(150)는 발전 비용을 산출하는 에너지 비용, 기동비용, 예비력 비용, 신재생 차단비용, ESS 충방전 비용, 페널티 비용 중 적어도 일부의 합인 총비용을 최소화하는 목적 함수를 포함한다.

그리고 발전 계획 결과 관리부(140)는 알고리즘 도출부(150)에서 도출된 알고리즘에 따라 도출되는 발전 계획 수립 결과 데이터를 저장하고 제공한다.

본 발명의 일양상에 있어서, 알고리즘 검증부(170)는 발전기 비용 데이터, 발전기 특성 데이터, 수력 조건, 양수 조건, 수요 조건, 송전제약, 초기 모의 결과, HVDC조류 결과 데이터 중 적어도 하나를 이용하여 상기 알고리즘 도출부에서 도출된 최적화 알고리즘의 발전계획의 제약에 대한 모델의 적합성을 검토한다.

또한 알고리즘 검증부(170)는, 복합 발전기 모델링 검증, 양수 발전기 모델링 검증, ESS 모델링 검증, 북상 조류 제약 모델링 검증, HVDC 제약 모델링 검증, 그룹별 제약 모델링 검증, 그룹별 시간별 제약 모델링 검증, 그룹별 시간별 발전기 기동수 제약 모델링 검증, 발전기의 예비력 모델링 검증, 지역별 예비력 모델링 검증, 예비력 cascading 모델링 검증, 특서기동/정지제약 모델링 검증, GT 우선순위 모델링 검증, OPF 정확도 및 모의속도 검증 중 적어도 하나를 더 수행한다.

일 실시예에 있어서 저장부(160)는 상기 입력 자료 관리부로 입력받은 입력 자료를 저장하는 입력 발전 계획 입력 정보 저장부, 적어도 하나 이상의 발전기 운영정보를 주기적으로 수신하여 저장하는 발전기 운영 정보 저장부, 및 발전 계획 결과 관리부에서 도출된 발전 계획 수립 결과 데이터를 저장하는 발전 계획 결과 저장부를 포함한다.

본 발명의 추가적인 양상에 있어서, 사용자 권한 판별부(180)는 로그인 사용자를 판별하여, 사용자 권한에 따라 상이한 서비스를 제공한다. 즉, 관리자 단말(20), 사용자 단말(30), 운영자 단말(40) 각각에 상이하게 데이터 접근 권한 및 서비스 이용 권한이 설정될 수 있다.

일 실시예에 있어서 최적화 수행을 하는 최적화 엔진은 Xpress라는 솔버를 이용하여 수행 가능하고, IVE라는 개발 환경을 지원할 수 있다. 그리고 IVE에서 최적화 모델을 개발하면 mos라는 파일명으로 저장한다. 즉 최적화 엔진은 데이터의 입력, 데이터의 출력, 최적화 모델 및 데이터 검증은 각각 다른 이름의 mos파일로 구성될 수 있다.

일예로 Xpress 코딩을 중심으로 기본 특성은 발전비용, 목적함수, 최대출려과 최소출력, 최소운전/정지시간, 초기치, 기동 모델링, 정지모델, 최대기동회수 제한, MUSTRUN/MUSTPUMP, Ramp-rate등의 기본 특성, 복합발전기, 양수발전기, ESS

그룹별 송전 제약, 그룹별 시간별 송전 제약, 그룹별 시간별 기동수 제약, 발전기의 예비력 모델링, 지역별 예비력, 예비력 cascading, 특수기동/정지제약 및 GT 우선순위와 같은 특수조건 및 기동 모델링, DC-OPF 등의 알고리즘을 포함할 수 있다.

이하에서, 발전비용, 목적함수, 최대출력과 최소출력, 최소운전/정지시간, 초기치, 기동 모델링, 정지모델, 최대기동회수 제한, MUSTRUN/MUSTPUMP, Ramp-rate을 포함하는 기본특성을 설명한다.

발전기의 발전비용은 변동비와 기동비용으로 구분된다. 발전기가 계통에 병입 되기 위해서는 적정한 회전수와 전압을 유지해야 한다. 이를 위해서 소모되는 비용을 기동비용이라 하고 발전기가 병입된 후 발전을 하며 소모되는 비용을 변동비라고 한다. 변동비는 일반적으로 수학식 1의 발전기 출력에 대한 2차 함수로 모델링 된다.

여기서 C(P)는 P를 생산하는 생산비용, F는 열량단가, P는 생산량, a, b, c는 계수를 나타낸다.

수학식 1과같이 변동비는 2차 함수이지만 이차식의 계수가 일차식이나 상수항에 비해 상당히 작아 거의 일차식에 가까운 모양을 하고 있다. 따라서 발전기의 비용함수는 MIP 모델에 맞게 일차식으로 근사화하거나 구간을 나누어 구간별로 선형화하는 방법을 사용한다.

도 2 는 본 발명의 일 실시예에 따른 비용함수 선형화 그래프의 예시도이다.

도 2 와 같이 발전기의 비용함수는 최소 출력과 최대 출력사이에 적어도 하나 이상의 구간마다 직선으로 연결한 1차식 그래프로 선형화할 수 있다.

한편, 변동비는 출력이 0보다 큰 경우에만 비용이 발생하며 출력이 0일 경우에는 변동비도 0이다. 즉, 표 1과 같이 P>0이면 발전비용은 으로 표현되지만 출력이 0인 경우에는 이 된다.

출력	변동비
0	0
P

따라서 출력이 0인 경우와 0보다 큰 경우에 다른 형태의 비용이 되므로 이를 표현하기 위해서는 정수형 변수가 필요하다.

도 3 은 일 실시예에 따른 발전기 비용 선형화 그래프의 예시도이고, 도 4 는 일 실시예에 따른 한계 비용 그래프이다.

