2.1 상관관계 분석

일반적으로 기상 요소는 전력 부하에 영향을 미치는 인자 중 하나이다. 본 논문에서는 ANN을 도입하여 전력 부하와 기상 인자 간 상관관계 분석 및 부하예측을 진행한다. ANN는 기계학습과 인지과학에서 생물학의 신경망으로부터 영감을 얻은 통계학적 학습 알고리즘을 의미한다^(5)-(7). 시냅스 간 결합을 통해 네트워크를 형성한 인공 뉴런이 학습을 진행, 시냅스 간 결합 세기를 변화시킴으로써 스스로의 문제 해결 능력을 갖춘 모델을 의미한다. 상관관계 분석을 위해 피어슨 상관계수(Pearson Corrleation Coefficient)를 이용한다. 상관관계 분석은 확률론과 통계학에서 비교 변수 간 어떠한 선형/비선형 관계를 가지고 있는지에 대해서 분석 및 판단하는 방법을 의미한다. 상관관계 분석 결과 두 입력 변수에 대해 서로 독립적인 또는 상관관계일 수 있다. 본 논문에서는 피어슨 상관계수(PCC : Pearson Correlation Coefficient)를 이용함으로써 두 입력 변수 간 상관 분석을 한다⁽⁸⁾. 수식(1)은 피어슨 상관계수 수식을 보여주고 있다.

$R_{m}$은 기상 데이터 m에 대한 피어슨 상관계수 결과를 나타내고 있다. $n$은 데이터의 개수, $X_{m}$은 기상 데이터, Y는 전력 부하를 의미한다. $R_{m}$의 값이 1 또는 –1에 가까울 때는 두 변수 간 강한 상관관계를 가지고 있다는 의미이며. $R_{m}$의 값이 0에 수렴하는 경우 변수 간 상관관계가 없거나, 약한 상관관계를 가지고 있다는 것을 의미한다. 본 논문에서는 3개의 사이트(A, B, C)의 부하와 기상 요소 간 상관관계 분석을 진행한다. A와 B는 공장, C는 교육 시설로 설정한다. 아래 그림 1은 ‘A’ 사이트에서 기상 요소와 부하 간 상관관계 분석 결과를 보여주고 있다. 표 1은 ‘A’, ‘B’, ‘C’ 사이트의 부하와 외부 날씨 변수의 상관관계 분석 결과를 의미한다. 24시간 단위로 상관관계를 정밀하게 분석한 결과 각기 다른 부하를 갖는 ‘A’, ‘B’, ‘C’ 사이트에 대해 전력 부하와 외부 환경이 높은 선형관계를 갖는 것을 증명하게 되었으며, 이는 기상정보와 전력 부하 간 분석을 한 결과 높은 상관성이 있다는 결과를 도출하게 된다.

2.2 부하 예측

기상정보와 전력 부하 간 상관관계 분석 결과, 높은 상관성이 있는 것을 확인하였으며, 기상정보를 활용하여 부하 예측 모델을 제안한다. ANN 적용하여 부하 학습 및 예측 수행을 위해 부하 데이터에 대해 전체 학습 모델 및 교차 검증을 진행한다. 본 논문에서는 예측 모델의 성능을 판단하기 위해 MAPE(Mean Absolute Percent Error)를 사용함으로써 예측 모델의 정확도를 백분율로 표시하며 부하 간 예측 모델의 성능 검증을 진행한다⁽⁹⁾.

수식(2)는 MAPE의 산정 수식을 보여주고 있다. $A_{k}$는 실제 전력 부하, $F_{k}$는 예측 전력 부하, $N$은 전력 부하의 개수를 의미하고 있다. 본 실험에서는 51일간의 ‘A’, ‘B’, ‘C’ 사이트의 부하를 이용하여 모델을 검증하였으며 그림 2는 ‘A’ 사이트의 검증 결과를 보여주고 있다. ‘A’ 에 대한 부하 예측 결과, 주중 예측 결과 값은 이상치를 제외할 경우 전반적으로 높은 예측률을 보여주는 것을 확인할 수 있다. 단 주말의 경우 주중보다 상대적으로 데이터의 개수가 부족하며 불규칙한 패턴으로 인해 예측 결과가 주중에 비해 상대적으로 저조한 결과 값을 얻게 된다. 이 외 ‘B’, ‘C’ 사이트 역시 높은 예측률을 보여주고 있다는 것을 실험을 통해 증명하였으며 각 MAPE 결과는 표 2와 같다.

