KR20190023791A - 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법 - Google Patents

신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법 Download PDF

Info

Publication number
KR20190023791A
KR20190023791A KR1020170110065A KR20170110065A KR20190023791A KR 20190023791 A KR20190023791 A KR 20190023791A KR 1020170110065 A KR1020170110065 A KR 1020170110065A KR 20170110065 A KR20170110065 A KR 20170110065A KR 20190023791 A KR20190023791 A KR 20190023791A
Authority
KR
South Korea
Prior art keywords
power generation
scenario
kwh
equivalent load
amount
Prior art date
Application number
KR1020170110065A
Other languages
English (en)
Other versions
KR102008922B1 (ko
Inventor
이병하
Original Assignee
인천대학교 산학협력단
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 인천대학교 산학협력단 filed Critical 인천대학교 산학협력단
Priority to KR1020170110065A priority Critical patent/KR102008922B1/ko
Publication of KR20190023791A publication Critical patent/KR20190023791A/ko
Application granted granted Critical
Publication of KR102008922B1 publication Critical patent/KR102008922B1/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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H02J3/382—
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
    • 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
    • Y04S10/545—

Abstract

신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법은 신재생발전의 불확실성을 등가의 부하의 불확실성으로 부하와 통합하여 가상등가부하변동의 밴드의 개념을 도입하고, 가상등가부하변동의 밴드의 상한치와 하한치를 결정하며, 랜덤하게 변화하는 통합된 시나리오 중에서 가장 심각한 시나리오를 선정하여 이에 대해 강인한 최적해를 구하여 최적 발전 운영의 모델링을 수행한다.