비용함수를 선형화하기 위해 도 3 에서와같이 0과 최소출력을 하나의 구간으로 잡고 최소출력과 최대출력 사이를 10개의 구간으로 나누어 총 11개의 구간으로 선형화한다. 이때 최소출력과 최대출력 사이를 10개의 구간으로 나누는 것은 외국 전력시장이 일반적으로 최소와 최대출력 사이를 10개의 구간으로 입찰을 받는 점과 10개로 산정해야 소수점이 정확히 계산되는 이점이 있음을 고려하였다.

발전비용을 모델링하여 식으로 표시하면 다음과 같다.

여기서 i는 발전기, t는 주기, bl은 최소에서 최대사이의 선형화 블록 집합, MC(i, t, bl)은 구간별로 선형화한 한계가격, C는 발전기의 무부하비용, MCMIN은 0에서 최소출력까지의 한계비용, I(i, t)는 1이면 발전기on, 0이면 발전기 off를 의미하는 변수, pgmin은 0에서 최소 출력까지의 출력변수, gen은 최소출력에서 최대출력까지의 구간별 출력변수이다.

최소출력에서 최대출력까지를 0등분하며 그때 각 구간의 크기는 다음 수학식 3과 같이 정의할 수 있다.

그리고 발전기 출력정의는 수학식 4와 같다.

발전기의 on/off를 고려하여 발전기 출력은 다음의 범위에 있게 된다.

여기서, Pmin은 최소출력, Pmax는 최대출력, bl은 최대출력과 최소출력 사이의 구간을 표시한다.

목적함수에 대해 살펴보면, 발전계획 최적화 엔진 알고리즘의 목적은 총비용을 최소화하는 것이다. 이때 비용은 발전비용(에너지비용 + 기동비용 + 예비력비용), 신재생 차단비용 ESS 충방전 비용 페널티 비용을 포함한다.

이때 패널티 비용은 다양한 제약에 반영될 수 있다. 수학식 7과 수학식 8은 수요에 대한 페널티 모델을 나타낸다.

수학식 7은 발전기 출력에 penalty(t)라는 변수를 더하면 부하가 되는 식이다. 반면 수학식 8은 페널티 변수가 없는 식이다. 페널티 변수는 슬랙 변수라고도 한다.

수요가 커서 발전기를 다 기동하여도 수요를 만족할 수 없다면 수학식 8은 해가 없는 infeasible이 된다. 이 경우 최적화 엔진은 해가 없어서 정지하게 된다. 반면 수학식 7을 사용하면 발전기를 다 켜서 수요를 못 맞추는 경우 그 오차를 penalty(t)라는 변수가 담당하여 엔진은 발전기가 최대한 많이 발전하고 일부분의 수요를 penalty(t)가 담당하게 된다.

이런 모델이 작동하기 위해서는 penalty(t) 변수의 단가를 아주 높게 설정하여서 발전기가 충분한 용량이 있는 경우에는 penalty(t) 값이 0이 되는 것이 최적해가 되도록 모델링 해야 한다.

그런데 수학식 7과 같이 페널티 변수를 사용할 경우에는 결국 변수의 개수가 증가하기 때문에 모의시간도 증가하게 된다. 그러므로 향후 어느 제약까지 페널티 변수를 사용할 것인지를 정의해야 한다.

최대출력과 최소출력에 대해 살펴보면, 발전기들은 시간별로 발전할 수 있는 최대출력을 입찰한다. 시장에서는 이 값을 가용용량이라고 한다. 또한 기동이 끝난 발전기는 최소출력 이상을 발전해야 한다. 즉 발전기가 정지중이면 출력은 0이며 on 상태에서는 최소출력과 최대출력 사이에서 발전해야 한다. 이를 간단히 모델링하면 수학식 9와 같다.

여기서 HPmin은 발전기의 시간별 최소출력, AVAC는 발전기의 시간별 최대출력(가용용량), I는 0 또는 1인 정수형 변수이다.

최소운동/정지시간에 대해 도 3 을 참조하여 살펴보면, 발전기들은 한번 기동되면 최소 몇 시간 on 상태를 유지해야 하며 이를 최소운전시간이라고 한다. 그리고 꺼진 경우에도 최소한 몇 시간은 off 상태를 유지해야 하며 이를 최소정지시간이라고 한다. 복합 화력의 경우 보통 3-4 시간의 최소운전/정지시간을 갖는다.

도 3 은 본 발명의 일 실시예에 따른 최소운전시간 모델링 그래프이다.

최소운전시간이 m 시간인 발전기가 T + 1 시간에 기동된다면 최소한 T + m 시간까지는 on 상태를 유지해야 한다. 도 3에는 T + 1 시간에 기동된 발전기가 T + m 시간까지 on 상태를 유지하고 T + m + 1 시간에 off가 되는 상황을 표현하고 있다.

이와 같이 발전기의 최소운전시간을 모델링하기 위해서 I(i, t), u(i, t), d(i, t)를 정의한다. I(i, t)와 u(i, t)는 다음과 같다.

I(i, t): 발전기 i가 on인 경우에는 1 off 일때는 0

u(i, t): 발전기 i가 off에서 on이 된 시간에만 1 나머지는 0

d(i, t): 발전기 i가 on에서 off가 된 시간에만 1 나머지는 0

각 시간별로 I(i, t), u(i, t), d(i, t)를 구하면 다음과 같다.

도 3 에서 각 시간별로 I(i, t), u(i, t), d(i, t)를 구하면 다음 표 3과 같다.

	T	T + 1	…	T + m	T + m + 1
I	0	1	1	1	0
u	0	1	0	0	0
d	0	0	0	0	1

최소운전시간을 모델링하면 수학식 10과 같이 표현할 수 있다.

