1. 서 론

전 세계적으로 지구 온난화에 대한 관심이 높아짐에 따라 태양광, 풍력 발전과 같은 재생 에너지 설치에 대한 관심도 증가하고 있다. 한국의 경우, 2019년 발전 총량 125,337 [MW] 중 재생 에너지는 15,791 [MW]로 약 12.59 [%]를 차지하였다. 이 중 태양광 발전은 10,505 [MW]로 재생 에너지 발전량의 대부분을 차지하며 2012년에 비해 약 15배 이상 증가한 수치다⁽¹⁾. 2019년 6월, 산업통상자원부는 2040년까지 전체 에너지에 대하여 재생 에너지 발전 비중을 30 ~ 35[%]로 확대하는 제3차 에너지기본계획을 발표하여 재생 에너지를 이용한 발전은 앞으로도 꾸준히 증가할 것으로 예상된다⁽²⁾.

단방향으로만 전력을 공급하는 기존 방사형 계통에 재생 에너지의 침투율이 증가할수록 역조류가 자주 발생하여 조류 형태가 양방향으로 변화하게 된다⁽³⁾. 조류 형태가 양방향이 되면서 수전점의 과전압 문제를 해결하기 위한 On Load Tap Changer (OLTC), Step Voltage Regulator (SVR), Switched Capacitor Bank 등과 같은 기존 전압 조정장치는 역조류 문제에 대해 효과적인 작동을 기대하기에는 어려움이 있다⁽⁴⁾. 또한, 재생 에너지의 간헐적 출력 특성으로 인해 전압 변동이 잦아지기 때문에 전압 조정장치의 작동 횟수가 증가하게 되어 수명이 감소하게 된다⁽⁵⁾. 이러한 문제를 해결하기 위한 방안으로 재생 에너지의 능동적인 제어 시스템이 요구되고 그에 따라 스마트 인버터를 활용한 역률, 전압, 주파수, 유효전력 조정 등과 같은 다양한 제어에 관한 연구가 활발히 진행되고 있다⁽⁶⁾.

본 논문에서는 배전계통에 재생 에너지가 연계되었을 때 발생 가능한 전압 문제를 해결하기 위한 방안으로 스마트 인버터의 기능 중 Volt-VAR 제어를 사용하였다. 계통 내에서 Volt-VAR 제어를 사용한다면, 저전압이나 과전압 문제를 해결해 주기 때문에 재생 에너지가 전력 계통에 연계될 수 있는 총 용량을 의미하는 수용용량이 증가하는 장점이 있다. 하지만 무효전류도 증가하게 되어 손실 또한 증가하게 되는 단점이 있다. 따라서 재생 에너지가 스마트 인버터를 통해 연계된 계통에서 손실과 수용용량을 고려하여 효과적인 Volt-VAR 제어 곡선을 선정하는 방안을 제시하였다. 시뮬레이션은 MATLAB과 전력조류 계산 프로그램인 Open source Distribution System Simulator (OpenDSS)를 연동하여 진행하였다. OpenDSS를 통해 스마트 인버터의 수정된 Volt-VAR 제어 곡선을 적용하여 조류 해석된 값을 MATLAB으로 전송받아 계통 내에 존재할 수 있는 최대 수용용량을 유전 알고리즘을 통해 산정하였다.

2. 스마트 인버터

2.2 Volt-VAR 제어

그림 1과 같은 Volt-VAR 제어는 스마트 인버터가 능동적으로 무효전력 출력을 제어하여 구내 전압을 적정 수준으로 유지하는 제어 방법이다. 그리고 통신수단 없이 특성 곡선만을 이용하여 자체적으로 무효전력을 제어하는 장점이 있다^(11,12). 본 논문에서는 유효전력 또는 무효전력 우선모드 중 유효전력 출력량에 영향을 주지 않기 위해 Volt-VAR 제어 시 이용 가능한 무효전력만을 이용하는 유효전력 우선모드를 사용하였다.

그림 1은 현재 전압 ($V$)이 $V_{1}$보다 낮은 경우, 스마트 인버터의 이용 가능한 무효전력의 50 [%]를 공급 (즉, 용량성 무효전력 출력)하여 전압을 상승시키고 $V_{4}$보다 높은 경우, 이용 가능한 무효전력의 50 [%]를 흡수 (즉, 유도성 무효전력 출력)하여 전압을 낮춰주는 제어를 보여준다. 현재 전압이 $V_{1}$과 $V_{2}$ 사이, $V_{3}$와 $V_{4}$ 사이인 경우, 식(1)과 같이 선형적으로 제어된다. $V_{2}$와 $V_{3}$ 사이는 무효전력이 제어되지 않거나 0의 값을 유지하는 데드 밴드 영역이다⁽¹³⁾. 앞서 제시된 Volt-VAR 제어 곡선 그래프는 제작사 혹은 관련 표준에 의해 모양 혹은 제어 범위가 수정될 수 있고 현재는 최적 그래프를 찾기 위한 다양한 연구가 이루어지고 있다.