Description

신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법{System and Method of Simplified Robust Optimal Operation of Microgrids by Band of Wirtual Equivalent Load Variation Considering the Uncertainty of Renewable Generation and Loads}
본 발명은 마이크로그리드의 최적 발전 운영 방법에 관한 것으로서, 특히 신재생발전의 불확실성을 등가의 부하의 불확실성으로 부하와 통합하여 가상등가부하변동의 밴드의 개념을 도입하고, 가상등가부하변동의 밴드의 상한치와 하한치를 결정하며, 랜덤하게 변화하는 통합된 시나리오 중에서 가장 심각한 시나리오를 선정하여 이에 대해 강인한 최적해를 구하여 최적 발전 운영의 모델링을 수행하는 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법에 관한 것이다.
분산 전원으로 마이크로그리드에 사용되는 태양광발전과 풍력발전 등의 신재생 에너지는 자연 친화적인 그린 에너지라는 장점이 있지만, 전력 계통 운영에서 발전량이 일정치 않은 간헐적으로 발전되는 에너지원이라는 큰 단점을 가지고 있다.
신재생발전은 예측하기가 어려우며 랜덤하게 변하는 확률적인 특성이 강하다. 이러한 확률적인 특성을 제대로 분석하기 위해서는 랜덤하게 변하는 신재생발전을 고려하는 확률적인 마이크로그리드의 운영 기법 연구가 필요하고, 이러한 점들을 고려하여 환경과 여러 조건들이 변하더라도 안정되게 마이크로그리드를 운영할 수 있는 강인한 최적운영기법이 요구되고 있다.
마이크로그리드는 신재생에너지와 같은 간헐적인 발전 전원이 많이 사용되는데 신재생에너지와 부하의 불확실성으로 인하여 마이크로그리드 시스템을 높은 신뢰도를 유지하면서 효율적으로 운영하지 못하는 문제점이 있다.
이와 같은 문제점을 해결하기 위하여, 본 발명은 신재생발전의 불확실성을 등가의 부하의 불확실성으로 부하와 통합하여 가상등가부하변동의 밴드의 개념을 도입하고, 가상등가부하변동의 밴드의 상한치와 하한치를 결정하며, 랜덤하게 변화하는 통합된 시나리오 중에서 가장 심각한 시나리오를 선정하여 이에 대해 강인한 최적해를 구하여 최적 발전 운영의 모델링을 수행하는 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 특징에 따른 강인최적운영 방법은,
태양광발전, 풍력발전과 부하의 영향을 미치는 마이크로그리드 데이터를 예측 프로그램에 입력받아 태양광발전, 풍력발전과 부하를 예측하는 단계;
부하의 변화량에서 태양광발전의 변화량과 풍력발전의 변화량을 빼면 가상 등가 부하 변화량을 생성하는 단계;
상기 가상 등가 부하 변화량에 상한치와 하한치를 두어 가상등가부하변동의 밴드를 형성하는 단계;
상기 밴드의 상한치와 하한치의 변동 범위 내에서 시간대별 발전량이 변화하는 복수의 시나리오를 생성하는 단계; 및
상기 생성한 각각의 시나리오를 분석하고, 상기 각각의 시나리오 중에서 정전비용을 포함하여 가장 높은 발전비용이 발생하는 최적해가 나오는 최종 시나리오를 선정하고, 상기 최종 시나리오에서도 발전 시스템의 운영이 가능하도록 모델링을 수행하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 특징에 따른 강인최적운영 시스템은,
태양광발전, 풍력발전과 부하의 영향을 미치는 마이크로그리드 데이터를 예측 프로그램에 입력받아 태양광발전, 풍력발전과 부하를 예측하는 입력부;
부하의 변화량에서 태양광발전의 변화량과 풍력발전의 변화량을 빼면 가상 등가 부하 변화량을 생성하고, 상기 가상 등가 부하 변화량에 상한치와 하한치를 두어 가상등가부하변동의 밴드를 형성하는 부하변동 생성부;
상기 밴드의 상한치와 하한치의 변동 범위 내에서 시간대별 발전량이 변화하는 복수의 시나리오를 생성하는 시나리오 생성부; 및
상기 생성한 각각의 시나리오를 분석하고, 상기 각각의 시나리오 중에서 정전비용을 포함하여 가장 높은 발전비용이 발생하는 최적해가 나오는 최종 시나리오를 선정하고, 상기 최종 시나리오에서도 발전 시스템의 운영이 가능하도록 모델링을 수행하는 제어부를 포함하는 것을 특징으로 한다.
전술한 구성에 의하여, 본 발명은 랜덤하게 변하는 신재생발전을 고려하는 확률적인 마이크로그리드의 운영 방법을 제공하며, 환경과 여러 조건들이 변하더라도 안정되게 마이크로그리드를 발전 운영할 수 있는 강인한 최적운영 방법을 제공하는 효과가 있다.
본 발명은 신재생발전과 부하의 예측 오차가 발생할 확률을 통합하여 가상등가부하변동으로 환산하며, 랜덤하게 변하는 시나리오를 한 번에 생성하여 마이크로그리드의 발전 운영을 최적화하는 효과가 있다.
도 1은 본 발명의 실시예에 따른 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템의 구성을 간략하게 나타낸 블록도이다.
도 2 및 도 3은 본 발명의 실시예에 따른 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 방법을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 가상등가부하변동의 밴드의 일례를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 마이크로그리드의 강인 최적 운영을 위한 시나리오 선정의 일례를 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 마이크로그리드의 강인 최적 운영 시뮬레이션 결과를 나타낸 도면이다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 발명은 발전력과 부하 등의 확률적인 변화의 특성을 효과적으로 쉽게 반영하기 위하여 태양광발전, 풍력발전과 같이 인위적으로 조정할 수 없는 발전력의 변화의 부분을 등가적인 부하의 변화의 부분으로 치환하여 고려하는 가상 등가 부하 변화량을 도입한다.
본 발명은 부하가 이러한 가상 등가 부하 변화량의 폭 내에서 변할 때의 최적의 운영방안을 결정하면 강인한 최적화의 해를 구하는 것이 된다.
본 발명은 독립적으로 운영하는 독립운전모드의 마이크로그리드를 고려한다.
신재생에너지는 가장 널리 활용되고 있는 태양광발전과 풍력발전을 고려하며, 마이크로그리드의 발전원은 태양광발전과 풍력발전의 신재생발전기와 CHP(열병합발전)와 디젤발전기들로 이루어진 분산전원이고 부하와 에너지저장설비인 배터리를 포함한다고 가정한다.
본 발명은 랜덤하게 변하는 신재생발전과 부하를 고려하는 마이크로그리드의 확률적인 최적 운영기법을 적용할 때에 기존 기법에서는 발전과 부하를 각각 따로 확률변수로 적용할 수 밖에 없어서 확률적인 최적운영기법을 적용하기가 복잡하고 어려웠으나, 본 기법에서는 신재생발전의 확률적인 특성을 부하의 확률변수의 값에 포함시켜 등가화시켜 줌으로써 발전부분은 결정적 변수로서 일정한 값을 유지하고 부하부분만 확률적인 특성을 갖는 것으로 환산시켜 줄 수 있고, 확률적인 최적해를 구하는 문제를 크게 단순화시켜줄 수 있다. 따라서, 랜덤한 신재생발전과 부하와 관련되는 환경과 여러 조건들이 변하더라도 발전부분은 지정된 값으로 고정되어 있고 마치 부하만 랜덤하게 변화하는 것으로 간주하여 훨씬 쉽게 높은 신뢰도를 유지하면서도 안정되고 경제적으로 마이크로그리드를 확률적으로 최적 운영할 수 있는 강인한 최적운영 방법을 제공하는 효과가 있다.
도 1은 본 발명의 실시예에 따른 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템의 구성을 간략하게 나타낸 블록도이고, 도 2 및 도 3은 본 발명의 실시예에 따른 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 방법을 나타낸 도면이고, 도 4는 본 발명의 실시예에 따른 가상등가부하변동의 밴드의 일례를 나타낸 도면이다.
본 발명의 실시예에 따른 마이크로그리드의 최적 발전 운영 시스템(100)은 예측부(110), 표준편차 결정부(120), 부하변동 생성부(122), 시나리오 생성부(130), 제어부(140), 데이터 저장부(150) 및 디스플레이부(160)를 포함한다.
전력시스템은 전력의 공급과 수요가 항상 균형을 이루어야 한다. 배터리는 방전 시에는 전력을 공급할 수 있는 발전원의 역할을 하고, 충전 시에는 전력을 소비하는 부하의 역할을 한다.
t 구간에서의 전체의 그리드 주입전력 총량, 전체의 소비전력 총량을 각각 라고
Figure pat00001
,
Figure pat00002
라고 표기하면,
Figure pat00003
,
Figure pat00004
는 다음의 [수학식 1]과 [수학식 2]와 같다.
Figure pat00005
Figure pat00006
여기서,
Figure pat00007
는 각각 t 구간에서의 디젤발전기, 열병합발전, 태양광발전, 풍력발전, 부하, 배터리 방전 및 배터리 충전의 총량을 나타낸다.
이때, 전력 방정식은 다음의 [수학식 3]과 [수학식 4]와 같이 나타낸다.
Figure pat00008
Figure pat00009
이러한 [수학식 3]과 [수학식 4]는 다음의 [수학식 5]와 같이 정리할 수 있다.
Figure pat00010
여기에서 태양광과 풍력 발전의 변화량과 부하의 변화량을 고려하여 각각
Figure pat00011
라고 두면, 전력 방정식은 다음의 [수학식 6]과 같이 표현된다.
Figure pat00012
위의 [ 수학식 6]은 다음의 [수학식 7]과 같이 정리할 수 있다.
Figure pat00013
위의 [수학식 7]에서 살펴보면, 예측한 태양광 발전에서
Figure pat00014
만큼 태양광 발전이 증가하고 다른 발전량을 그 만큼 줄일 수 있으므로 부하의 관점에서 부하가
Figure pat00015
만큼 감소한 것과 등가의 효과가 있다. 풍력 발전의 변화량
Figure pat00016
도 동일한 방식으로 해석할 수 있다.
따라서, 가상 등가 부하 변화량
Figure pat00017
을 도입하여 다음의 [수학식 8]과 같이 나타내면, 전술한 [수학식 7]은 하기의 [수학식 9]와 같이 표현된다.
Figure pat00018
Figure pat00019
신재생에너지와 부하에 확률적인 불확실성을 고려하면, 태양광발전, 풍력발전, 부하는 확률변수가 되고, 가상 등가 부하
Figure pat00020
는 다음의 [수학식 10]과 같이 표현되는 확률변수들의 모음이 된다.
Figure pat00021
신재생에너지 발전량과 부하량의 불확실성에 대한 처리를 단순화하기 위하여 이러한 변화들은 모두 서로 독립인 가우시안(Gaussian) 정규 분포 특성을 가진다고 가정한다. 이러한 경우 확률 특성과 관련된 아래의 두 가지 정리가 성립한다.
(1) 확률변수들이 모두 서로 독립이고, 가우시안 정규분포인 경우에 이러한 확률변수들의 합의 기대값은 다음의 [수학식 11]과 같이, 각각의 확률변수들의 기대값의 합과 같다.
Figure pat00022
여기서, X1, X2, Xn은 서로 독립인 확률변수들을 나타내고, E(X1)은 X1 확률변수의 기대값을 나타낸다.
