• 대한전기학회
Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers
  • COPE
  • kcse
  • 한국과학기술단체총연합회
  • 한국학술지인용색인
  • Scopus
  • crossref
  • orcid

  1. (Dept. of Electrical Engineering, Dongshin University, Korea.)
  2. (Dept. of Electrical Engineering, Kangwon National University, Korea.)
  3. (Dept. of Electrical Energy Engineering, Keimyung University, Korea.)
  4. (Korea Electric Power Research Institute, Korea.)



Distribution system, Microgrid, Operation strategy, Resilience enhancement, Indices

1. 서 론

최근 태풍, 지진 등의 재난으로 인한 전력계통 정전사고의 관심이 증가하고 있다. 이러한 재난은 한 차례의 발생에도 전력계통의 치명적인 문제를 야기할 수 있으며(1), 이에 대응하기 위해, 전력계통 복원력에 관한 연구가 다양한 방법으로 수행되고 있다(2-22).

전력계통의 복원력은 재난으로 인한 정전 사고에 대해 준비하고 적응하여 신속하게 회복하고 복구할 수 있는 능력으로 정의되며, 샌디아 국립 연구소(Sandia National Laboratories)를 비롯한 다수의 기관과 연구자들은 복원력의 개념을 구체화하기 위한 연구의 틀을 제안하였다(2-5).

태풍, 지진과 같은 재난은 그 자체의 강도를 저감하는 것이 불가능하기 때문에, 재난으로 인한 계통의 시변 상태를 측정하여 복원력의 향상방안을 모색하는 것이 중요하다. 이러한 이유로 참고문헌(6-12)에서는 재난의 강도에 따른 설비의 고장확률을 모델링하였고, (13)에서는 계통의 상태 측정을 위해 사다리꼴 모형의 복원력 곡선에 대한 정량적 접근법을 제시하였다. 또한 (14)에서는 복구능력의 개선이 복원력 향상에 가장 중요한 요인임을 주장하였으며, (3,15)에서는 전력계통의 극심한 피해가 예상되는 상황에 대해, 주요 수용가(공중 보건, 금융 시설 등)의 서비스 제공여부를 우선적으로 판단하는 것이 필요할 수 있음을 언급하였다.

한편 다수의 연구는 마이크로그리드(MG, Microgrid)가 재해로부터 계통의 신속한 복구를 도모하는데 기여할 것으로 전망하고 있다(15-21). 이러한 연구는 MG의 다양한 운영전략을 제시하고 있으나, 이를 통한 계통 복원력의 향상정도를 비교・분석하는 것에 취약하다.

따라서 본 연구는 설비고장에 대해 MG를 포함한 배전계통의 복구과정을 정량화하여 분석한다. 또한 이를 통일된 기준으로 평가하기 위한 평가지표를 제안하고 이의 유용성을 검증한다. 2장에서는 복원력 평가에 필요한 측정기준과 정량적 접근법을 검토한다. 3장에서는 배전계통의 복원력 향상을 위한 MG의 활용 전략을 제시하며, 모의계통을 대상으로 고장시나리오에 대한 복원력의 결과를 산정하여 분석한다. 4장에서는 계통 복원력의 평가지표를 제안하고, 5장에서는 실계통과 유사한 다수의 급전선으로 구성된 모의 배전계통을 대상으로 제안한 평가지표의 검증을 수행한다.

2. 복원력의 정량적 평가방안

본 장에서는 계통 복원력 평가를 위한 측정기준을 설정하며, 계통의 복원력 향상효과에 중점을 두어 분석하기 위해 복원력을 정의하는 4가지 단계(준비, 내구, 적응, 복구) 중 복구를 중심으로 정량화 방법을 검토한다.

2.1 복원력의 측정기준

배전계통은 구조적으로 발전된 전력을 수용가에게 분배하는 역할을 수행하며, 이는 계통 운영자가 수용가의 서비스 제공 가능유무를 파악하는 것이 중요함을 시사한다. 이와 유사한 이유로, 배전계통 신뢰도(Reliability)는 SAIFI(System Average Interruption Frequency Index), SAIDI(System Average Interrup- tion Duration Index)를 활용하여 수용가의 평균 정전빈도와 기간을 평가하고 있으며(22), 특히 복원력의 관점에서는 주요 수용가의 서비스 공급에 관한 평가가 필요하다(3,18).

따라서 본 논문에서는 ① 공급가능 용량(Capability) 뿐만 아니라 ② 공급가능 수용가 수(Number of serviced customers) 및 ③ 공급가능 주요 수용가 수(Number of serviced critical custo- mers)를 복원력의 측정기준($X$)으로 활용한다.

2.2 복원력 곡선에 대한 정량적 접근법

복원력 곡선은 재해에 대한 계통의 시변상태를 표현하며, 이의 예시는 그림 1과 같다.