여기서 MU(i)는 발전기 i의 최소운전시간이다.

만일 발전기가 시간 k에 on이 된다면 그 시간에 u(i, k)는 1이 된다. 그러므로 가 되어 시간 k부터 시간 k + MU(i)-1까지 MU(i) 시간 동안 I(i, t)가 1이 되어야 수학식 10을 만족하게 된다. 즉 시간 k부터 시간 k + MU(i) -1까지 발전기는 on 상태를 유지하게 된다.

그리고 최소정지시간을 모델링 하면 수학식 11과 같이 표현할 수 있다.

여기서, MD(i)는 발전기 i의 최소운전시간이다.

발전기가 시간 k에 off가 된다면 그 시간에 d(i, k)는 1이 된다. 그러므로 가 되어 시간 k부터 시간 k + MD(i)-1까지 MD(i) 시간 동안 I(i, t)가 0이 되어야만 수학식 11을 만족하게 된다. 즉 시간 k부터 시간 k + MD(i) - 1까지 발전기는 off 상태를 유지하게 된다.

I(i, t)와 u(i, t) 및 d(i, t)는 서로 밀접한 관련이 있으며 다음 수학식 12 및 수학식 13과 같은 방법으로 상관관계를 모델링 할 수 있다.

초기치에 대해 살펴보면, DAUC의 경우에 24시간을 대상으로 발전계획을 수립하게 된다. 그런데 24시간 중 맨 처음시간의 발전기의 상태는 그 앞 시간의 발전기 상태와 연동된다. 예를 들어 모의 대상인 24시간의 앞 시간에 기동된 발전기가 있다고 생각해 보자. 이 발전기의 최소운전시간이 3시간이라면 이 발전기는 모의기간 전 시간에 기동되었으므로 모의 기간 중 처음 두 시간 동안은 무조건 기동되어 있어야 한다. 이와 같이 발전계획은 24시간을 대상으로 하되 24시간의 전 시간의 발전기 상태정보가 최적화에 반영되어야 현실적인 답을 찾을 수 있다.

특히 기동 중인 발전기는 h/w/c 에 따라 초기상태를 처리하는 것이 중요하다. 기동 모델링은 기동 Ramp-rate와 기동비용을 모델링해야 한다.

발전기 중 일부는 기동 된 후 최소출력까지 출력이 증가하는 시간이 많이 걸리는 발전기들이 있다. 최소출력에 도달한 이후는 최소출력 이상을 유지하며 최소운전시간 동안 발전을 해야 하는 것은 동일하다. 또한 운전 중인 발전기가 off 될 때에도 일정 시간이 걸리는 경우가 있다. 이와 같은 발전기들의 특성을 정확히 고려하기 위해서는 최소출력까지 증가하는 구간의 모델링과 off 되는 시간 동안의 출력의 변화를 고려하는 모델링이 필요하다.

start-up/shut-down 모델링을 설명하기 위해 간단하게 최소출력에 도달하기 전 1시간이 소요되고 off 되는 경우에도 1시간 동안 최소 출력보다 작은 출력을 내는 경우를 가정해 본다.

도 4 는 기동 상태 모델링 설명을 위한 예시도이다. 그리고 표 4 는 기동에 따른 상태 변수를 나타낸 것이다.

	T	T + 1	…	T + m	T + m + 1
I	0	1	1	1	0
u	1	0	0	0	0
d	0	0	0	0	1

도 4 에서 T 시간에 발전기가 on 되지만 T 시간의 출력은 아직 최소출력에 미치지 못하고 T + 1 시간에야 최소출력 이상으로 발전한다. 최소운전 시간 m 시간을 지나서 T + m + 1시간에 off가 되지만 바로 off 되지 않고 1시간 동안 최소 출력 보다 적은 양을 발전한 후 off가 된다.

표 4 는 그리고 T시간과 T + m + 1 시간, 즉 최소출력보다 작은 출력을 내는 시간을 u(i, t)와 d(i, t)를 써서 표시해 본다. 표에는 I(i, t), u(i, t), d(i, t)의 관계가 표시되어 있다.

start-up/shut-down 모델링에 있어서, 먼저 발전기의 출력을 수학식 14와 같이 Z(i, t)로 정의한다.

이와 같이 발전기 출력을 모델링 하면 발전기가 최소출력 이상을 내는 시간에는 u(i, t), d(i, t)가 0이 되므로 Z(i, t) = P(i, t)가 된다. 발전기가 on 되는 1시간 동안에는 u(i, t)만 1이며 I(i, t)와 d(i, t)는 0이 되어 Z(i, t) = SU(i)이 된다. 발전기가 off가 되는 1시간 동안에는 Z(i, t) = SD(i)가 된다.

I(i, t)와 u(i, t) 및 d(i, t)의 관계는 수학식 16, 17과 같이 정의할 수 있다.

또한 최소운전시간은 수학식 18과 같이 정의할 수 있다.

그리고 최소운전시간은 수학식 19와 같이 모델링할 수 있다.

발전기의 기동비용은 발전기가 기동되는 시간에만 발전하는 비용이다. 발전기가 off 상태에서 on이 되는 과정을 시간별로 표시하여 각각의 경우에 비용을 검토하면 기동비용을 명확히 파악할 수 있다.

발전기 i가 시간 to까지 off 상태이며 t1부터 발전을 하기 시작한다. 설명을 위해 발전기 i의 시간 t에서의 출력을 P(i, t)로 표시하며 발전기의 비용을 일차함수로 가정하고 계수를 b(i)와 c(i)로 표시한다. 이 경우 각 시간별로 변동비와 기동비용(STC)을 구해보면 도 5 와 같다.

도 5 는 일 실시예에 따른 기동 비용 모델링 그래프이다.