2.3 전력요금 체계 분석 및 결과

본 논문에서는 MG 간 거래 타당성 분석을 위해 실증지역인 베트남 내 공장과 교육 시설 대상의 전력 요금 체계를 분석하며, 이 외 병원을 포함하여 공공기관의 요금 체계 분석을 수행한다. 이는 MG 거래 운영을 통해 구매자와 수익을 담보하기 위해 기존 전력회사를 통해 전력을 구매할 때의 단가보다 낮은 가격을 산정함으로써 수익을 담보하며 새로운 고객 유치를 위해 필수적인 요소이다. 베트남 현행 전력 요금 기반으로 실증 대상 중 A, B는 EVN 22kV 계통에 접속되어 있으며, 22kV~110kV 요금을 적용받고 있다. 최소(피크시간 외) 902 VND/kWh, 최대(피크 시간 대) 2,556VND/kWh로 시간대별로 크게 차등을 두고 있다. 또한 C의 경우 Flat 단가(시간대별 단가 차등이 없는 요금제)를 적용하고 있으며, 1,659VND/kWh 단가를 확인하였다. 베트남 전력 요금의 경우 계절에 대한 구분 없이 일요일과 그 외 요일을 구분한 시간대를 적용하고 있으며, 태양광 발전 시간대와 요금제 분석을 통해 전력 요금이 비싼 A, B는 피크시간 대 요금 적용시간 대에 MG 간 거래 참여가 가능할 것이며, C의 경우 평상시 요금 적용 시간대에 참여가 가능할 것으로 판단된다. A, B, C에 대해서는 태양광 발전 전력 판매단가는 전력 요금(참여자들의 계통전력 구매단가)과 같은 Net-metering 제도를 적용하며, MG 간 거래 단가의 최저 단가 또는 태양광 설치자의 전력 요금(TOU)으로 정의된다⁽¹⁰⁾. 즉, 계통에 판매하는 단가가 태양광 설치를 통한 MG 간 전력거래 참여 전 이익은 ‘자가소비’ 할 때의 이익으로 분석된다. 아래 그림 3은 Net-metering 제도를 적용했을 때의 이익을 산정하는 예시를 보여주고 있다.

Net-metering 제도 및 TOU 요금 분석 결과, 시간에 따라 PV 설치자의 역할(판매자/구매자)이 달라지며 평균 베트남 현지 태양광 발전 시간대(08~17시)와 전력 요금 체계 분석을 통해 표 3과 같이 시간대별 참여자 간 상호 수익을 보장할 수 있는 거래 단가 산정이 가능하다. 그림 4는 실증단지 내 거래 구조를 보여주고 있으며 참여 프로슈머는 자가 부하와 PV를 설치, 참여 소비자는 PV 설치 없이 부하만을 가지고 있다. 또한, MG 운영자는 거래 운영을 주관하는 권한을 가지고 있으며, 각 참여자는 스마트 미터가 설치되어 있으며 미터 계량 정보는 운영자의 EMS 시스템을 통해 집계된다. 본 집계된 정보 기반으로 운영자는 거래를 운영하게 된다.

3.1 거래 단가 산정

전력 거래 모델을 제안하기에 앞서, 본 논문에서는 매칭 대상 간 거래 단가에 대해 한 시간 단위 전력 판매, 전력구매 단가에 따라 한 시간 단위 전력 거래가 가능한 대상을 정의하고, 거래 단가를 산정한다. 수식(3)과 같이 거래 단가에 대한 합의점인 거래용량 당 거래 수익을 공동으로 분배하는 판매/구매(거래 전)의 평균값으로 거래 단가를 산정한다.

i는 판매자, j는 구매자를 의미하며, 거래 단가는 판매자의 거래 전 계통에 태양광 발전량을 판매할 때의 단가 STG(Sell to Grid)보다 구매자가 거래 전 계통으로 전력을 구매할 때의 단가 BFG(Buy from grid)가 클 경우에만 거래 가격이 산정된다. 이때 거래 단가는 판매단가와 구매단가의 평균값으로 산정되며, 이는 거래 대상 간 거래 용량에 대해 수익을 공동으로 분배한다는 것을 의미한다. 표 4는 거래 단가 산정 알고리즘의 MATLAB 소스 코드를 보여주고 있다. 거래단가(TradePrice)를 결정하기 위해 구매자의 거래 전 계통으로 전력을 구매할 때 단가(HrElecPrice)가 판매자의 거래 전 계통에 태양광 발전량을 판매할 때 단가(HrGenPrice)보다 클 경우, 두 단가에 대한 평균값을 거래단가(TradePrice)로 산정하며, 그 외 조합에 대해서는 0의 값을 할당한다. 본 거래 단가를 토대로 본 논문에서는 ‘A’, ‘B’, ‘C’ 사이트 간 전력거래 가능성에 대해 분석을 진행한다. MG 간 전력거래 분석을 수행하기 위해서는 각 참여자의 전력 판매단가 및 구매단가를 조사한다. 그림 5는 ‘A’와 ‘C’ 간 거래 분석을 수행한 결과를 보여주고 있다. ‘A’는 태양광을 설치하고 발전량을 판매하는 판매자 역할‘ ’C’는 구매자로 정의한다. ‘A와 ’C’ 간 거래 단가는 1,607 VND/kWh로 계산되며 구매자의 전력 구매단가는 1,659 VND/kWh보다 작기 때문에 구매자의 수익성을 보장하게 된다. 또한 판매자의 전력 판매단가는 1,555 VND/kWh보다 크기 때문에 판매자의 수익 역시 동시에 보장한다. 판매자와 구매자 각 거래를 통해 kWh당 57 VND 의 이익이 발생하게 된다. 다음으로, ‘A’와 ‘B’ 간 거래 시, ‘B’ 역시 태양광을 설치하고 발전량을 판매하는 판매자이지만, Net-metering 제도에 따라 ‘A’에 비해 저렴한 단가로 판매하기 때문에 ‘A’로부터 전력을 구매하는 것이 경제적으로 유리하다. 이때, ‘B’에서 생산되는 PV 발전량은 자가 소비에 사용 또는 시간대별 사용량에 따라 ‘C’에 판매할 수 있으며, ‘A’와 ‘B’ 간 거래 단가는 1,518 VND/kWh이며, ‘A’와 ‘B’ 모두 거래를 통해 kWh당 27VND의 이익이 발생한다.