그림. 1. 복원력 곡선의 예시

Fig. 1. The example of resilience curve

../../Resources/kiee/KIEE.2021.70.6.843/fig1.png

그림 1에서 $X_{Real}(t)$은 고장이 발생한 상황을 가정한 복원력 곡선을, $X_{Ref.}(t)$는 고장이 발생하지 않은 상황을 가정한 복원력 곡선을 나타낸 것이다. $X_{Real}(t)$에 대하여 $t_{S tart}$는 설비 고장으로 인한 계통의 상태저하 시점을, $t_{1}$은 스위치 및 재폐로 차단기 등의 동작으로 인한 상태복구 시점을, $t_{End}$는 설비의 수리(교체)로 인한 계통의 상태복구 시점을 표현한 것이다.

선행연구(13)에서는 복원력 곡선에 대해 높이, 기울기 및 면적을 산정하여 재해로 인한 계통의 상태를 표현하고 있으며, 이는 표 1과 같이 요약할 수 있다.

표 1. 복원력의 정량적 접근법

Table 1. Quantitative approach for resilience

정량화 방법

(표기법)

산정 수식

의미

높이(Λ)

$X_{Ref.}(t_{S tart})-X_{Real}(t_{S tart})$

계통의 상태저하 정도

$X_{Real}(t_{1})-X_{Real}(t_{S tart})$

설비 동작을 통한 복구 정도

$X_{Real}(t_{End})-X_{Real}(t_{S tart})$

설비 수리를 통한 복구 정도

기울기(Φ)

$\dfrac{X_{Real}(t_{1})-X_{Real}(t_{S tart})}{t_{1}-t_{S tart}}$

설비 동작을 통한 복구 속도

$\dfrac{X_{Real}(t_{End})-X_{Real}(t_{S tart})}{t_{End}-t_{S tart}}$

설비 수리를 통한 복구 속도

면적(Area)

$\int_{t_{S tart}}^{t_{End}}X_{Real}(t)$

복구량

그림 1에서 $X$를 ① capability로 설정한 경우, 표 1의 Λ는 저하된 또는 복구된 capability[kW]를, Φ는 단위 시간당 복구되는 capability[kW/h]를, Area는 계통의 상태저하 시점으로부터 상태복구 완료시점까지의 공급가능 에너지[kWh]를 의미한다. 이때 Λ, Φ, Area는 복구에 대한 정량 값을 설비 동작으로 인한 운영상의 복구와 설비 수리로 인한 시설상의 복구로 세분화하여 측정할 수 있다.

표 2는 각 측정기준($X$)에 대해, Λ, Φ, Area를 산정하였을 때 나타나는 단위(unit)를 정리한 것이다.

표 2. 각 측정기준에 대한 단위

Table 2. Measuring units for each indicator

표기법

복원력의 측정기준($X$)

Capability

Number of serviced customers

Number of serviced

critical customers

Λ

kW

Number of serviced customers

Number of serviced

critical customers

Φ

kW/hours

Number of serviced customers/hours

Number of serviced critical customers/hours

Area

kW×hours

(kWh)

Number of serviced customers×hours

Number of serviced critical customers×hours

3. 배전계통의 복원력 향상효과 분석 (배전계통의 마이크로그리드 운영전략을 중심으로)

본 장에서는 MG의 활용에 따른 계통의 복원력 향상효과를 산정하고 분석한다. 이때 복구과정에는 재폐로 차단기의 동작 및 MG의 활용에 관한 운영상 복구와 설비의 수리 및 교체에 의한 시설 상 복구를 포함한다.

3.1 배전계통의 마이크로그리드 운영전략

MG는 배전계통의 복원력 향상에 기여할 수 있으며, 배전계통의 복원력 향상효과는 일반적으로 MG가 있을 때(With MG)와 없을 때(Without MG)로 구분하여 비교・분석할 수 있다.

With MG에 대해서는 MG가 전기에너지의 자립을 위한 ‘독립운전’과, 잉여전력을 인근 수용가에 제공하는 ‘계통연계운전’으로 세분화할 수 있다(15). 이때 MG의 계통연계운전은 배전계통이 절체되는 시점에 계통 운영자가 수립한 전략에 의해 수행되며, 이러한 전략은 MG의 한정된 DG 용량을 활용하여 목표로 하는 측정기준의 결과 값을 최대화할 수 있다.

본 논문에서는 MG의 계통연계운전에 대해 2장에서 제시한 측정기준 ①, ②, ③을 최대화하는 운영전략을 아래와 같이 제시한다.

그림. 2. MG가 포함된 IEEE 13 node test feeder의 고장시나리오

Fig. 2. Fault scenarios for IEEE 13 node test feeder with MG

../../Resources/kiee/KIEE.2021.70.6.843/fig2.png

3.2 배전계통의 구성

MG의 활용에 따른 계통의 복원력 향상효과를 분석하기 위한 배전계통의 구성은 그림 2와 같다. 그림 2는 IEEE 13 node test feeder(23)에 MG를 포함하여 수정한 계통이며, 여기에는 재해로 인한 각기 다른 고장상황을 가정하기 위해 고장시나리오(고장 발생 설비의 종류와 위치)를 상이하게 설정하였다.

그림 2에서, 고장시나리오 I은 변압기와 선로의 고장이 발생한 상황을 가정한 것으로, MG가 2개의 구역(section)에 위치하게 된다. 고장시나리오 II와 III는 주 계통으로부터 연계되는 지점의 전압조정기와 서로 다른 지점의 선로에 고장이 발생한 상황을 가정한 것이며, 고장시나리오 II에서는 MG가 각 section에, 고장시나리오 III에서는 2개의 MG가 동일한 section에 위치하고 있다.