시간	출력	변동비	기동비용
t0	0	0	0
t1	P(i, t1)	b(i)P(i, t1) + c(i)	STC(i)
t2	P(i, t2)	b(i)P(i, t2) + c(i)

이와 같이 변동비는 발전기가 on 되어 출력을 내는 시점부터 계산되며 기동비용은 발전기가 off 상태에서 on이 된 시간에만 적용된다. 이와 같은 발전비용의 특성을 반영하여 발전비용은 수학식 20과 같이 모델링 할 수 있다.

여기서 I(i, t)는 발전기 i가 on인 경우에는 1이고 off일 때는 0이다. 그리고 u(i, t)는 발전기 i가 없는 off에서 on이된 시간에만 1, 나머지는 0이다.

수학식 20과 같이 새로운 정수형 변수 I(i, t)와 u(i, t)를 정의하면 기동비용을 MIP 형태로 모델링할 수 있다. 식에서 b(i), c(i), STC(i)는 상수이므로 위 발전비용은 정수형변수(I(i, t)와 u(i, t))와 실수형 변수(P(i, t))의 선형결합 형태임을 알 수 있다.

도 6 은 본 발명의 일 실시예에 따른 counter 모델링을 나타내는 그래프이다.

만일 발전기의 hot/warm/cold 기동비용을 모델링해야 한다면 발전기의 hot/warm/cold 상태를 판정할 수 있어야 한다. h/w/c 상태는 발전기가 정지한 시간을 세어야 알 수 있으므로 그 시간을 count하는 counter 모델이 필요하다. 도 6을 참조하여, Icounter라는 counter를 생각해 보자. Icounter는 정수형 변수이다. 또한 Istatus는 발전기의 on/off를 표시하는 정수형 변수이다. S는 발전기가 기동 상태 즉 Istatus=1이면 0이고 Istatus=0이 되는 시점 즉 정지한 시점인 T+1부터 1이며 이후 시간이 증가할수록 1씩 증가하게 된다. 이를 수식으로 표현하면 아래와 같다.

이제 위의 식을 MIP를 모델링하면 다음과 같이 된다.

먼저 수학식 22, 23은 Icounter가 Istatus = 0이면 증가하고 1이면 0이 됨을 의미한다.

위의 두 식은 Istatus =1이면 Icounter가 0이 됨을 의미한다.

이와 같이 Icounter라는 변수를 정의하여 발전기가 정지된 시간을 세는 모델을 구현할 수 있다.

Hot/Warm/Cold 기동비용 모델링을 살펴보면, 기동 시 Icounter를 이용하여 h/w/c 기동비용을 모델링할 수 있다. 1) 발전기가 h에 기동한다면 h-1시간의 counter가 HWT(i) -1까지는 hot 기동비용이 적용되어야 한다. 2) 발전기가 h에 기동한다면 h-1시간의 counter가 HWT(i) +WCT(i) -1까지는 warm 기동비용이 적용되어야 한다. 3) 이후의 시간에 기동한다면 cold 기동비용이 적용되어야 한다. 4) h에 기동하지 않는다면 counter는 발전기가 on 상태면 0 아니면 큰 수가 될 수 있어야 한다.

이 4가지 조건을 고려하여 Icounter와 발전기 기동을 관련시키면 다음과 같이 모델링이 가능하다. 먼저 발전기가 기동되면 즉 Iup =1이 되면 셋 중 하나의 상태로 기동해야 한다. 이를 모델링하면 수학식 28과 같다.

Icounter의 값에 따라 hot/warm/cold 상태가 결정되어야 한다. 이를 모델링하면 수학식 29와 같다.

이제 hot/warm/cold 기동 상태에 따른 비용을 반영하면 기동비용은 수학식 31과 같이 모델링된다.

Hot/Warm/Cold 기동 Ramp-rate 모델링에 대해 살펴보면, 발전기는 기동 상태에서는 기동 Ramp-rate를 적용받아야 하며 기동이 완료되어 최소출력 이상에서는 일반 Ramp-rate를 적용해야 한다. 이를 수학적으로 표현하면 Istatus =1이면 발전기가 기동 중 또는 기동이 완료된 상태를 의미한다. 기동 중에서는 hot/warm/cold 기동 Ramp-rate를 적용해야 하므로 Istats, IHotstu, IWarmstu, IColdstu를 사용하여 일반 Ramp-rate와 기동 Ramp-rate를 적용할 수 있다.

위의 두 식을 이용하면 기동 상태에 따라 Ramp-rate 제약이 정확하게 반영될 수 있다. 예를 들어 발전기가 hot 상태로 기동 중이면 IHotstu = 1, Istatus = 1이며 다른 변수는 0이 된다. 수학식 32와 33을 통하여 다음 수학식 34가 성립한다.

즉 두 식을 통하여 다음과 같이 발전기 출력이 HSTURUP을 따라 증가하게 된다.

정지모델은 앞의 기동모델과 반대되는 개념이지만 모델 자체는 동일하다고 할 수 있다. 단, 발전기의 기동은 hot/warm/cold 구별이 있지만 정지는 그런 구분이 없다.

최대기동회수 제한에 대해 살펴보면, 발전기 k가 하루에 기동하는 최대회수가 N이라면 다음과 같이 기동회수제약을 모델링 할 수 있다.

MUSTRUN/MUSTPUMP에 대해 살펴보면, MUSTRUN은 발전기가 특정 시간에 무조건 on 상태가 되도록 하는 제약이다. 발전기 모델에서 on/off를 표시하는 Istate(i,t) 변수를 해당 시간에 1이 되도록 하면 된다. MUSTOUMORUN은 양수 발전기가 특정 시간에 무조건 PUMP하도록 하는 제약이다. 양수발전기 모델에서 PUMP의 on/off를 표시하는 Ipump(i,t) 변수를 해당 시간에 1이 되도록 하면 된다.