그림. 1. Volt-VAR 제어 곡선

Fig. 1. Volt-VAR control curve

(1)

$$ Q=\left\{\begin{array}{clll} Q_{\max } & , V<V_{1} & \text { Fixed Control } \\ Q_{\text {max }}-\frac{Q_{\max }}{V_{2}-V_{1}}\left(V-V_{1}\right) & , V_{1} \leq V \leq V_{2} & \text { Linear Control } \\ 0 &, V_{2} \leq V \leq V_{3} & \text { Dead Band } \\ -\frac{Q_{\max }}{V_{4}-V_{3}}\left(V-V_{3}\right) & V_{3} \leq V \leq V_{4} & \text { Linear Control } \\ -Q_{\max } & , V_{4}<V &\text { Fixed Control } \end{array}\right. $$

여기서, $Q$는 무효전력 출력값, $Q_{\max}$는 최대 무효전력 출력값이고 그림 1에서는 50 [%]로 고정 되었다. $V$는 현재 전압 측정값, $V_{n}$은 각 $P_{n}$위치의 전압값을 의미한다(n = 1, 2, 3, 4)⁽¹⁴⁾.

그림 2(a)의 점선과 같이 태양광 발전이 설치되지 않은 선로에서는 거리가 멀어질수록 선로 전압 강하에 의해 전압이 점차 감소한다. 하지만 실선과 같이 태양광 발전이 설치된다면 변전소 변압기에서 부하측으로 흐르는 전류가 감소하거나 역조류가 발생하여 기존 선로 전압에 비해 수전점 전압이 상승하게 되면서 과전압이 발생할 수 있다. 이를 해결하기 위한 방안으로 앞서 제시된 스마트 인버터의 Volt-VAR 제어를 사용하게 되면 유도성 무효전력을 출력함으로써 그림 2(b)의 실선처럼 발생한 과전압을 점선과 같이 정상범위 내로 유지시킬 수 있다.

그림. 2. Volt-VAR 제어의 전압 조정

Fig. 2. Voltage regulation of Volt-VAR control

3. 수용 용량

수용용량은 기존 계통에서 추가적인 설비보강 없이 전력품질 또는 신뢰성에 나쁜 영향을 미치지 않고 연계할 수 있는 재생 에너지의 용량을 의미한다⁽¹⁵⁾. 태양광 발전 수용용량에 영향을 주는 기술적 측면으로는 재생 에너지의 설치 위치, 역조류, 열적 한계, 전압 변동, 스마트 인버터 제어와 같은 요인 등이 있다^(16,17).

최대 수용용량은 기존 계통을 재구성하지 않고 최대로 연계 가능한 재생 에너지의 용량을 의미한다⁽¹⁸⁾. 최대 수용용량을 계산하기 위한 방법은 주로 최적화 기법이 사용된다. 본 논문에서는 최대 수용용량을 계산하기 위해 유전 알고리즘을 사용하였다. 유전 알고리즘 순서도는 그림 3과 같으며 다음과 같은 단계로 진행된다. 첫 번째 단계에서는 파라미터 값으로 배전계통 정보, 수정된 Volt-VAR 제어값을 입력한다. 이후, 두 번째 단계에서는 재생 에너지의 위치 및 용량에 대한 정보를 포함한 염색체들을 무작위로 생성한다. 세 번째 단계에서는 MATLAB에서 보낸 파라미터 값을 OpenDSS로 받아 각 노드의 전압을 계산한다. 그리고 네 번째 단계에서는 OpenDSS에서 계산한 전압값을 다시 MATLAB으로 전송하여 전압값이 정상 범위 (95 ~ 105 [%])내에 존재하는지 확인한다. 만약 정상범위 밖에 존재하게 되면 패널티를 받게 된다. 다음으로 수용용량이 높은 순서에서 낮은 순서로 염색체들을 정렬한 후, 교차, 변이 단계를 거쳐 새로운 세대의 염색체를 생성한다. 이후 세 번째 단계로 회귀하고 값이 수렴할 때까지 이를 반복한다. 위 모든 과정은 MATLAB에서 유전 알고리즘을 구현하였으며 더 큰 수용용량을 확보하기 위해 본 순서도를 기반으로 4장에서 제안하는 방법을 적용하였다.