각 부하점(node)에 대하여 부하(Load), MG 내부의 분산전원(DG, Distributed Generator) 용량, 수용가 수(Number of cus- tomer) 및 주요 수용가 수(Number of critical customer)는 IEEE 13 node test feeder를 기준으로 표 3과 같이 가정하였다. 또한 고장으로 인한 운영 및 시설 상의 복구 소요시간은 RBTS(Roy Billinton Test System)을 참조하여 표 4와 같이 설정하였다(24).

표 3. IEEE 13 node test feeder의 데이터

Table 3. The data of modified IEEE 13-node test feeder

Node

Number

Load

[kW]

DG 용량

[kW]

Number of

customer

Number of critical customer

2

230

-

3

1

3

170

0

44

0

4

300

800

78

0

5

100

-

26

0

6

400

-

5

0

7

170

-

44

0

8

800

2,000

8

1

9

1,155

-

15

2

10

170

-

44

0

11

843

-

1

1

12

128

-

33

0

13

730

-

1

1

4-9

200

-

50

0

표 4. IEEE 13 node test feeder의 복구 소요시간[h]

Table 4. Recovery time of modified IEEE 13-node test feeder

운영상의 동작시간

수리(교체) 시간

독립운전

재폐로 차단기

계통연계운전(절체)

전압

조정기

선로

변압기

0.25

0.50

1.00

4

8

15

모든 고장시나리오를 동일한 복구 기준에서 비교를 위해, 배전계통의 스위치는 그림 2의 detail 과 같이 구성된 것으로 간주하였고, 모든 고장시나리오에서의 설비 고장과 운영 및 설비 상의 복구 시작시점은 $t_{S tart}$에 동시 수행되는 것으로 가정하였다. 또한 고장 발생 시 section의 구분은 고장 지점을 기준으로 재폐로 차단기가 동작하는 시간인 0.5 [h] 후에 수행되는 것으로 가정하였다.

그림. 3. 고장시나리오 I, II, III에 대한 복원력 곡선

Fig. 3. Resilience curve for fault scenario I, II, III

../../Resources/kiee/KIEE.2021.70.6.843/fig3.png

표 5. 고장시나리오별 공급가능 에너지[kWh] 산정결과

Table 5. The calculation result of area

고장

시나

리오

X

Using $X_{Real}(t)$

Using

$X_{Ref.}(t)$

Without

MG

With MG

독립운전

계통연계운전

(전략 1)

I

64,207

64,525

72,211

80,940

II

4,800

12,763

22,139

43,168

III

18,212

22,975

27,565

43,168

3.3 각 고장시나리오에 대한 정량값 산정결과 분석

각 고장시나리오에 대해 측정기준 ① (capability)을 활용하여 도출한 복원력 곡선의 결과는 그림 3과 같으며, 여기에는 ‘without MG’, ‘MG가 독립운전’하는 경우 및 ‘MG가 전략 1에 따라 계통연계운전’하는 경우에 대해 복원력 곡선의 산정결과를 구분하여 나타내었다. 그림 3에 대해 Area(공급가능 에너지)를 산정한 결과는 표 5와 같다.

그림 3에서, 고장시나리오 I에 대한 복원력 곡선의 capability는 0.5[h]에 재폐로 차단기의 동작으로 복구를 수행하는 ‘without MG’보다 0.25[h]에 MG의 ‘독립운전’을 통해 향상되고 있으며, 1[h]에 ‘계통연계운전’을 수행함으로서 더욱 향상됨을 보여준다. 이에 대한 표 5의 공급가능 에너지 산정결과 또한 64,207에서 64,525, 72,211[kWh]로 향상되어 나타난다.

그림 3에서 고장시나리오 II, III의 ‘without MG’에 관한 복원력 곡선은 그림 2에서 가정한 주계통과 연계된 전압조정기의 고장으로 인해, 0.5[h]에 재폐로 차단기의 동작을 수행하여도 운영상의 복구가 수행되지 않는 결과를 보인다. 이에 대한 표 5의 면적 산정결과는 4,800[kWh] 과 18,212[kWh]로 고장시나리오 I에 대한 결과(64,207[kWh])보다 현저히 낮게 나타났다.

한편 표 5의 공급가능 에너지 산정결과는 MG를 계통에 연계하여 운전할 경우 without MG 보다 고장시나리오 I에서 8,004[kWh], 고장시나리오 II에서 17,339[kWh], 고장시나리오 III에서 9,353 [kWh] 향상되었다. 여기에서 고장시나리오 I과 III에 대한 MG의 복원력 향상 기여정도는 유사한 수준을 보인다.

하지만 고장시나리오별 상이한 복구종료시점(그림 3의 $t_{End}$ 참조)으로 인해, 기준 복원력 곡선의 면적 산정결과(표 5의 $X_{Ref.}(t)$ 참조)가 다르다. 이러한 이유로 $X_{Real}(t)$의 면적 산정방법은 고장시나리오 상호 간에 대하여 배전계통의 피해정도 및 MG로 인한 복원력 향상 기여정도를 직관적으로 비교 분석하는데 취약하다. 따라서 이를 개선한 복원력 평가지표가 필요하다.