전기들은 단위 시간당 조정할 수 있는 출력의 변화량에 제약이 있다. 단위시간 당 증발 또는 감발할 수 있는 발전량을 Ramp-rate라고 부른다. 대부분의 발전기들은 1시간이면 최소출력에서 최대출력까지 출력을 올릴 수 있다. 그래서 1시간 단위로 발전계획을 세우는 경우에는 Ramp-rate는 큰 문제가 되지 않을 수 있다. 그러나 실시간으로 운영을 하는 경우, 즉 5분 또는 10분 단위로 발전기의 출력을 조정하는 경우에 Ramp-rate는 중요한 조건이 될 수 있다. 발전기 i의 분당 증발할 수 있는 발전량을 RR(i)라고 하고, 분당 감발할 수 있는 양을 RD(i)라고 하면 Ramp-rate 조건은 다음과 같이 모델링 할 수 있다.

이하에서는 복합, 양수 및 기타설비에 대해 설명하기로 한다.

도 7 은 본 발명의 일 실시예서, 복합발전기 구조이다.

먼저, 복합 발전기는 일반적으로 1대의 steam turbine에 여러 대의 gas turbine이 연계된 형태를 갖는다. 도 7과 같이 국내의 복합 발전기는 대부분 GT와 ST가 2:1의 구조를 갖는다.

복합 발전기에서 ST는 단독으로 운전이 불가능하며 GT가 운전할 때 나온 열을 이용하여 전기를 생산하는 구조를 갖는다. 그러므로 ST의 출력은 GT의 출력에 비례하는 형태가 된다. 이를 바탕으로 복합발전기를 다음과 같이 모델링할 수 있다.

양수 발전기는 하나의 댐에 다수의 발전기가 연결되어 있는 구조이다. 양수 발전기는 펌핑을 하면 댐의 수위가 증가하고 발전을 하면 댐의 수위가 낮아진다. 이와 같이 양수발전기의 모델링은 저수지의 용량과 발전, 펌핑에 따른 수위 변화를 모델링해야 한다. 이때 고려해야 할 점은 수위와 발전, 펌핑을 어떻게 표시하는 가의 문제이다. 본 모델에서는 t 시간의 수위는 t-1 시간의 수위에 t시간의 발전 및 펌핑을 반영한 최종 수위로 산정하였다.

수위조건에서 t=1인 경우는 전 시간인 t=0의 수위를 초기치로 이용한다.

그리고 양수 모델이 정확히 작동하기 위해서는 발전량의 합이 부하와 양수 펌핑량의 합과 동일해야 한다는 점이다. 즉 부하에 양수 펌핑량이 더해져야 정확히 작동할 수 있다.

또한 양수 수위 평활화는 아래 수식과 같이 각각의 양수 발전소의 수위가 일정 범위 내에 있도록 모델링해야 한다.

ESS는 양수와 유사한 모델이 이용될 수 있는데, 양수와 다른 점은 하나의 댐에 다수의 발전기가 있는 것이 아닌 개별적인 자원만 모델링하며 양수발전기는 최소출력과 Ramp-rate 등이 있으나 ESS는 이런 제약이 필요없으며 양수발전기는 발전과 펌핑에 비용입찰이 없으나 ESS는 입찰이 가능하다는 점이다. ESS는 현재 방전 5구간, 충전 5구간에 대해 시간별로 양과 가격을 입찰하는 것을 가정하여 모델링하였다. 방전은 양의 가격을 입찰하며 1구간부터 5구간까지 가격이 증가해야 한다. 충전은 음의 가격을 입찰해야 하며 마찬가지로 1구간부터 5구간까지 가격이 증가해야 한다. (예를 들어 1구간: -5원/kWh, 2구간: -4원/kWh)

이하에서는, 북상조류제약, HVDC 제약, 그룹별 제약, 그룹별 시간별 제약, 그룹별 시간별 발전기 기동수 제약을 포함하는 송전제약에 대해 설명하기로 한다.

먼저 북상조류제약에 대해 살펴보면, 수도권과 비수도권을 연결하는 6개의 선로의 용량에 대한 총합이 제약으로 반영되어야 한다. 비수도권에는 기저가 많아서 6개의 선로의 조류는 비경인에서 경인으로 흐르게 되며 그 양은 시간별로 최대치를 갖게 된다. 비수도권에서는 다음의 관계가 성립해야 한다.

비수도권의 발전량 - 비수도권 수요 = 북상조류 + 제주조류

HVDC 제약에 대해 살펴보면, HVDC 중 전압형은 사전에 조류가 흐르는 방향을 지정하고 최대값과 최소값 사이에 흐르도록 모델링한다. 전류형은 조류의 방향이 변할 수 있으며 이때 지연 시간의 고려도 가능해야 한다. 전류형의 방향과 지연 시간의 모델은 발전기의 최소운전시간 제약과 유사한 형태이다.

그룹별 제약은 1) 선정한 발전기 그룹에 대해 2) 모의기간을 대상으로 3) 발전량, 예비력, 펌핑량에 대해 4) 상한/하한/고정 제약을 설정하는 기능이다. 2)번 조건인 모의기간 전체를 대상으로 하는 것을 특정 시간(시작시간과 끝시간 지정)을 지정하여 제약하는 방법을 고려할 것인지는 향후 검토해야 한다. 3)번 조건인 발전량, 예비력, 펌핑량 그리고 4) 상한/하한/고정제약은 사용자가 지정할 수 있다.

기본 방식은 다음과 같다. 아래는 에너지에 대해 상한제약을 적용하는 경우를 보여준다.