(2) 확률변수들의 모두 서로 독립이고, 가우시안 정규분포인 경우에 이러한 확률변수들의 합의 분산은 다음의 [수학식 12]와 같이, 각각의 확률변수들의 분산의 합과 같다.
Figure pat00023
여기서,
Figure pat00024
은 확률변수들의 합인
Figure pat00025
의 분산을 나타내고,
Figure pat00026
은 X1 확률변수의 분산을 나타내며,
Figure pat00027
와
Figure pat00028
은 각각 확률변수들의 합과 X1 확률변수의 표준편차를 나타낸다.
가상 등가 부하 변화량
Figure pat00029
에 상한치(
Figure pat00030
)와 하한치(
Figure pat00031
)를 두어 다음의 [수학식 13]과 같이 '가상등가부하변동밴드'를 만들 수 있다.
Figure pat00032
여기서, 상한치(Upper limit)와 하한치(Lower limit)는 가상등가부하의 표준편차를 고려하여 원하는 적정 확률의 신뢰도 범위까지 쉽게 결정할 수 있다. 이것은 신재생발전의 불확실성을 등가의 부하의 불확실성으로 부하와 통합하여 고려하는 새로운 가상등가부하변동밴드이다. 90%의 확률범위 정도의 신뢰도를 고려하면 표준편차의 1.28배를 적용하고, 더 신뢰성을 높여 99%의 확률범위 정도의 신뢰도를 원한다면 표준편차의 2.31배를 적용하면 된다.
가상등가부하변동의 밴드의 일례는 도 4에 도시된 바와 같이 나타낼 수 있다.
상한치와 하한치를
Figure pat00033
의 범위를 적용하는 경우, 그 확률은
Figure pat00034
으로서 신뢰의 확률은 95.4%가 된다. 여기서,
Figure pat00035
와 m은 각각 확률변수 X의 표준편차와 평균이다.
분석하는 각 시간대에 대하여 부하와 각각의 분산과 표준편차의 값들을 전술한 [수학식 12]를 이용하여 계산하고, 이를 [수학식 13]에서 나타낸 각 시간대의 상한치와 하한치를 결정하는데 적용하면, 각 시간대별로 상한치와 하한치를 휠씬 더 쉽게 정할 수 있다.
확률적인 해석 기법은 Monte-Carlo method, Cumulant method, Fourier series method, LOLP, LOLE 등의 기법들이 있으나, 이러한 기법들은 계산이 복잡하고 기존의 상용화된 결정적 기법의 최적화 알고리즘과는 별도의 해석과정이 필요하다.
확률적인 해석 기법이 결정적 기법에 비하여 단점으로 부각되는 부분이 시뮬레이션이 복잡하고 시간이 많이 소요된다는 점으로 해서 실제 현장에서는 결정적 기법에 근거한 프로그램을 사용하고 있다.
본 발명은 기존의 결정적 기법으로 해를 구하는 기법의 틀을 그대로 유지하면서 확률적인 효과를 반영할 수 있도록 하기 위하여 확률적 기법으로서 Monte-Carlo method를 적용한다.
Monte-Carlo 시뮬레이션을 위한 수많은 시나리오(Scenario)들이 가상등가부하변동밴드 내에서 만들어진다.
본 발명은 랜덤발생 함수를 통하여 랜덤한 시나리오들이 발생되며, 각 시간대별로 상한치와 하한치를 초과하는 경우는 그 시간대의 한계값인 가상등가부하변동밴드의 경계에서의 값을 취하는 것으로 시나리오를 구성한다.
예측부(110)는 태양광발전, 풍력발전과 부하의 영향을 미치는 각종 데이터 값(일기 예보와 관련된 데이터를 포함)인 마이크로그리드 데이터를 예측 프로그램에 입력하여 신재생에너지 및 부하를 예측한다(S100). 여기서, 예측 프로그램은 공지의 일기 예보와 관한 데이터를 근거로 신재생에너지 및 부하를 예측하는 공지된 프로그램이다.
표준편차 결정부(120)는 신재생에너지 및 부하의 불확실성을 고려한 각각의 예측치의 표준편차를 결정하고 신재생에너지와 부하를 통합한 가상등가부하변동의 표준편차를 결정한다(S102).
신재생에너지 및 부하의 불확실성을 고려한 각각의 예측치는 상기 예측 프로그램을 이용하여 각각의 예측치를 구하며, 표준편차는 이전의 기록들과 예측하는 시점에서의 기대되는 상황을 고려하여 결정한다. 예를 들어, 태양광 발전의 경우, 날씨와 여러 조건에 따라 예측된 태양광 발전과 실제 발전된 태양광 발전의 오차에 대한 이전의 많은 기록들에 근거하고 내일의 날씨가 어떻게 예보되고 있는지 등을 판단하여 예측치와 표준편차를 결정하게 된다.
신뢰도 요구치는 어느 정도의 신뢰도까지 할지 신뢰도와 발전비용을 고려하여 신뢰도 요구치를 결정한다(S104). 신뢰도 요구치는 신뢰도가 높아지면 발전비용이 많아지고 신뢰도가 낮아지면 발전비용이 작아지는 Trade Off 관계이며, 신뢰도와 발전비용을 모두 고려하여 적정한 보상점을 찾아 시스템 운영자가 결정하게 된다.
신뢰도가 높아지면 안정적인 전력 공급이 될 확률은 높아지나 발전비용이 더욱 커지므로 신뢰도가 높다고 무조건 좋은 것이 아니다.
90%의 신뢰도인 경우, 가상등가부하변동의 밴드 범위는
Figure pat00036
이다.
여기서,
Figure pat00037
와 m은 각각 확률변수 X의 표준편차와 평균이고,
Figure pat00038
가 가상등가부하변동의 밴드 하한치이고,
Figure pat00039
가 가상등가부하변동의 밴드 상한치이다.
99%의 신뢰도인 경우, 가상등가부하변동의 밴드 범위는
Figure pat00040
이다. 여기서,
Figure pat00041
가 가상등가부하변동의 밴드 하한치이고,
Figure pat00042
가 가상등가부하변동의 밴드 상한치이다.
부하변동 생성부(122)는 전술한 [수학식 8]과 같이, 부하의 변화량에서 태양광발전의 변화량과 풍력발전의 변화량을 빼면 가상 등가 부하 변화량을 생성하고, 상기 가상 등가 부하 변화량에 상한치와 하한치를 두어 가상등가부하변동의 밴드를 형성한다(수학식 12, 수학식 13).
부하변동 생성부(122)는 신뢰도가 시스템 운영자에 의해 결정되면, 결정된 신뢰도에 따라 신재생에너지와 부하를 통합한 가상등가부하변동의 밴드가 결정된다(S106).
시나리오 생성부(130)는 결정된 가상등가부하변동의 밴드를 기초로 Monte-Carlo 시뮬레이션 기법에 의해 발생 가능한 n개의 시나리오들을 생성한다(S108).
시나리오 생성부(130)는 n개의 시나리오에서 가상등가부하변동의 밴드를 초과하는 값들의 경우, 가상등가부하변동의 밴드의 경계치로 조정한다(S110).
시나리오 생성부(130)는 지정된 표준편차를 적용한 가상등가부하변동의 n개의 최종 시나리오를 구성한다(S112). n=1이면 결정적 기법에 의해 최적 운영해를 구하게 된다.
제어부(140)는 강인한 변동 범위 내에서 랜덤하게 변하는 n개의 선정된 시나리오들에 대하여 시뮬레이션을 수행하여 가장 심각한 시나리오를 선정하며 이에 대한 최적해를 구함으로써 강인한 최적해를 구한다.
제어부(140)는 Monte-Carlo 시뮬레이션 기법을 이용하여 j=1부터 j의 시나리오를 분석하고(S114), 각 시나리오에 대하여 제약조건을 고려하며(S116), 필요한 데이터의 값을 사용하여 최적해를 구하기 위한 시뮬레이션을 수행한다(S118). 여기서, 제약조건은 하기의 [수학식 14] 내지 [수학식 16]에 설명되어 있다.
제어부(140)는 공급지장전력 발생 시 정전비용을 적용하고(S120), 혼합정수계획법의 최적화 기법을 적용하며, 분지한계기법의 최적화 알고리즘을 적용하여 최적화 과정을 수행한다(S122).
제어부(140)는 j의 시나리오에 대하여 목적함수의 최적해를 구한다(S124).
제어부(140)는 j < n인 경우, j = j+1로 하나씩 증가하면서 S114 단계로 진행하며, j가 n보다 크게 되면 S130 단계로 진행하게 된다(S126, S128).
제어부(140)는 하기의 [수학식 17]의 목적함수를 최소화시키는 발전계획이 최적해이며, 발전비용이 가장 많이 발생되는 최적해가 나오는 시나리오가 가장 심각한 시나리오가 되며, 가장 심각한 시나리오에 대해서도 정전되지 않고 시스템 운영이 가능하도록 함으로써 강인한 특성을 갖게 된다.
제어부(140)는 j가 n보다 크게 되는 경우, 가장 심각한 시나리오를 선정하고, 이에 대한 강인한 최적해를 구한다(S130). 이로써 마이크로그리드의 강인 최적 운영 방안이 도출된다.
제어부(140)는 가상 등가 부하 변화량, 가상등가부하변동의 밴드, 최적해 등 발전 운영에 필요한 각종 데이터를 데이터 저장부(150)에 저장하도록 제어한다.
(제약조건)
각 분산전원은 최소 출력 및 최대 출력 사이의 범위 내에서 운전해야 한다.
마이크로그리드의 분산전원은 각 발전기의 최소 출력 이상, 최대 출력 이하의 범위 내에서 운전하여야 하는 제약조건이 가해진다. 전력공급과 전력수요가 동일하다는 전력 방정식의 제약 조건식을 조정하여 목적함수에 이를 페널티 함수로 표현하여 포함시킨다.
또한, 이러한 제약조건들에 추가하여 BESS의 제약 조건들이 포함된다. 에너지저장장치에서 방전 가능한 전력(
Figure pat00043
)은 에너지저장장치에 남아있는 전력량 내에서 방전이 가능하며 이는 제약조건인 다음의 [수학식 14]와 같다.
Figure pat00044
여기서,
Figure pat00045
= w 시나리오의 t-1 구간에서 에너지저장장치에 남아 있는 전략량,
Figure pat00046
는 에너지저장장치에서 방전 가능한 전력임.
에너지저장장치에서 충전 가능한 전력(
Figure pat00047
)은 현재 충전되어 있는 전력량을 제외한 여분의 범위 내에서 충전이 가능하며 이는 제약조건인 다음의 [수학식 15]와 같다.
Figure pat00048
여기서,
Figure pat00049
= 저장장치의 최대용량[kWh]이고,
Figure pat00050
는 에너지저장장치에서 충전 가능한 전력임.
저장장치의 최종 충전 상태는 손실률을 고려하여 제약조건인 다음의 [수학식 16]과 같다.
Figure pat00051
여기서,
Figure pat00052
= w시나리오의 t번째 구간의 충전 상태[kWh],
Figure pat00053
= 저장장치의 방전 손실률[p,u],
Figure pat00054
= 저장장치의 충전 손실률[p,u]이다.
마이크로그리드는 광역기반 분산전원과 연계되어 운전하는 계통연계형 모드와 독립적으로 운영하는 독립운전모드 두 가지가 있는데, 여기서는 분석의 효과를 보다 확실히 파악하기 위하여 독립적으로 운영하는 독립운전모드의 마이크로그리드에 대하여 분석한다.
(목적함수)
마이크로그리드는 태양광발전과 풍력발전의 신재생발전기와 CHP와 디젤발전기 등의 분산전원 및 부하와 에너지저장설비인 배터리를 포함한다고 가정한다.
위에서 제안하는 기법을 반영하는 목적함수는 다음의 [수학식 17]과 같다.
Figure pat00055
여기서, T=일일운용구간수,
Figure pat00056
=j번째 디젤발전기 발전단가[원/kWh],
Figure pat00057
= k번째 열병합발전기 발전단가[원/kWh],
Figure pat00058
=l번째 태양광발전 발전단가[원/kWh],
Figure pat00059
= w시나리오의 t구간에서의 j번째 디젤발전기의 발전량[kWh],
Figure pat00060
= w시나리오의 t구간에서의 k번째 디젤발전기의 발전량[kWh],
Figure pat00061
= w시나리오의 t구간에서의 k번째 디젤발전기의 발전량[kWh],
Figure pat00062
= m번째 풍력발전기 발전단가[원/kWh],
Figure pat00063