4. 복원력의 평가지표

본 장에서는 각기 다른 고장시나리오에 대해 통일된 기준으로 산정하기 위한 복원력 평가지표(indices)를 제안하고, 이를 고장시나리오 I, II, III에 적용한 결과를 분석한다.

4.1 Index 1. X-RQI(Recovery Quantity Index)

제안하는 첫 번째 평가지표는 면적(Area)을 활용하여 고장발생 기간의 복구 량을 평가하며, 이는 식(1)과 같다.

(1)
$X-RQI=\dfrac{\int_{t_{S tart}}^{t_{End}}X_{Real}(t)}{\int_{t_{S tart}}^{t_{End}}X_{Ref.}(t)}$

식(1)의 $X-RQI$ 에서 $X$는 측정기준을 의미하며, $X$가 ① capability 일 경우 고장이 발생하지 않을 경우를 가정한 공급가능 에너지에 대한 실제 복구된 공급가능 에너지의 비를 표현한다. 마찬가지로, X가 ②일 경우에는 고장이 발생하지 않은 경우를 가정한 공급가능 수용가에 대한 실제 공급가능한 수용가의 비를, ③일 경우에는 공급가능 주요 수용가의 비를 의미한다.

고장시나리오 I, II, III에 대한 $X-RQI$의 산정결과는 표 6과 같다.

표 6에서 X가 ① capability일 때, ‘without MG’의 산정 결과에 대해서는 고장시나리오 I (0.7933)이 가장 높고, 고장시나리오 II (0.1112)가 가장 낮다. 제안한 RQI는 ‘고장시나리오 I으로 인한 배전계통의 피해가 낮지만, 해당 배전계통(IEEE 13)이 주 계통으로부터 단일 공급경로(1개의 feeder)로 구성되어 있기 때문에 고장시나리오 II와 같은 상황에 대한 피해가 더욱 치명적이다.’와 같은 해석을 가능하게 한다.

한편, MG의 독립운전으로 인한 ①-RQI는 계통 자체(without MG)의 RQI보다 고장시나리오 I에서 0.0039, 고장시나리오 II에서 0.1844, 고장시나리오 III에서 0.1103 만큼 더 향상되었다. MG의 계통연계운전으로 인한 배전계통의 X-RQI는 각각의 전략에 따른 최댓값으로 나타나고 있다. 이때 전략 1에 따라 MG를 계통에 연계하여 운전할 경우, ①-RQI는 계통 자체(without MG)의 RQI보다 고장시나리오 I에서 0.1, 고장시나리오 II에서 0.4, 고장시나리오 III에서 0.2 정도 향상되었다. 이러한 결과는 계통의 고장피해가 클수록 MG가 계통 복원력 향상에 더욱 기여하고 있음을 보여주며, 표 5에서의 해석과 달리 MG의 복원력 향상 기여정도는 고장시나리오 III가 I보다 2배가량 큼을 확인할 수 있다.

따라서 제안하는 RQI는 통일된 기준으로 ‘배전계통의 피해정도’를 산정하기 때문에, ‘배전계통의 피해와 MG로 인한 복원력 향상의 상관성’을 비교 분석할 수 있다.

표 6. 고장시나리오에 대한 X-RQI의 산정결과

Table 6. The calculation result of X-RQI for each fault scenarios

고장

시나

리오

X

Without

MG

With MG

독립

운전

계통연계운전

전략 1

전략 2

전략 3

I

0.7933

0.7972

0.8921

0.8921

0.8664

0.8322

0.8384

0.9510

0.9510

0.8490

0.8833

0.8861

0.9639

0.9639

0.9639

II

0.1112

0.2956

0.5128

0.5128

0.4989

0.2216

0.4061

0.7402

0.7402

0.4466

0.0833

0.2448

0.4531

0.4531

0.5990

III

0.4219

0.5322

0.6385

0.6294

0.6285

0.4986

0.6717

0.7282

0.8901

0.6909

0.4167

0.4948

0.6198

0.5573

0.6823

4.2 Index 2. X-ORDI(Operational Recovery Degree Index)

본 절에서는 높이(Λ)를 활용하여 운영상의 복구정도를 평가하는 index를 식(2)와 같이 제안한다.

(2)
$X-ORDI=\dfrac{X_{Real}(t_{3})-X_{Real}(t_{1})}{X_{Ref.}(t_{3})-X_{Real}(t_{1})}$

식(2)에서 $t_{3}$는 운영상 복구가 완료된 시점을, $t_{1}$는 운영상의 복구를 시작한 시점을 나타낸 것이며, 따라서 $X_{Ref.}(t_{3})$는 운영을 통해 시스템이 정상상태로 복구하였을 때의 값을 의미하게 된다. 표 4에 따르면 고장시나리오 I, II, III 의 운영상 복구완료 시점($t_{3}$)은 절체가 수행되는 1[h] 이고, 운영상 복구를 시작하는 시점($t_{1}$)은 0[h] 이다.