앞의 그룹별 제약은 모의기간을 대상으로 하지만 그룹별 시간별 제약은 시간별로 제약을 다르게 설정할 수 있다. 즉 1) 특정 발전기 그룹을 대상으로 2) 매 시간별로 3) 에너지, 예비력, 펌핑량에 대해 4) 상한/하한/고정 제약을 설정한다.

기본 방식은 다음과 같다. 아래는 에너지에 대해 시간별 상한제약을 적용하는 경우를 보여준다.

그룹별 시간별 발전기 기동수 제약은 1) 특정 발전기 그룹을 대상으로 2) 매 시간별로 3) 기동된 발전기의 수에 대해 4) 상한/하한/고정 제약을 설정한다.

다음은 상한제약의 예를 보여준다.

이하에서는, 발전기의 예비력, 지역별 예비력, 예비력 cascading을 포함하는 예비력에 대해 설명하기로 한다.

발전기의 예비력 모델링은 발전기 용량을 이용한다. 즉, 최적화 모형에서는 입찰용량, LFCMAX, LFCMIN, ECOMAX, ECOMIN, 최소출력의 6개의 용량을 이용한다. 향후 GFMAX, GFMIN도 활용할 것인지는 논의가 필요하다. 또한 LFCMAX. LFCMIN 등도 입찰을 통하여 처리할 것인지 아니면 규정에 의해서 처리할 것인지도 결정해야 한다.

현재 최적화 모델에서 LFCMAX와 LFCMIN 그리고 ECOMAX와 ECOMIN은 다음과 같이 정의하고 있다.

예비력은 일반적으로 표 3과 같이 구분할 수 있다.

표 6을 참조하면, 먼저 1차예비력은 독립적으로 확보한다. 1차예비력은 입찰용량을 기준으로 하며 입찰용량은 LFCMAX보다 크다. 이로 인해서 출력과 입찰용량 사이에는 1차예비력은 가능하지만 AGC나 2차예비력은 불가능한 공간이 생긴다. 즉 1차예비력은 AGC나 2차예비력으로 cascading 하지 못한다.

반면 AGC-up은 남는 공간을 2차예비력으로 활용할 수 있으며 2차예비력은 남는 공간을 3차예비력으로 활용할 수 있다. 즉 AGC-up > 2차예비력 >3차예비력 순으로 cascading 하도록 설계하였다. 예를 들어 어느 발전기가 AGC-UP을 Ramp-rate x 5 = 10 x 5 = 50MWh 제공할 수 있으며 2차예비력은 Ramp-rate x 10 = 100MWh를 제공할 수 있는 경우를 생각해 보자. 이 발전기는 다음과 같이 모델링한다.

여기서 중요한 것은 수학식 53이다. 수학식 53은 SECONDARY만 100 이하로 설정하지 않고 AGC-UP과 합하여 100 이하로 설정되어 있다. 그 이유는 100MWh라는 공간은 10분 동안 발전기가 출력을 올릴 수 있는 범위이므로 2차예비력으로 할당할 수 있지만 AGC-UP으로 일부를 사용한다면 남는 공간만을 SECONDARY로 활용할 수 있기 때문이다. 즉 AGC-UP와 SECONDARY는 출력 공간을 공유하며 AGC-UP이 우선 사용하면 남는 공간만을 2차예비력이 활용할 수 있다. 만일 계통에서 AGC-UP은 필요하지 않고 SECONDARY만 필요한 상황에서도 최적화 엔진은 AGC-UP을 확보하고 이를 SECONDARY로 활용할 수 있다. 이를 예비력의 cascading이라고 한다.

1차 예비력은 양방향을 고려한다. 예를 들어 발전기 출력이 입찰용량이나 최소출력이면 1차 예비력은 제공하지 못한다. 입찰용량과 최소출력의 중간에 있을 때 가장 많은 1차 예비력의 확보가 가능하다. 1차 예비력은 입찰용량과 최소출력을 기준으로 한다. GFMAX = 입찰용량이라고 가정하여 모델링 하였다. 1차 예비력은 입찰용량과 출력 사이에서 AGC-up, 2차 예비력 그리고 운전상태의 3차 예비력과 공간을 공유하므로 다음과 같이 모델링 된다.

AGC-up은 단방향(위)을 고려하며 LFCMAX를 기준으로 한다. LFCMAX와 출력 사이에서 2차예비력과 공간을 공유하므로, 다음과 같이 모델링된다.

AGC-down은 단방향(아래)을 고려하며 LFCMIN를 기준으로 하며 다음과 같이 모델링된다.

도 8은 본 발명의 일 실시예에서, 예비력과 출력 구간을 나타내는 그래프이다.

2차예비력은 LFCMAX 출력 사이에서 AGC-up과 공간을 공유하므로 다음과 같이 모델링된다.

3차 예비력은 운전 중인 발전기와 정지중인 발전기를 분류하여 예비력을 모델링한다. 먼저 운전 중인 경우에는 입찰용량과 출력 사이에서 다른 예비력들과 공간을 공유하므로 다음과 같이 모델링된다.

정지 중인 경우에는 다음과 같이 모델링된다.

또한 양수의 펌핑도 3차예비력으로 모델링될 수 있다. 사용자는 옵션에서 양수의 펌핑값을 3차예비력으로 산정하도록 설정할 수 있다. 3차예비력은 다음과 같이 산정된다.

유연성 예비력은 정지중인 양수를 대상으로 반영해야 하므로 입찰량을 양수에만 적용해야 한다. 기본 방식은 정지중인 3차예비력과 동일하다.