= w시나리오의 t구간에서의 m번째 풍력발전기의 발전량[kWh],
Figure pat00064
= j번째 디젤발전기의 기동비용[원/회],
Figure pat00065
= w시나리오의 t구간에서의 j번째 디젤발전기의 기동변경 상태(직전 상태가 정지에서 현 상태가 기동으로 바뀐 경우 1, 그렇지 않으며 0),
Figure pat00066
= 패널티 함수값(정전비용단가)[원/kWh],
Figure pat00067
= w시나리오의 구간에서의 전체 발전량과 밧데리 방전량의 합,
Figure pat00068
= W시나리오의 t구간에서의 전체 부하량과 밧데리 충전량의 합,
Figure pat00069
= w시나리오의 t구간에서의 가상등가부하 변화량,
Figure pat00070
= 가장 심각한 시나리오 w의 최소값을 의미한다.
위의 목적함수에서
Figure pat00071
,
Figure pat00072
,
Figure pat00073
는 평균값(mean)이며, 가상등가부하 변화량인 전술한 [수학식 8]의
Figure pat00074
의 값은 시나리오에 따라 변화하는 값을 갖는다.
마이크로그리드 최적 운영 시스템(100)은 목적함수에 공급전력이 불충분하여 공급지장이 발생되는 경우도 고려하기 위하여 페널티 함수를 도입하여 정전비용을 목적함수에 반영하는 최적 운영의 모델링이 제시된다.
페널티 함수는 정전시의 공급지장전력에 대하여 산정하는 정전비용 단가를 적용한다. 가장 심각한 시나리오는 확률적인 것을 고려하지 않고 세운 1일 전의 발전계획을 사용하여 고려하는 모든 시나리오에 대하여 시뮬레이션을 하여 정전비용을 포함하여 가장 높은 발전비용이 발생되는 시나리오이다.
확률적인 특성을 고려한 강인최적화를 위하여 Monte Carlo 시뮬레이션 기법이 가장 널리 적용되고 있다. 강인한 최적 운영이 되도록 하기 위해서는 변동 가능성이 있는 상한치와 하한치의 변동 범위 내에서 랜덤하게 변하는 시나리오들에 대하여 시뮬레이션을 하고 가장 심각한 시나리오에 대해서도 운영이 가능하도록 함으로써 강인한 특성을 갖도록 한다.
(가상등가부하변동 밴드를 이용한 단순화된 강인 최적화의 시뮬레이션 결과 및 분석)
(1) 가상등가부하변동밴드와 시나리오 선정
본 발명에서 전형적인 값으로 가상등가부하변동밴드의 상한치(Upper limit)와 하한치(Lower limit)로서 아주 평이하게
Figure pat00075
의 범위를 적용한다. 이 값은 이 프로그램의 최종 운영 결정권자가 상황에 맞게 적정 값으로 조정할 수 있다.
앞서와 같이 부하와 태양광발전과 풍력발전의 확률분포는 각각 매 시간대마다 3%, 10%, 10%의 표준편차를 갖는 정규분포를 나타낸다고 가정한다. 실제로는 기존 운영데이터 등을 분석하여 매 시간대 별로 산정된 예측치 오차의 확률치를 확보하면 이를 적용하면 된다. Monte Carlo 시뮬레이션 기법을 적용하기 위해 많은 시나리오(Scenario)들을 도출한다.
랜덤발생 함수를 통하여 수많은 랜덤한 시나리오들을 만들 때 허용되는 변동 범위인 가상등가부하변동밴드를 적용한다. 랜덤한 시나리오들을 발생시킬 때 각 시간대별로 가상등가부하변동밴드의 상한치와 하한치를 초과하는 경우는 그 시간대의 가상등가부하변동밴드의 상하한 경계값을 취하는 것으로 시나리오를 구성한다.
이렇게 하여 강인한 최적 운영을 위해서는 안정적인 전력공급이 되도록 많은 케이스의 시나리오에 대하여 검토하고 너무 지나친 조건의 케이스를 피할 수 있도록 가상등가부하변동밴드의 상한치와 하한치의 허용된 변동 범위 내에서 랜덤하게 변하는 많은 케이스의 시나리오들 중 에서 가장 심각한 시나리오를 선정하며 이에 대하여 강인한 최적해를 구하게 된다.
주어진 표준편차를 갖는 부하와 태양광발전과 풍력발전에 대하여 가상등가부하변동밴드의 상한치와 하한치로서
Figure pat00076
의 범위를 적용하였을 때 가상등가부하변동밴드와 이의 허용 변동 범위를 고려하여 발생시킨 시나리오들의 일례에 대한 도 5에 보여져 있다.
제어부(140)는 마이크로그리드의 강인 최적 운영을 위한 시나리오 선정 결과를 디스플레이부(160)에 출력하도록 제어한다.
(2) 시나리오에 따른 강인 최적 운영 시뮬레이션 결과
당일 급전 운영을 시행하기 1일 전에 발전계획을 세우고 이에 따라 당일에 마이크로그리드를 운영하는 것으로 가정하고 시뮬레이션을 수행한다. 1일 전에 기온, 습도, 풍속, 일조량 등 날씨의 일기예보와 요일, 계절, 산업경기, 절기, 특별행사 등과 지난 축적된 테이터 등을 고려하여, 태양광발전, 풍력발전 및 부하를 예측한다. 이를 토대로 선정된 시나리오의 세트에 대하여 최적화 프로그램인 Lingo 프로그램을 사용하여 시뮬레이션을 수행하고, 가장 심각한 시나리오를 선정하여 이에 대하여 각 발전기들의 각 구간에서의 최적발전량을 구한 결과가 도 6에 보여져있다.
제어부(140)는 마이크로그리드의 강인 최적 운영 시뮬레이션 결과를 디스플레이부(160)에 출력하도록 제어한다.
도 6에 도시된 바와 같이, PV는 태양광 발전, WIND는 풍력발전, CHP는 열병합발전, DIESEL은 디젤발전, BAT_D는 BESS 방전, BAT_C는 BESS 충전을 나타낸다. BESS 충전인 BAT_C는 다른 발전원과 다르게 부하의 역할과 유사하므로 발전과 반대 부호인 음의 값으로 표시되어 있다.
태양광 발전과 풍력발전과 같은 신재생에너지 발전의 발전단가는 아주 낮으므로 이러한 신재생에너지 발전이 우선적으로 운전된다.
열병합발전의 발전단가는 디젤 발전이나 다른 화력발전에 비하여 상대적으로 저렴하기 때문에 기저부하를 담당한다.
이에 반해 디젤발전기의 발전단가는 상대적으로 비싸므로 부하곡선의 상위부분에 해당하는 피크부하를 담당한다. 이러한 경우에 BESS를 사용하여 피크 삭감의 기능이 수행되어 진다. 즉, BESS는 발전력에 여유가 있는 부하가 작게 걸린 기간이거나 전력공급에 여유가 있는 기간 중에 충전하고, BESS에 충전된 전력을 전력공급이 부족한 시간대의 피크부하 기간 중에 방전하여 필요한 전력을 안정적으로 공급한다.
구간 11, 14, 15, 16, 17과 18에서 약간의 전력 부족이 발생하므로, BESS는 발전전력의 여유가 있는 구간에서 약간씩 충전하여, 전력 부족이 발생한 구간에서 충전된 전력을 방전한다. 이러한 동작으로 BESS는 전력이 부족한 시간대에서 피크부하를 삭감하는 역할을 수행함을 보여 준다.
(3) 마이크로그리드의 강인한 최적 운영 기법에 대한 검토 및 결정적 기법과의 비교
강인한 최적화 기법에서는 발생 가능한 많은 시나리오들을 선정하고 이들 중 가장 심각한 시나리오를 선정하여 이에 대해 안정적이고도 경제적인 최적 운영이 되는 방안을 수립한다. 이때, 너무 가혹한 조건의 시나리오를 고려하면 안정적인 전력 공급의 확률을 더욱 높일 수 있지만, 그만큼 이에 대한 대비를 해야 하므로 운영 비용이 더 늘어나게 된다.
본 발명의 시뮬레이션에서는 표준편차의 2배인
Figure pat00077
의 범위를 변도의 허용 범위로 적용하였지만
Figure pat00078
이거나 이 이상의 범위를 고려하는 경우가 이에 해당한다고 할 수 있다.
너무 안정적인 운영을 고려하면 거기에 맞추어 더 큰 비용을 수반하게 된다. 그렇다고 결정적 기법에서 처럼 하나의 고정된 시나리오에 대해서만 방안을 세우는 것은 변화가 큰 신재생에너지와 부하의 불확실성을 고려할 때 심각한 시나리오가 실제로 발생했을 때 대처하는 강인한 그리드의 운영이 될 수가 없다. 따라서 이러한 점을 고려하여 서로 상반되는 특성인 신뢰도와 경제성을 적정한 수준에서 충족시키는 상호 절충이 이루어져야 한다.
가장 심각한 시나리오를 선정하고 이에 대하여 시뮬레이션을 수행하여 강인최적운영 방안을 도출한 것과 1일 전에 수립한 발전계획으로 강인최적운영 방안 결정에 사용된 동일한 시나리오 발생 시에 결정적 기법으로 최적운영 방안을 도출한 것을 함께 제시하면 하기의 [표 1]과 같다.
이러한 경우에 강인최적화기법에 의한 1일 간의 전체발전비용은 1,254,611.8[원]이고 결정적 기법에 의한 1일 간의 전체발전비용은 1,451,089.7[원]으로서 강인 최적화 기법에 의한 운영이 결정적 기법에 의한 운영보다 196,477.9[원] 더 이득임을 알 수 있다.
강인한 최적 기법에서는 가장 심각한 시나리오에 대해서 안정적인 전력 공급이 되도록 운영을 하므로 공급지장전력이 발생되지 않으나 결정적 기법으로 하나의 시나리오에 대비하여 운영하는 경우에 심각한 시나리오가 발생할 시에 발생 확률이 작고 일시적이라 할지라도 전력 공급이 부족하여 정전이 발생되는 경우도 일어난다.
발생되는 공급지장전력의 단가는 정전 비용으로서 최고발전단가인 디젤발전단가의 10배로 가정하여 적용하였으며, 이러한 비용들이 반영되어서 [표 2]의 결과가 나온 것이다. 정전은 경제적인 면 뿐만 아니라 이로 인한 육체적, 정신적, 삶의 위험의 고통을 고려하면 경제적 사회적 손실이 크므로 수용가의 종별과 정전 시간에 따라 정전 비용 단가에 큰 차이가 있지만 일반적으로 여기서 적용한 수치보다는 더 높은 비용으로 적용할 수 있다. 이러한 관점에서 보면 본 발명의 강인 최적화 기법에 의하여 운영하는 것이 바람직하다.
Figure pat00079
(시뮬레이션 결과에 의한 전체발전비용 비교)
신재생 에너지는 자연 친화적인 에너지라는 장점이 있지만, 전력계통 운영 측면에서 보면 간헐적으로 발전되는 에너지원이어서 정확도가 높게 예측하기가 어려우며 랜덤하게 변하는 확률적인 특성이 강하다. 이러한 특성을 제대로 분석하기 위하여 랜덤하게 변하는 신재생발전을 고려하는 확률적인 마이크로그리드의 운영 기법 연구가 필요하고, 이러한 점들을 고려하여 환경과 여러 조건들이 변하더라도 안정되게 마이크로그리드를 운영할 수 있는 강인한 최적운영기법이 요구되고 있다.
본 논문에서는 실제 현장에서 사용되고 있는 최적운영해를 구하는 기존의 결정적 기법의 틀을 그대로 유지하면서 신재생에너지와 부하의 불확실성을 고려하여 확률적인 효과를 반영할 수 있도록 하기 위하여 확률적 해석기법으로서 Monte-Carlo method를 적용하였다. 신재생에너지와 부하의 불확실성을 고려하는 강인한 최적운영의 해를 보다 더 효율적이고 간편하게 구하기 위하여, 신재생발전의 불확실성을 등가의 부하의 불확실성으로 부하와 통합하여 고려하는 새로운 가상등가부하변동밴드의 개념을 도입하였다.
가상등가부하변동밴드를 적용하여 이의 상한치와 하한치를 더 체계적으로 결정하고, 랜덤하게 변화하는 통합된 시나리오 중에서 가장 심각한 시나리오를 선정하여 이에 대해 강인한 최적해를 쉽게 구하는 단순화된 강인 최적 운영 기법을 제시하였다.
또한 목적함수에 공급전력이 불충분하여 공급지장이 발생되는 경우도 고려하기 위하여 페널티함수를 도입하여 정전비용을 목적함수에 반영하는 최적운영의 모델링이 제시되었다. 이러한 모델을 독립운전 모드의 가상의 마이크로그리드의 시스템에 적용하여 그 효과를 보여주었다.
이상에서 설명한 본 발명의 실시예는 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
100: 마이크로그리드의 최적 발전 운영 시스템
110: 예측부
120: 표준편차 결정부
122: 부하변동 생성부
130: 시나리오 생성부
140: 제어부
150: 데이터 저장부
160: 디스플레이부