3.2 MG 간 거래 최적 매칭 알고리즘

앞서 제안한 거래단가 산정 알고리즘을 기반으로 한 시간 단위 최적 거래대상 및 거래용량을 산정하는 MG 간 최적 매칭 알고리즘을 제안한다. 목적함수 수식(4)는 거래 참여자 전체의 거래 수익이 최대화되기 위한 수식을 보여주고 있다. 거래수익에는 구매자의 전기요금 절감, 판매자의 판매를 통한 수익을 포함한다.

$x$는 판매자 $i$와 구매자 $j$ 사이 발생하는 한 시간 단위 거래용량을 의미하고, $\lambda$는 판매자 $i$와 $j$ 사이 해당 시간의 거래 단가, $D$는 판매자와 구매자 사이의 물리적 거리를 나타내며, $f$는 거래에 대한 수수료(계통 이용 수수료)를 의미한다. 아래 수식(5)와 수식 (6)은 최적화 함수에 적용되는 제약조건을 의미한다.

G는 판매자의 해당 시간에 대한 발전량을 의미하며 특정 시간대 판매자 I와의 거래를 통해 구입한 총 구매 비용 (x)는 발전량을 초과하지 못한다는 것을 의미한다. L은 구매자의 해당 시간대 소비량을 의미하며, 특정 시간대의 구매자 j와의 거래를 통해 판매한 총 판매용량 ‘x’는 소비량을 초과하지 못하는 것을 의미한다. 또한 커뮤니티의 총 이익을 극대화하면서 참가자 개인의 이익에 부정적인 영향을 미치지 않기 위해 수식(7)의 조건을 필요로 한다.

3.3 MG 간 거래운영 검증

MG 간 거래 운영 동작을 수행하기 위해서 그림 6과 같은 순서도로 구성되어 있으며, 입력 데이터로는 요금 정보, 참여자에 대한 정보(PV 설치 여부), 물리적인 거리에 대한 정보 등을 필요로 하며, MG 간 거래 운영을 위해서는 아래와 같이 진행되며, 이를 통해 참여자 간 거래 수익에 대한 검증을 진행한다.

1. 소비 및 발전량에 대한 예측

2. 수요/발전 정보 이용, 거래에서 활용 가능한 용량 계산

3. 한 시간 거래단위의 거래 단가 산정

4. 수익 최대화를 위한 거래 용량 산정 매칭 알고리즘 운영

5. 참여자의 거래 수익 비교 및 검증 단계

MG 간 거래 운영 검증 결과를 검증하기에 앞서, 표 5와 표 6과 같이 참여자별 기본 데이터 및 참여자별 요금제를 정의한다. ‘A’, ‘B’의 경우 동일 공장 타입으로서 각 1,000kW와 3,000kW의 PV 용량을 가지고 있다. ‘C’의 경우 교육 시설로서 ‘A’와 ‘B’와는 다르게 PV가 미설치되어 있다. 본 논문에서는 MG 간 30분 단위에 대한 거래 운영 알고리즘의 성능 검증을 한다. 본 논문에서는 2021/02/01 ~ 2021/02/28일까지 베트남 EMS에서 취득한 데이터 및 PVwatt calculator의 데이터를 기반으로 거래 운영 결과 및 수익 비교를 진행한다⁽¹¹⁾.

그림 7과 표 7은 21/02/01일의 거래 운영 결과와 거래 운영 수익성 분석 결과를 보여주고 있다. 표 7과 같이 판매자 및 구매자의 거래수익은 각 78,623.15와 78,622.93 VND/day로 분석되며 두 참여자에 대해 수익이 공동 분배되었다는 것을 검증하였으며, 거래 운영 결과 157,246.07 VND/day ($6.78)의 수익 발생을 확인할 수 있다. 두 참여자간 발생하는 오차는 MATLAB을 이용하여 구현한 매칭 알고리즘의 특성상 발생하는 floating 숫자, 즉, 0의 값을 도출할 수 없는 한계로 인해 발생한 것이며, 본 검증을 통해 구매자와 판매자에 대해 수익이 공동 분배되었다는 것을 검증하였으며, 이 외 21/02/02의 경우 144,164VND, 21/02/03의 경우 94,849 VND의 수익이 발생한 것을 확인하였다.