그림. 3. 유전 알고리즘을 통해 최대 수용용량을 계산하기 위한 순서도

Fig. 3. Flowchart for obtaining maximum hosting capacity through genetic algorithm

4. 제안하는 방법

그림 4와 같이 제안하는 그래프에서 데드 밴드가 점차 감소하면 Volt-VAR 곡선의 제어 가능한 범위가 증가하게 되어 수용용량이 증가하게 된다. 하지만 수용용량 및 무효전력이 증가하기 때문에 손실 또한 증가하게 된다. 최종적으로 수용용량, 데드 밴드, 손실을 고려하여 계통 내에서 최대 효율을 낼 수 있는 최적의 Volt-VAR 제어 곡선을 찾기 위해 아래와 같이 기준이 될 수 있는 그래프를 제안하였고 3차원 그래프를 얻기 위한 순서도를 그림 5와 같이 나타내었다. 제안하는 Volt-VAR 제어 곡선은 점 $P_{1}$, $P_{4}$를 고정한 뒤, Δ값을 1 [%]씩 이동하여 제어하지 않는 범위인 데드 밴드를 점차 감소시켰다. 점 $P_{2}$의 변동폭은 95 ~ 100 [%]이고 점 $P_{3}$의 변동폭은 100 ~ 105 [%]이다. 따라서 점 $P_{2}$가 95 + Δ [%]로 이동하게 된다면, 점 $P_{3}$도 비례하여 95 - Δ [%]로 이동된다. Δ값이 5 [%]일 때, 최대 이동 범위이며 점 $P_{2}$, $P_{3}$ 모두 100 [%]가 되고 제어하지 않는 범위인 데드 밴드가 사라지게 되어 모든 전압범위에서 제어하는 경우가 된다.

그림. 4. 제안하는 Volt-VAR 제어 곡선

Fig. 4. Proposed Volt-VAR control curve

그림. 5. 수용용량, Δ, 손실을 고려한 3차원 그래프를 선정하기 위한 순서도

Fig. 5. Flowchart for obtaining 3D-graph considering hosting capacity, Δ and loss

5. 시뮬레이션 조건 및 결과

5.1 시뮬레이션 조건

그림 6과 같은 계통도에 태양광 발전이 연계되는 25개 지점을 표시하였고 그림 7(a), (b)와 같은 국내 실제 부하량과 태양광 발전량을 적용하였다. 계통의 전체 부하량은 약 2,735 [kVA]이고 변전소 변압기 용량은 2,500 [kVA]이다. 각 노드에서 연계 가능한 태양광 발전 용량은 400 [kW]로 제한하였고 스마트 인버터를 사용하여 동일한 Volt-VAR 곡선으로 제어되도록 설정하였다. 최대 수용용량을 얻기 위해 시뮬레이션은 아래와 같이 Δ값을 1 [%]씩 증가시키면서 진행하였다.

그림. 6. 태양광 발전이 연계된 IEEE 37 계통도

Fig. 6. IEEE 37 node test feeder with photovoltaics

그림. 7. 적용된 부하와 태양광 발전 출력 곡선

Fig. 7. Applied load and photovoltaic output curve

5.2 시뮬레이션 결과

그림 8은 701번 노드를 기준으로 4000 [ft]가 넘는 지점을 표시하였고 모든 Case에서 동일하게 변전소로부터 거리가 멀어질수록 수용용량이 낮아지는 것을 쉽게 확인할 수 있다. 즉, 거리와 수용용량은 반비례 관계를 갖는다.