Claims (11)

  1. 태양광발전, 풍력발전과 부하의 영향을 미치는 마이크로그리드 데이터를 예측 프로그램에 입력받아 태양광발전, 풍력발전과 부하를 예측하는 단계;
    부하의 변화량에서 태양광발전의 변화량과 풍력발전의 변화량을 빼면 가상 등가 부하 변화량을 생성하는 단계;
    상기 가상 등가 부하 변화량에 상한치와 하한치를 두어 가상등가부하변동의 밴드를 형성하는 단계;
    상기 밴드의 상한치와 하한치의 변동 범위 내에서 시간대별 발전량이 변화하는 복수의 시나리오를 생성하는 단계; 및
    상기 생성한 각각의 시나리오를 분석하고, 상기 각각의 시나리오 중에서 정전비용을 포함하여 가장 높은 발전비용이 발생하는 최적해가 나오는 최종 시나리오를 선정하고, 상기 최종 시나리오에서도 발전 시스템의 운영이 가능하도록 모델링을 수행하는 단계를 포함하는 것을 특징으로 하는 강인최적운영 방법.
  2. 제1항에 있어서,
    상기 모델링을 수행하는 단계는,
    상기 각각의 시나리오의 분석 시 Monte-Carlo method를 적용하는 것을 특징으로 하는 강인최적운영 방법
  3. 제1항에 있어서,
    상기 모델링을 수행하는 단계는,
    시간대별 발전량을 변경하면서 하기의 수학식 1을 나타내는 목적함수의 값이 최소가 되는 최적해를 계산하는 것을 특징으로 하는 강인최적운영 방법
    [수학식 1]
    Figure pat00080