이를 반영하여 고장시나리오 I, II, III에 대해 X-ORDI를 산정한 결과는 표 7과 같다.

표 7의 고장시나리오 I에서, MG의 독립운전에 대한 ①-ORDI의 결과(0.7224)와 without MG의 결과(0.7224)가 동일하게 나타났지만, MG를 계통연계운전하면 0.9259로 향상됨을 보여준다. 또한 ③의 ORDI는 ‘1’로, MG를 통해 모든 주요 수용가의 전력 공급이 가능해짐을 보여준다.

표 7에서 고장시나리오 II, III의 without MG에 대한 ORDI는 ‘0’의 값을 갖는다. 이는 주계통과 연계된 지점의 고장 발생 상황에 대하여, 계통 자체의 능력으로는 운영상의 복구가 불가능함을 의미한다. 이러한 상황에서 MG는 독립운전 및 계통연계운전을 통해 계통의 복구정도를 향상하는데 기여할 수 있으며, 이는 표 7의 고장시나리오 II, III에 대한 X-ORDI를 통해 향상된 정도를 확인할 수 있다.

이처럼 제안한 ORDI는 배전계통의 운영상 ‘최대 복구가능정도’ 대비 ‘실제 복구정도’를 평가할 수 있다.

표 7. 고장시나리오에 대한 X-ORDI의 산정결과

Table 7. The calculation result of X-ORDI for each fault scenarios

고장

시나

리오

X

Without

MG

With MG

독립

운전

계통연계운전

전략 1

전략 2

전략 3

I

0.7224

0.7224

0.9259

0.9259

0.8706

0.7443

0.7443

0.9858

0.9858

0.7670

0.8333

0.8333

1.0000

1.0000

1.0000

II

0.0000

0.2354

0.5185

0.5185

0.4920

0.0000

0.3693

0.7983

0.7983

0.4205

0.0000

0.1667

0.5000

0.5000

0.6667

III

0.0000

0.2354

0.5189

0.4944

0.4920

0.0000

0.3693

0.5199

0.9517

0.4205

0.0000

0.1667

0.5000

0.3333

0.6667

4.3 Index 3. X-ORVI(Operational Recovery Velocity Index)

그림 4의 예시는 (a), (b)의 면적 값이 동일하지만, (b)의 경우 총 복구속도 대비 운영상 복구속도가 빠름을 보여준다.

그림. 4. 복구속도의 예시

Fig. 4. The example of recovery velocity

../../Resources/kiee/KIEE.2021.70.6.843/fig4.png

제안하는 X-ORVI는 초기 복구의 신속성을 평가하기 위한 index로 식(3)과 같다.

(3)
$X-ORVI=\dfrac{\left\{X_{Real}(t_{3})-X_{Real}(t_{1})\right\}/(t_{3}-t_{1})}{\left\{X_{Ref.}(t_{End})-X_{Real}(t_{1})\right\}/(t_{End}-t_{1})}$

식(3)에서 분모는 전체 복구 기간에 대한 복구 속도를, 분자는 운영상의 복구속도를 의미한다. 이때 X-ORVI 는 앞서 제안한 X-RQI, X-ORDI와 달리 실제 곡선을 활용하며, 따라서 X-ORVI는 운영상 복구의 신속성을 확인하는데 활용할 수 있다.

고장시나리오별 X-ORVI의 산정결과는 표 8과 같다.

표 8. 고장시나리오에 대한 X-ORVI의 산정결과

Table 8. The calculation result of X-ORVI for each fault scenarios

고장

시나

리오

X

Without

MG

With MG

독립

운전

계통연계운전

전략 1

전략 2

전략 3

I

10.8358

10.8358

13.8881

13.8881

13.0597

11.1648

11.1648

14.7869

14.7869

11.5057

12.5000

12.5000

15.0000

15.0000

15.0000

II

0.0000

1.8829

4.1483

4.1483

3.9362

0.0000

2.9545

6.3864

6.3864

3.3636

0.0000

1.3333

4.0000

4.0000

5.3333

III

0.0000

1.8829

4.1512

3.9555

3.9362

0.0000

2.9545

4.1591

7.6136

3.3636

0.0000

1.3333

4.0000

2.6667

5.3333

고장시나리오 I은 0.5[h]의 재폐로 차단기의 동작을 통해 주 계통으로부터 전력을 공급받기 때문에, 고장시나리오 I의 ①, ②, ③에 대한 X-ORVI 산정결과는 전체 복구 속도 대비 운영상의 복구 속도가 10~15배 가량 빠름을 보여준다.

반면, 고장시나리오 II, III는 재폐로 차단기의 동작에도 주계통으로부터 전력 공급이 불가능하기 때문에, without MG에서 X-ORVI는 ‘0’의 값을 갖는다. 하지만, MG를 배전계통의 복원력 향상 자원으로 활용하면, X-ORVI는 최대 5배까지 증가하여 신속하게 복구할 수 있음을 보여준다.