그림. 8. 각 노드의 변전소로부터 거리에 따른 수용용량

Fig. 8. Hosting capacity of each node according to length from substation

Case 1의 경우에는 Volt-VAR 제어가 적용되지 않는 일반 인버터를 사용하고 나머지 Case 2 ~ 6의 경우에는 모두 스마트 인버터를 사용하여 4장에서 제안하는 방법으로 전압을 조정하였다. 그림 9에서 확인할 수 있듯이 태양광 발전에 일반 인버터가 연계되어 있어 전압 조정 기능을 갖지 못하는 Case 1의 경우에는 가장 낮은 수용용량인 2710 [kW]를 갖는다. 반면, 태양광 발전에 스마트 인버터를 연계시켜 Volt-VAR 제어를 하는 Case 2 ~ 6의 경우에는 Δ값이 증가할수록 무효전력을 제어하지 않는 범위인 데드 밴드가 감소하게 된다. 따라서 제어 가능한 범위가 증가하게 되고 수용용량 또한 증가하기 때문에 각 최대 수용용량은 2750, 6530, 6920, 7250, 8000 [kW] 순서로 점차 증가한다. 각 Case들 중 Case 2의 최대 수용용량이 낮은 이유는 스마트 인버터 제어 전 계통에서 발생하는 대부분의 전압값이 96 ~ 104 [%]범위 내에 존재하기 때문에 Volt-VAR 제어를 적용하였음에도 불구하고 Case 2와 Case 1의 최대 수용용량 차이는 40 [kW]만 발생하게 된다. 또한 Case 2의 경우에는 제어하는 범위도 가장 작기 때문에 스마트 인버터를 사용한 다른 Case와의 최대 수용용량 차이는 전압 분포와 제어 범위에 의해 대략 2.37 ~ 2.91배까지 발생한다. 표 2는 유전 알고리즘을 통해 산출된 최대 수용용량을 이용하여 Δ값을 조정하였을 때의 시간당 계통 손실량이다. 손실은 두 가지 원인에 의해 증가한다. 첫 번째 원인은 제어하지 않는 범위인 데드 밴드가 감소하게 되어 제어하는 범위는 점차 증가하게 되고 스마트 인버터의 작동 횟수 또한 증가하게 되어 더 많은 손실이 발생하게 된다. 두 번째 원인으로는 최대 수용용량이 증가할수록 계통에 흐르는 무효전류량도 비례하여 증가되기 때문에 더 큰 손실이 발생하게 된다.

그림. 9. IEEE 37 계통에서 Δ값 변화에 따른 각 지점의 수용용량

Fig. 9. Each node hosting capacity according to Δ variation in IEEE 37 node test feeder

표 2. 최대 수용용량을 갖고 스마트 인버터의 Δ값을 조정하였을 때 시간당 계통 손실량

Table 2. System loss per hour when control Δ variation with maximum hosting capacity

[kWh]	0.01	0.02	0.03	0.04	0.05
Case 1	58.613	58.613	58.613	58.613	58.613
Case 2	59.066	59.533	60.481	61.332	62.781
Case 3	116.741	119.423	122.496	125.413	131.036
Case 4	128.578	132.210	134.796	139.084	143.856
Case 5	140.395	144.252	147.679	151.471	156.374
Case 6	169.073	173.192	176.312	180.516	185.770

시뮬레이션 결과로 나타난 그림 9와 표 2를 결합하여 최종적으로 생성된 그림 10의 3차원 그래프를 토대로 관리자가 계통을 설계할 때, 배전계통에 연계될 수용용량과 손실을 고려하여 가장 효율적인 Volt-VAR 제어의 Δ값을 선정할 수 있다.

그림. 10. 수용용량, Δ, 손실을 고려한 3차원 그래프

Fig. 10. 3D-graph considering hosting capacity, Δ and loss

6. 결 론

환경적인 문제로 인해 국내에서도 재생 에너지에 관한 관심이 증가하고 재생 에너지 관련 계획을 추진함으로서 기존 계통에 재생 에너지 연계량이 급격히 증가하고 있는 추세이다. 재생 에너지가 연계됨에 따라 계통 방향이 양방향성으로 변화되기 때문에 기존 전압 조정 장치에만 의존하기에는 어려움을 가지게 된다. 이러한 문제점을 보완하기 위해 스마트 인버터의 Volt-VAR 제어를 사용하여 전압을 조정하였다.

제안된 Volt-VAR 제어 곡선 그래프에서 Δ값이 증가할수록 데드 밴드가 감소하게 되어 제어 가능한 범위가 증가하기 때문에 더 많은 수용용량을 가질 수 있게 된다. 하지만 수용용량이 증가하면 무효전류도 증가하게 되어 계통 손실 또한 증가하게 된다.

본 연구에서 제시된 3차원 그래프를 바탕으로 실제 국내 계통 설계 시, 배전계통에 연계될 재생 에너지의 수용용량과 손실을 고려하여 가장 효과적인 스마트 인버터의 Volt-VAR 제어 범위를 선정할 수 있다.

향후 연구 방향으로는 스마트 인버터의 다양한 기능 중 Volt-VAR 제어와 Volt-Watt 제어를 결합한 하이브리드 제어 방법을 바탕으로 연구를 진행할 것이다.