    여기서, T=일일운용구간수,
    Figure pat00081
    =j번째 디젤발전기 발전단가[원/kWh],
    Figure pat00082
    = k번째 열병합발전기 발전단가[원/kWh],
    Figure pat00083
    =l번째 태양광발전 발전단가[원/kWh],
    Figure pat00084
    = w시나리오의 t구간에서의 j번째 디젤발전기의 발전량[kWh],
    Figure pat00085
    = w시나리오의 t구간에서의 k번째 디젤발전기의 발전량[kWh],
    Figure pat00086
    = w시나리오의 t구간에서의 k번째 디젤발전기의 발전량[kWh],
    Figure pat00087
    = m번째 풍력발전기 발전단가[원/kWh],
    Figure pat00088
    = w시나리오의 t구간에서의 m번째 풍력발전기의 발전량[kWh],
    Figure pat00089
    = j번째 디젤발전기의 기동비용[원/회],
    Figure pat00090
    = w시나리오의 t구간에서의 j번째 디젤발전기의 기동변경 상태(직전 상태가 정지에서 현 상태가 기동으로 바뀐 경우 1, 그렇지 않으며 0),
    Figure pat00091
    = 패널티 함수값(정전비용단가)[원/kWh],
    Figure pat00092
    = w시나리오의 구간에서의 전체 발전량과 밧데리 방전량의 합,
    Figure pat00093
    = W시나리오의 t구간에서의 전체 부하량과 밧데리 충전량의 합,
    Figure pat00094
    = w시나리오의 t구간에서의 가상등가부하 변화량,
    Figure pat00095
    = 가장 심각한 시나리오 w의 최소값을 의미함.
  4. 제1항에 있어서,
    상기 복수의 시나리오를 생성하는 단계는,
    상기 가상등가부하변동의 표준편차를 결정하는 단계;
    상기 복수의 시나리오에서 상기 가상등가부하변동의 밴드를 초과하는 값들인 경우, 상기 가상등가부하변동의 밴드의 경계치로 조정하는 단계; 및
    상기 결정된 표준편차를 적용한 가상등가부하변동의 복수의 최종 시나리오를 구성하는 단계를 것을 특징으로 하는 강인최적운영 방법.
  5. 제1항에 있어서,
    상기 복수의 시나리오를 생성하는 단계는,
    상기 가상등가부하변동의 표준편차를 결정하는 단계;
    상기 결정된 표준편차를 고려하여 원하는 적정 확률의 신뢰도를 결정하는 단계; 및
    상기 결정된 신뢰도에 따라 상기 상한치와 상기 하한치를 결정하는 단계를 포함하는 것을 특징으로 하는 강인최적운영 방법.
  6. 제1항에 있어서,
    상기 가상등가부하변동의 표준편차를 결정하는 단계;
    상기 결정된 표준편차를 고려하여 90%의 신뢰도로 결정되면, 상기 가상등가부하변동의 밴드 범위가 하기의 수학식 2로 결정되고, 99%의 신뢰도로 결정되면, 상기 가상등가부하변동의 밴드 범위가 하기의 수학식 3으로 결정되는 단계를 포함하는 것을 특징으로 하는 강인최적운영 방법.
    [수학식 2]
    Figure pat00096