지역별 예비력에 대해 살펴보면, 예비력 요구량은 전체 계통, 경인, 제주의 3지역으로 구분하여 반영된다. 이와 같이 3지역으로 구별하는 이유는 비경인지역에서 예비력의 대부분을 제공한다면 사고가 발생하여 예비력을 에너지로 전환하는 경우 경인지역은 북상조류 제약, 제주지역은 HVDC 제약으로 인해서 그 역할을 할 수 없기 때문이다. 1차예비력의 경우 다음과 같이 모델링된다.

예비력 cascading은 속도가 빠른 예비력은 느린 예비력을 대체할 수 있다는 개념이다. 예를 들어 AGC-UP은 2차예비력보다 속도가 빠르므로 AGC-UP의 요구량보다 AGC-UP을 많이 확보하면 그 양을 2차예비력으로 활용할 수 있다. cascading은 다음과 같이 구성하였다. AGC-UP > 2차예비력 > 3차예비력. cascading을 수식으로 표현하면 다음과 같다.

1차예비력은 cascading을 하지 않고 독립적으로 확보한다.

이하에서는, 특수조건 및 기동 모델링에 대해 설명하고자 한다.

특수기동/정지제약은 1) 한 그룹을 2개의 발전기로 구성하며 2) 두 발전기 중 하나를 우선순위를 정하며 3) 해당 발전기가 다른 발전기에 비해 기동을 우선하거나 정지를 우선할 수 있는 모델이다.

도 9는 특수 기동/정지를 나타낸 참조도이다.

도 9를 참조하면, 예를 들어 발전기 2001과 2002가 한 그룹이며 2001이 우선순위가 있다고 가정하자. 그리고 두 발전기의 기동 delay time = STUDT 시간이라고 가정하자. 만일 발전기 2001이 11시에 기동한다면 발전기 2002는 11 + STUDT 시 이후에 기동이 가능하다.

두 발전기의 정지 delay time = SHDDT 시간이라고 가정하자. 만일 발전기 2001이 15시에 정지한다면 발전기 2002는 15 + SHDDT 시 이후에 정지가 가능하다. 먼저 기동 시 delay 모델은 다음과 같이 두 가지 조건으로 모델링할 수 있다.

GT 우선순위를 살펴보면, 복합발전기 내의 GT는 동일한 비용을 가지고 있어 최적화 엔진은 GT를 1대 기동해야 하는 경우 임의의 GT를 선택하게 된다. 반면 실제 발전사업자가 GT를 기동할 때에는 GT의 운전시간을 고려하여 특정 GT가 많이 운전되지 않도록 우선 기동하는 GT를 선정한다. 이와 같은 방식을 교번운전이라고 한다. 발전계획 엔진은 발전사업자에게서 동일한 GT 중 먼저 기동하는 순서에 대한 정보를 받을 경우 이를 고려할 수 있도록 모델링하였다.

모델링은 다음과 같이 진행하였다. 1) 엔진의 사용자는 복합 내의 GT에 대한 우선 순위 정보를 최적화에 반영할지를 옵션을 통하여 결정할 수 있다. 만일 사용하도록 옵션을 설정한다면 사용자가 입력한 발전기별 GT의 우선 순위에 따라 GT의 기동이 결정된다. 2) 만일 GT가 2대인 복합에서 GT1 > GT2 순으로 우선순위가 입력된다면 GT1이 운전상태가 되어야 GT2도 운전이 가능하도록 모델링하였다. 동일하게 GT가 3대인 복합에서 GT1 > GT2 > GT3 순으로 우선순위가 입력된다면 GT1이 운전중이어야 GT2가 운전이 가능하고 GT2가 운전중이어야 GT3도 운전이 가능하게 모델링하였다. 3) 이 모델은 앞의 특수기동/정지모델과 비교하면 보다 간단한 모델이다. 반면 앞의 특수기동/정지모델은 두 개의 발전기만을 대상으로 하지만 본 모델은 다수의 GT에 대해서도 적용할 수 있다.

도 9와 같이 우선순위가 GT2 > GT1 > GT3라면 ST와 각각의 GT는 그림과 같은 형태로 기동이 된다. 이와 같이 우선순위를 적용하는 모델은 다음과 같이 모델링할 수 있다.

이하에서는, DC-OPF에 대해 설명하기로 한다. OPF는 optimal power flow라는 의미이며 송전선의 용량과 특성을 반영하여 최적의 발전기 출력을 결정하는 것이다. 송전선의 조류를 직류(direct current)로 모델링하면 DC OPF이며 교류(alternative current) 로 모델링하면 AC OPF라고 한다.

AC OPF는 비선현성이 심하여 발전계획에는 활용하지 못한다. 발전계획에는 DC OPF 모델이 반영된다. DC 조류 모델링의 경우, 직류는 두 모선 사이에 흐르는 조류를 두 모선의 위상각의 차이로 모델링한다. 모선 i의 위상각을 i, i 그리고 두 모선을 연결하는 선로의 리액턴스를 xij라고 할때 선로의 조류는 다음과 같이 표시된다.

각 모선의 발전량과 수요의 차이는 선로의 흐르는 조류의 합과 일정하다. 이를 식으로 표현하면 다음과 같다.

위의 수식은 모든 모선에 적용되며 이를 행렬로 다음과 같이 표현할 수 있다.

행렬 B는 선로의 리액턴스 xij로 표현된다.

DC OPF를 모델링할 때 power transfer distribution factor라는 값을 이용할 수 있다. 이 방법은 앞에 설명한 조류식을 통해 수학적으로 유도한 값이어서 앞의 직류 조류 모델링과 수학적으로 동일하다. 단 PTDF는 외부에서 계통의 정보에서 역행렬을 이용하여 산정하므로 전체 최적화의 수렴을 빠르게 한다. PTDF는 다음과 같이 정의된다.

PTDF의 정의에 따라 모선 i와 j를 연결하는 선로의 조류는 다음과 같이 표현된다.