그림. 5. MG가 포함된 RBTS bus2의 고장시나리오

Fig. 5. Fault scenarios for RBTS bus2 with MG

../../Resources/kiee/KIEE.2021.70.6.843/fig5.png

5. 복원력 평가지표의 검증

제안한 복원력 평가지표(X-RQI, X-ORDI, X-ORVI)의 검증을 위해 활용되는 배전계통은 그림 5와 같다. 이는 RBTS의 bus2(24)를 기반으로 MG 위치와 고장 발생 위치를 가정한 모의 계통이다. 그림 5의 모의계통은 4개의 급전선(feeder)으로 구분되어 있으며, 1,2번 feeder(F1, F2)와 3,4번 feeder(F3, F4)의 연계선로가 구성되어 있기 때문에, 현실적인 배전계통과 유사하다.

표 9. RBTS bus2의 데이터

Table 9. The data of modified RBTS bus2

Number

Load

[kW]

Distributed

Generator [kW]

Number of

customer

Number of critical customer

LP 1

866.8

-

210

0

LP 2

866.8

-

210

0

LP 3

866.8

-

210

0

LP 4

916.7

-

1

1

LP 5

916.7

-

1

1

LP 6

750.0

2000

10

0

LP 7

750.0

-

10

0

LP 8

1627.9

-

1

1

LP 9

1872.1

-

1

1

LP 10

866.8

-

210

0

LP 11

866.8

-

210

0

LP 12

729.1

-

200

0

LP 13

916.7

3000

1

1

LP 14

916.7

-

1

1

LP 15

750.0

-

10

0

LP 16

750

-

10

0

LP 17

729.1

-

200

0

LP 18

729.1

-

200

0

LP 19

729.1

2850

200

0

LP 20

916.7

-

1

1

LP 21

916.7

-

1

1

LP 22

750.0

-

10

0

표 10. RBTS bus2의 복구 소요시간[h]

Table 10. Recovery time of modified RBTS bus2

운영상의 동작시간

수리(교체) 시간

독립운전

재폐로 차단기

계통연계운전(절체)

전압

조정기

선로

변압기

0.25

0.5

1

2

5

10

검증을 위한 배전계통의 DG의 용량, 주요 수용가 수는 표 9와 같이 가정하였고, 고장으로 인한 시설 및 운영상 복구의 소요시간의 데이터는 표 10과 같이 설정하였다. 이때, 표 10에서 시설 상의 복구 소요시간은 11kV의 배전계통을 기준으로 하기 때문에, 33kV를 기준으로 하는 표 4의 시설 상 복구 소요시간과 다르게 설정하였다.

그림 5에 대한 X-RQI의 산정결과는 그림 6과 같다.

그림. 6. RBTS bus 2에 대한 RQI 산정결과

Fig. 6. The calculation result of X-RQI for RBTS bus 2

../../Resources/kiee/KIEE.2021.70.6.843/fig6.png

그림 5에서의 설비 고장은 F3, F4에만 영향을 미치고 있다. 따라서 그림 6의 ‘without MG’에 대한 X-RQI의 산정 결과는 모든 측정기준(①, ②, ③)에 대해 0.75 이상으로 나타난다. 또한 X-RQI의 산정결과는 각각의 전략에 따른 MG의 계통연계운전을 통해, 측정기준 ① 이 0.9020, ② 및 ③이 각각 0.9559, 0.9688로 향상됨을 보여준다.

그림 5에 대한 X-ORDI의 산정결과는 그림 7과 같다.

그림. 7. RBTS bus 2에 대한 ORDI 산정결과

Fig. 7. The calculation result of X-ORDI for RBTS bus 2

../../Resources/kiee/KIEE.2021.70.6.843/fig7.png

X-ORDI의 분모는 고장이 발생하지 않은 경우를 가정한 기준 곡선을 활용한다. 따라서 복구가 수행되지 않는 경우에는 그림 7의 ‘without MG’에 대한 ③-ORDI의 산정결과와 같이 ‘0’으로 도출될 수 있다. 하지만 주요 수용가를 복구하기 위한 자원으로 MG를 활용하면, 그림 7의 ‘계통연계운전(전략 3)’에 대한 ③-ORDI의 산정 결과와 같이 ‘1’로 향상된다.

그림 8그림 5의 배전계통에 대한 X-ORVI의 산정결과이다.

그림. 8. RBTS bus 2에 대한 ORVI 산정결과

Fig. 8. The calculation result of X-ORVI for RBTS bus 2

../../Resources/kiee/KIEE.2021.70.6.843/fig8.png

측정기준 ②에 대해 전체 복구 기간의 복구 속도는 125.4 [Number of serviced customers / hours]이고, MG의 ‘계통연계운전(전략 2)’에서 운영을 통한 단위 시간당 복구 수용가 수는 1242 이다. 이를 기준으로 도출한 그림 8의 ②-ORVI 산정결과는 ‘계통연계운전(전략 2)’을 통한 복구 속도가 전체 복구 기간에 대한 복구 속도 보다 9.9043배 빠름을 보여준다.

이처럼 제안한 평가지표는 상이한 형태의 고장시나리오와 더불어 서로 다른 구조를 갖는 배전계통에 동일한 방법으로 적용할 수 있으며, MG를 활용한 배전계통의 복원력 향상 정도에 대해 상세하게 분석하는 것이 가능하다.