    여기서,
    Figure pat00097
    와 m은 각각 확률변수 X의 표준편차와 평균이고,
    Figure pat00098
    가 가상등가부하변동의 밴드 하한치이고,
    Figure pat00099
    가 가상등가부하변동의 밴드 상한치임.
    [수학식 3]
    Figure pat00100

    여기서,
    Figure pat00101
    가 가상등가부하변동의 밴드 하한치이고,
    Figure pat00102
    가 가상등가부하변동의 밴드 상한치임.
  7. 제1항에 있어서,
    상기 모델링을 수행하는 단계는,
    상기 각각의 시나리오의 분석 시 하기의 제약조건식인 수학식 4, 수학식 5, 수학식 6을 반영시켜 상기 최적해를 계산하는 단계를 포함하는 것을 특징으로 하는 강인최적운영 방법.
    [수학식 4]
    Figure pat00103

    여기서,
    Figure pat00104
    = w 시나리오의 t-1 구간에서 에너지저장장치에 남아 있는 전략량,
    Figure pat00105
    는 에너지저장장치에서 방전 가능한 전력임.
    [수학식 5]

    Figure pat00106

    여기서,
    Figure pat00107
    = 저장장치의 최대용량[kWh]이고,
    Figure pat00108
    는 에너지저장장치에서 충전 가능한 전력임.
    [수학식 6]
    Figure pat00109

    여기서,
    Figure pat00110
    = w시나리오의 t번째 구간의 충전 상태[kWh],
    Figure pat00111
    = 저장장치의 방전 손실률[p,u],
    Figure pat00112
    = 저장장치의 충전 손실률[p,u]임.
  8. 제3항에 있어서,
    상기 모델링을 수행하는 단계는,
    상기 목적함수를 이용하여 최적해를 계산하는 경우, 공급지장전력 발생 시 정전비용을 적용하고, 혼합정수계획법의 최적화 기법을 적용하며, 분지한계기법의 최적화 알고리즘을 적용하여 최적화 과정을 수행하는 단계를 포함하는 것을 특징으로 하는 강인최적운영 방법.
  9. 태양광발전, 풍력발전과 부하의 영향을 미치는 마이크로그리드 데이터를 예측 프로그램에 입력받아 태양광발전, 풍력발전과 부하를 예측하는 입력부;
    부하의 변화량에서 태양광발전의 변화량과 풍력발전의 변화량을 빼면 가상 등가 부하 변화량을 생성하고, 상기 가상 등가 부하 변화량에 상한치와 하한치를 두어 가상등가부하변동의 밴드를 형성하는 부하변동 생성부;
    상기 밴드의 상한치와 하한치의 변동 범위 내에서 시간대별 발전량이 변화하는 복수의 시나리오를 생성하는 시나리오 생성부; 및
    상기 생성한 각각의 시나리오를 분석하고, 상기 각각의 시나리오 중에서 정전비용을 포함하여 가장 높은 발전비용이 발생하는 최적해가 나오는 최종 시나리오를 선정하고, 상기 최종 시나리오에서도 발전 시스템의 운영이 가능하도록 모델링을 수행하는 제어부를 포함하는 것을 특징으로 하는 강인최적운영 시스템.
  10. 제9항에 있어서,
    상기 제어부는 시간대별 발전량을 변경하면서 하기의 수학식 1을 나타내는 목적함수의 값이 최소가 되는 최적해를 계산하며, 상기 최적해가 나오는 시나리오가 상기 최종 시나리오가 되는 것을 특징으로 하는 강인최적운영 시스템.
    [수학식 1]
    Figure pat00113

    여기서, T=일일운용구간수,
    Figure pat00114
    =j번째 디젤발전기 발전단가[원/kWh],
    Figure pat00115
    = k번째 열병합발전기 발전단가[원/kWh],
    Figure pat00116
    =l번째 태양광발전 발전단가[원/kWh],
    Figure pat00117
    = w시나리오의 t구간에서의 j번째 디젤발전기의 발전량[kWh],
    Figure pat00118
    = w시나리오의 t구간에서의 k번째 디젤발전기의 발전량[kWh],
    Figure pat00119
    = w시나리오의 t구간에서의 k번째 디젤발전기의 발전량[kWh],
    Figure pat00120
    = m번째 풍력발전기 발전단가[원/kWh],
    Figure pat00121
    = w시나리오의 t구간에서의 m번째 풍력발전기의 발전량[kWh],
    Figure pat00122
    = j번째 디젤발전기의 기동비용[원/회],
    Figure pat00123
    = w시나리오의 t구간에서의 j번째 디젤발전기의 기동변경 상태(직전 상태가 정지에서 현 상태가 기동으로 바뀐 경우 1, 그렇지 않으며 0),
    Figure pat00124
    = 패널티 함수값(정전비용단가)[원/kWh],
    Figure pat00125
    = w시나리오의 구간에서의 전체 발전량과 밧데리 방전량의 합,
    Figure pat00126
    = W시나리오의 t구간에서의 전체 부하량과 밧데리 충전량의 합,
    Figure pat00127
    = w시나리오의 t구간에서의 가상등가부하 변화량,
    Figure pat00128
    = 가장 심각한 시나리오 w의 최소값을 의미함.
  11. 제9항에 있어서,
    상기 제어부는 상기 각각의 시나리오의 분석 시 하기의 제약조건식인 수학식 2, 수학식 3, 수학식 4를 반영시켜 상기 최적해를 계산하는 단계를 포함하는 것을 특징으로 하는 강인최적운영 시스템.
    [수학식 2]
    Figure pat00129

    여기서,
    Figure pat00130
    = w 시나리오의 t-1 구간에서 에너지저장장치에 남아 있는 전략량,
    Figure pat00131
    는 에너지저장장치에서 방전 가능한 전력임.
    [수학식 3]

    Figure pat00132

    여기서,
    Figure pat00133
    = 저장장치의 최대용량[kWh]이고,
    Figure pat00134
    는 에너지저장장치에서 충전 가능한 전력임.
    [수학식 4]
    Figure pat00135

    여기서,
    Figure pat00136
    = w시나리오의 t번째 구간의 충전 상태[kWh],
    Figure pat00137
    = 저장장치의 방전 손실률[p,u],
    Figure pat00138
    = 저장장치의 충전 손실률[p,u]임.
KR1020170110065A 2017-08-30 2017-08-30 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법 KR102008922B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170110065A KR102008922B1 (ko) 2017-08-30 2017-08-30 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170110065A KR102008922B1 (ko) 2017-08-30 2017-08-30 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20190023791A true KR20190023791A (ko) 2019-03-08
KR102008922B1 KR102008922B1 (ko) 2019-08-08