PTDF를 이용하여 DC OPF는 다음과 같이 모델링된다.

여기서 제약조건은 1) 모선별 발전량과 수요의 차이는 수학식 78과 같이 해당 모선의 조류의 합이고,

2) 전체 모선의 발전량과 수요의 차이는 0이며,

3) 선로의 조류는 선로 용량을 초과할 수 없다.

이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

10 : 신재생 발전량 예측 및 발전계획 시스템
110 : 통신부 120 : 입력자료 관리부
130 : 입력자료 검증부 140 : 발전계획 결과 관리부
150 : 알고리즘 도출부 160 : 저장부
170 : 알고리즘 검증부 180 : 사용자 권한 판별부

Claims (8)

1. 수요 예측 정보를 제공하는 수요 예측 시스템, 발전기 예방 정비 계획 시스템(g-OMS), 입찰 및 수요자원 거래 정보를 제공하고 발전 계획 결과와 예비력 발전기 선정결과, 수요자원 감축 계획량 데이터를 제공받는 전력 거래 시스템(CBP), 발전기 상태 정보를 제공하는 EMS, 주간 발전 계획 결과를 제공해주는 통합 UC를 포함하는 외부 연계시스템과 연계되는 신재생 발전량 예측 및 발전계획 시스템에 있어서,
   상기 신재생 발전량 예측 및 발전계획 시스템은
   상기 외부 연계 시스템으로부터 발전기 상태 정보를 포함하하여 발전기 운영에 따른 입력 자료를 입력받고 저장부에 저장하는 입력 자료 관리부;
   상기 입력 자료 관리부로 입력받은 입력 자료 중 발전 계획 수립 요청에 따른 발전기의 발전 계획 수립에 대응되는 자료인지 검증하는 입력 자료 검증부;
   시간별 발전기 비용함수를 입력받아 시간별 선형화된 비용함수를 이용하여 발전 알고리즘을 도출하는 알고리즘 도출부; 및
   발전기 비용 데이터, 발전기 특성 데이터, 수력 조건, 양수 조건, 수요 조건, 송전제약, 초기 모의 결과, HVDC조류 결과 데이터 중 적어도 하나를 이용하여 상기 알고리즘 도출부에서 도출된 알고리즘의 발전계획의 제약에 대한 모델의 적합성을 검토하는 알고리즘 검증부; 및
   상기 알고리즘 도출부에서 도출된 알고리즘에 따라 도출되는 발전 계획 수립 결과 데이터를 저장하고 제공하는 발전 계획 결과 관리부;를 포함하고,
   상기 알고리즘 검증부는
   복합 발전기 모델링 검증, 양수 발전기 모델링 검증, ESS 모델링 검증, 북상 조류 제약 모델링 검증, HVDC 제약 모델링 검증, 그룹별 제약 모델링 검증, 그룹별 시간별 제약 모델링 검증, 그룹별 시간별 발전기 기동수 제약 모델링 검증, 발전기의 예비력 모델링 검증, 지역별 예비력 모델링 검증, 예비력 cascading 모델링 검증, 특서기동/정지제약 모델링 검증, GT 우선순위 모델링 검증, OPF 정확도 및 모의속도 검증 중 적어도 하나를 더 수행하고,
   상기 알고리즘 도출부는,
   최적화 엔진을 이용하여 발전기의 비용특성 정보를 읽어들여 비용함수의 선형화를 수행하고, 입력된 발전기, ESS, 모선, 선로 개수를 반영하여 최적화를 수행하며,
   상기 최적화 엔진은
   Xpress라는 솔버를 이용하여 수행되고, IVE 개발 환경을 지원하고, 상기 IVE 개발 환경에서 데이터의 입력, 데이터의 출력, 최적화 모델 및 데이터 검증마다 각각 다른 이름의 mos파일로 구성하고,
   발전비용, 목적함수, 최대출려과 최소출력, 최소운전/정지시간, 초기치, 기동 모델링, 정지모델, 최대기동회수 제한, MUSTRUN/MUSTPUMP, Ramp-rate등의 기본 특성, 복합발전기, 양수발전기, ESS 그룹별 송전 제약, 그룹별 시간별 송전 제약, 그룹별 시간별 기동수 제약, 발전기의 예비력 모델링, 지역별 예비력, 예비력 cascading, 특수기동/정지제약 및 GT 우선순위와 같은 특수조건 및 기동 모델링, DC-OPF의 알고리즘을 포함하는 신재생 발전량 예측 및 발전계획 시스템.
   
2. 삭제
3. 삭제
4. 제 1 항에 있어서,
   상기 입력 자료 관리부로 입력받은 입력 자료를 저장하는 입력 발전 계획 입력 정보 저장부,
   적어도 하나 이상의 발전기 운영정보를 주기적으로 수신하여 저장하는 발전기 운영 정보 저장부, 및
   발전 계획 결과 관리부에서 도출된 발전 계획 수립 결과 데이터를 저장하는 발전 계획 결과 저장부를 더 포함하는, 신재생 발전량 예측 및 발전계획 시스템.
   
5. 삭제
6. 제 1 항에 있어서,
   로그인 사용자를 판별하여, 사용자 권한에 따라 상이한 서비스를 제공하는, 사용자 권한 판별부;를 더 포함하는, 신재생 발전량 예측 및 발전계획 시스템.
   
7. 삭제
8. 제 1 항에 있어서,
   상기 알고리즘 도출부는,
   발전 비용을 산출하는 에너지 비용, 기동비용, 예비력 비용, 신재생 차단비용, ESS 충방전 비용, 페널티 비용 중 적어도 일부의 합인 총비용을 최소화하는 목적 함수를 포함하는, 신재생 발전량 예측 및 발전계획 시스템.