6. 결 론

본 논문은 MG의 운영전략에 따른 배전계통의 복원력 향상효과를 분석하였다. 이러한 분석을 위해 복원력의 3가지 측정기준(① Capability, ② Number of serviced customers, ③ Number of serviced critical customers)을 설정하였고, 정량적 산정방법(Λ, Φ, Area)을 검토하였다. 3장에서는 배전계통의 복원력 향상을 위한 MG의 운영전략을 설정하고, 면적(Area)을 산정하여 분석하였다. 그 결과, 재난으로 인한 배전계통의 영향을 비교분석하기 위해서는 통일된 평가지표가 필요함을 확인하였다. 따라서 4장에서는 비율 기반의 평가지표(X-RQI, X-ORDI, X-ORVI)를 제안하였고, 모의계통(13 node test feeder)을 대상으로 MG의 계통연계운전에 따른 복구 량, 정도 및 속도의 향상효과를 분석하였다.

5장에서는 실 배전계통과 유사한 형태의 모의계통(RBTS Bus2)을 통해 제안한 평가지표의 검증을 수행하였다. 이러한 결과는 X-RQI, X-ORDI, X-ORVI를 통해 배전계통의 복원력 향상에 대한 세분화된 분석이 가능함을 증명하였다. 또한 X-RQI와 X-ORDI의 산정결과는 0 ~ 1의 비율 값으로 표현되기 때문에, 서로 다른 구조를 갖는 배전계통(13 node test feeder, RTBS Bus2)에 동일한 방법으로 적용할 수 있음을 보여주었다.

향후 실 배전계통의 재난으로 인한 계통의 시변상태가 데이터화되어 보관된다면, 본 논문의 결과는 재난이 주기적으로 발생하는 지역의 배전계통에 대한 피해정도를 상세히 분석할 수 있으며, 이러한 계통의 복원력 향상을 위한 MG의 운영전략을 수립하는데 기여할 것으로 사료된다.

Acknowledgements

This work was supported by the Korea Electric Power Corporation (KEPCO) under Grant R18XA06-43 and the National Research Foundation of Korea (NRF) under Grant 2020R1F1A1070029

References

1 
M. Panteli, P. Mancarella, 2015, Influence of extreme weather and climate change on the resilience of power systems: Impacts and possible mitigation strategies, Electric Power Systems Research, Vol. 127, pp. 259-270DOI
2 
Eric Vugrin, Anya Castillo, Cesar Silva-Monroy, February 2017, Resilience Metrics for the Electric Power System: A Performance-Based Approach, sandia report 2017-1493, Vol. , No. , pp. 1-49DOI
3 
R. Berkeley Alfred, Wallace Mike, 2010, A Framework for Establishing Critical Infrastructure Resilience Goals, National Infrastructure Advisory Council (NIAC), pp. 1-83Google Search
4 
Paolo Cimellaro Gian, M. Reinhorn Andrei, Bruneau Michel, 2010, Framework for analytical quantification of disaster resilience, Engineering Structure, Vol. 32, pp. 3639-3649DOI
5 
Bruneau Michel, E. Chang Stephanie, T. Eguchi Ronald, C. Lee George, D. O’Rourke Thomas, M. Reinhorn Andrei, Shinozuka Masanobu, Tierney Kathleen, A. Wallace William, vonWinterfeldt Detlof, 2003, A Framework to Quantitatively Assess and Enhance the Seismic Resilience of Communities, Earthquake Spectra, Vol. 19, No. 4, pp. 733-752DOI
6 
M Panteli, D Trakas, P Mancarella, 2017, Power systems resilience assessment: hardening and smart operational enhancement strategies, Proceeding of the IEEE, Vol. 105, No. 7, pp. 1202-1213DOI
7 
Lu Jiazheng, Guo Jun, Jian Zhou, Yang Yihao, Tang Wenhu, 2018, Resilience Assessment and Its Enhancement in Tackling Adverse Impact of Ice Disasters for Power Transmission Systems, energies, Vol. 11, No. 9, pp. 1-15DOI
8 
Ouyang Min, Duenas-Osorio Leonardo, 2014, Multi-dimensional hurricane resilience assessment of electric power systems, Structural Safety, Vol. 48, pp. 15-24DOI
9 
Panteli Mathaios, Mancarella Pierluigi, 2017, Modeling and Evaluating the Resilience of Critical Electrical Power Infrastructure to Extreme Weather Events, IEEE systems journal, Vol. 11, No. 3, pp. 1733-1742DOI
10 
M Panteli, D Trakas, P Mancarella, N. Hatziargyriou, 2016, Boosting the power grid resilience to extreme weather events using defensive islanding, IEEE Trans. Smart Grid, Vol. 7, No. 6, pp. 2913-2922DOI
11 
M Panteli, C Pickering, S Wilkinson, R Dawson, P. Mancarella, 2017, Power system resilience to extreme weather: fragility modelling, probabilistic impact assessment, and adaptation measures, IEEE Trans. Power System, Vol. 32, No. 5, pp. 3747-3757DOI
12 
G Huang, J Wang, C Chen, J Qi, C. Guo, 2017, Integration of preventive and emergency responses for power grid resilience enhancement, IEEE Trans. Power System, Vol. 32, No. 6, pp. 4451-4463DOI
13 
M Panteli, P Mancarella, D Trakas, E Kyriakides, 2017, Metrics and quantification of operational and infrastructure resilience in power systems, IEEE Trans. Power System, Vol. 32, No. 6, pp. 4732-4742DOI
14 
H. Willis Henry, Loa Kathleen, 2015, Measuring the Resilience of Energy Distribution Systems, RAND Cooperation, pp. 1-28Google Search
15 
Hussain Akhtar, Bui Van-Hai, Hak-Man Kim, 2019, Microgrids as a resilience resource and strategies used by microgrids for enhancing resilience, Applied Energy, Vol. 240, No. 15, pp. 56-72DOI
16 
IEC(Internatinal Electrotechnical Commission), 2014, Microgrids for disaster preparedness and recovery(with electricity continuity plans and systems), pp. 1-85Google Search
17 
C Wang, Y Hou, F Qiu, S Lei, K. Liu, 2017, Resilience enhancement with sequentially proactive operation strategies, IEEE Trans. Power System, Vol. 32, No. 4, pp. 2847-2857DOI
18 
Chanda Sayonsom, K. Srivastava Anurag, 2016, Defining and Enabling Resiliency of Electric Distribution Systems with Multiple Microgrids, IEEE Trans. Smart Grid, Vol. 7, No. 6, pp. 2859-2868DOI
19 
Wang Ying, Xu Yin, He Jinghan, Liu Chen-Ching, P. Schneider Kevin, Hong Mingguo, T. Ton Dan, 2019, Coordinating Multiple Sources for Service Restoration to Enhance Resilience of Distribution Systems, IEEE Trans. Smart grid, Vol. 10, No. 5, pp. 5781-5793DOI
20 
Liu Xindong, Shahidehpour Mohammad, Li Zuyi, Liu Xuan, Cao Yijia, Bie Zhaohong, 2017, Microgrids for Enhancing the Power Grid Resilience in Extreme Conditions, IEEE Trans. Smart Grid, Vol. 8, No. 2, pp. 589-597DOI
21 
A Soroudi, P Maghouli, A. Keane, 2017, Resiliency oriented integration of DSRs in transmission networks, IET Generation, Transmission & Distribution, Vol. 11, No. 8, pp. 2013-22DOI
22 
Billinton Roy, N. Allan Ronald, 1996, Reliability Evaluation of Power System, Springer US, pp. 220-248Google Search
23 
K. P. Schneider, 2018, Analytic considerations and design basis for the IEEE distribution test feeders, IEEE Trans. Power System, Vol. 33, No. 3, pp. 3181-3188DOI
24 
R. N. Allan, R. Billinton, I. Sjarief, L. Goel, K. S. So, 1991, A Reliability Test System for Educational Purposes Basic Distribution System Data and Results, IEEE Trans. Power Systems, Vol. 6, No. 2, pp. 813-820DOI