Family

ID=65801713

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170110065A KR102008922B1 (ko) 2017-08-30 2017-08-30 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102008922B1 (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111463836A (zh) * 2020-05-13 2020-07-28 陕西燃气集团新能源发展股份有限公司 一种综合能源系统优化调度方法
CN111553398A (zh) * 2020-04-21 2020-08-18 湖南城市学院 基于多维正态分布的风电场景不确定连续区间获取方法
KR20200131460A (ko) * 2019-05-14 2020-11-24 효성중공업 주식회사 독립형 마이크로그리드 및 그 엔진 발전 제어 방법
CN113822470A (zh) * 2021-08-31 2021-12-21 国网电力科学研究院有限公司 计及新能源场站出力不确定性的出力数据生成方法及系统
CN115660187A (zh) * 2022-11-02 2023-01-31 国家电网有限公司 一种低碳小镇地源热泵容量优化配置方法
CN115688394A (zh) * 2022-10-18 2023-02-03 上海科技大学 考虑电网多重不确定性的v2g分布鲁棒优化方法
CN116415740A (zh) * 2023-06-06 2023-07-11 国网浙江省电力有限公司金华供电公司 一种基于鞍论不确定性的虚拟电厂两阶段鲁棒优化方法
KR102582036B1 (ko) * 2022-06-29 2023-09-25 중앙대학교 산학협력단 Micro-grid에서 실시간 경제 급전 문제를 위한 최적화 장치 및 최적화 방법
CN117094537A (zh) * 2023-10-19 2023-11-21 国网浙江省电力有限公司丽水供电公司 电网规划方法、装置、电子设备和存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102599639B1 (ko) * 2020-10-23 2023-11-08 서울과학기술대학교 산학협력단 마이크로그리드 시스템의 제어 방법 및 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011130584A (ja) * 2009-12-17 2011-06-30 Fuji Electric Systems Co Ltd 発電計画作成方法および発電計画作成システム
JP2016063609A (ja) * 2014-09-17 2016-04-25 一般財団法人電力中央研究所 運用計画策定装置、運用計画策定方法および運用計画策定プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011130584A (ja) * 2009-12-17 2011-06-30 Fuji Electric Systems Co Ltd 発電計画作成方法および発電計画作成システム
JP2016063609A (ja) * 2014-09-17 2016-04-25 一般財団法人電力中央研究所 運用計画策定装置、運用計画策定方法および運用計画策定プログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
랜덤하게 변하는 부하량을 고려한 마이크로그리드 최적운용(2013.07.) 1부.* *
신재생에너지의 불확실성을 고려한 마이크로그리드의 운영기법에 관한 연구(2014.07.) 1부.* *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200131460A (ko) * 2019-05-14 2020-11-24 효성중공업 주식회사 독립형 마이크로그리드 및 그 엔진 발전 제어 방법
CN111553398A (zh) * 2020-04-21 2020-08-18 湖南城市学院 基于多维正态分布的风电场景不确定连续区间获取方法
CN111553398B (zh) * 2020-04-21 2021-03-26 湖南城市学院 基于多维正态分布的风电场景不确定连续区间获取方法
CN111463836A (zh) * 2020-05-13 2020-07-28 陕西燃气集团新能源发展股份有限公司 一种综合能源系统优化调度方法
CN111463836B (zh) * 2020-05-13 2023-05-26 陕西燃气集团新能源发展股份有限公司 一种综合能源系统优化调度方法
CN113822470A (zh) * 2021-08-31 2021-12-21 国网电力科学研究院有限公司 计及新能源场站出力不确定性的出力数据生成方法及系统
CN113822470B (zh) * 2021-08-31 2024-04-02 国网电力科学研究院有限公司 计及新能源场站出力不确定性的出力数据生成方法及系统
KR102582036B1 (ko) * 2022-06-29 2023-09-25 중앙대학교 산학협력단 Micro-grid에서 실시간 경제 급전 문제를 위한 최적화 장치 및 최적화 방법
CN115688394B (zh) * 2022-10-18 2023-12-26 上海科技大学 考虑电网多重不确定性的v2g分布鲁棒优化方法
CN115688394A (zh) * 2022-10-18 2023-02-03 上海科技大学 考虑电网多重不确定性的v2g分布鲁棒优化方法
CN115660187A (zh) * 2022-11-02 2023-01-31 国家电网有限公司 一种低碳小镇地源热泵容量优化配置方法
CN115660187B (zh) * 2022-11-02 2024-04-30 国家电网有限公司 一种低碳小镇地源热泵容量优化配置方法
CN116415740B (zh) * 2023-06-06 2023-09-12 国网浙江省电力有限公司金华供电公司 一种基于鞍论不确定性的虚拟电厂两阶段鲁棒优化方法
CN116415740A (zh) * 2023-06-06 2023-07-11 国网浙江省电力有限公司金华供电公司 一种基于鞍论不确定性的虚拟电厂两阶段鲁棒优化方法
CN117094537A (zh) * 2023-10-19 2023-11-21 国网浙江省电力有限公司丽水供电公司 电网规划方法、装置、电子设备和存储介质
CN117094537B (zh) * 2023-10-19 2024-01-05 国网浙江省电力有限公司丽水供电公司 电网规划方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
KR102008922B1 (ko) 2019-08-08

Similar Documents

Publication Publication Date Title
KR102008922B1 (ko) 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법
Xia et al. Optimal sizing of energy storage system and its cost-benefit analysis for power grid planning with intermittent wind generation
Hossain et al. Energy management of community energy storage in grid-connected microgrid under uncertain real-time prices
Mohamed et al. An effective stochastic framework for smart coordinated operation of wind park and energy storage unit
Branco et al. Battery energy storage systems as a way to integrate renewable energy in small isolated power systems
Farzin et al. Stochastic energy management of microgrids during unscheduled islanding period
US8571720B2 (en) Supply-demand balance controller
Lujano-Rojas et al. Operating conditions of lead-acid batteries in the optimization of hybrid energy systems and microgrids
Dragičević et al. Capacity optimization of renewable energy sources and battery storage in an autonomous telecommunication facility
US9568901B2 (en) Multi-objective energy management methods for micro-grids
US20140350743A1 (en) Tiered power management system for microgrids
Khosravi et al. Optimal sizing and technology selection of hybrid energy storage system with novel dispatching power for wind power integration
CN111200293B (zh) 基于电池损耗和分布式电网电池储能日前随机调度的方法
CN111009895B (zh) 一种微网优化调度方法、系统以及设备
Xu et al. Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation
Kwon et al. Enhanced method for considering energy storage systems as ancillary service resources in stochastic unit commitment
Mohan et al. Economic and network feasible online power management for renewable energy integrated smart microgrid
Majidi et al. Optimal sizing of energy storage system in a renewable-based microgrid under flexible demand side management considering reliability and uncertainties
Wang et al. Integrated platform to design robust energy internet
Zhou et al. Interval optimization combined with point estimate method for stochastic security-constrained unit commitment
Panda et al. Economic operational analytics for energy storage placement at different grid locations and contingency scenarios with stochastic wind profiles
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
Gomes et al. Hybrid solar PV-wind-battery system bidding optimisation: A case study for the Iberian and Italian liberalised electricity markets
US8612362B2 (en) Appliance cooperation operation device
Sperstad et al. Cost-benefit analysis of battery energy storage in electric power grids: Research and practices

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right