저자소개

손은태(Eun-Tae Son)
../../Resources/kiee/KIEE.2021.70.6.843/au1.png

He received the M.S. degree in electrical engineering from Dongshin University, Naju, South Korea, in 2018.

He is presently a Ph.D. student in the Department of electrical engineering, Dongshin University, Naju, South Korea.

His research interests include power systems reliability and resiliency.

배인수(In-Su Bae)
../../Resources/kiee/KIEE.2021.70.6.843/au2.png

He received the B.S., M.S. and Ph.D. degrees in electrical engineering from Hanyang University, Seoul, South Korea, in 1998, 2003, and 2007, respectively.

Since 2008, he has been with the Department of Electrical Engineering, Kangwon National University, Samcheok, South Korea.

His main research interests include power systems reliability and resiliency, and offshore wind farm.

김성열(Sung-Yul Kim)
../../Resources/kiee/KIEE.2021.70.6.843/au3.png

He received the B.S. and Ph.D. degrees in electrical engineering from Hanyang University, Seoul, South Korea, in 2007 and 2012, respectively.

From 2012 to 2013, he was a Research Assistant with the Georgia Institute of Technology, Atlanta, GA, USA. Since 2013, he has been with the Department of Energy Engineering, Keimyung University, Daegu, South Korea.

His main research interests include computer aided optimization, renewable energy sources applied to smart grid, and power systems reliability.

김욱원(Wook-Won Kim)
../../Resources/kiee/KIEE.2021.70.6.843/au4.png

He received B.S., M.S. and Ph.D. degrees in electrical engineering from Hanyang University, Seoul, Korea, in 2008, 2011 and 2015, respectively.

He has been working as a senior researcher at KEPCO Research Institute.

His research interests include micro grid, power system reliability and resilience.

김동민(Dong-Min Kim)
../../Resources/kiee/KIEE.2021.70.6.843/au5.png

He received the B.S. and Ph.D. degrees in electrical engineering from Hanyang University, Seoul, South Korea, in 2004 and 2011, respectively.

Since 2012, he has been an Associate Professor of electrical engineering, with Dongshin University, South Korea.

His research interests include power systems reliability and resiliency, microgrid operation and planning, and power system economics.