권동영
(Dong-Yeong Gwon)
1iD
최윤혁
(Yun-Hyuk Choi)
†iD
-
(School of Electronic and Electrical Engineering, Daegu Catholic University, Korea.)
Copyright © The Korean Institute of Electrical Engineers(KIEE)
Key words
DER, Optimal Placement Search, Voltage Stability, Sensitivity Analysis, Hosting Capacity
1. 서 론
최근 분산전원의 배전계통 연계신청 급증에 따라 전력설비 신증설 비용 증가 및 배전선로의 분산전원 수용 능력에 한계가 발생할 가능성이 크다. 이를 해소하기
위해서 분산전원의 최적 연계 위치를 유도하여 배전선로에 연계되는 시간을 단축하고 연계점 집중을 완화할 필요성이 있다.
그림. 1. 분산전원 연계점 집중 문제
Fig. 1. Problem of DER Concentration
산업통상자원부에서 발표한, 2030년까지 재생에너지 발전량 비중 20% 달성 계획 “재생에너지 3020 이행계획”에 따라 재생e를 활용한 분산전원
연계신청이 급증하여 분산전원 수용력 확보가 중요한 이슈로 부각되고 있으나, 분산전원 개체 수 급증에 따라 전압 품질 문제가 발생할 가능성이 크다.
따라서, 전압 품질 문제 개선을 위해 분산전원의 최적 위치 산정이 중요하다 (1).
분산전원 수용력 및 연계 방안과 관련하여 “PV 수용력 확대를 위한 변압기 제어”, “분산전원 수용력 확대를 위한 ESS 설치 용량 산정”, “배전
계통의 분산전원 연계 위치 산정”, “분산전원 관리를 위한 스마트인버터 전압-무효전력 제어 기능”, “신뢰도 지수를 이용한 분산전원 영향 평가” 등의
연구가 수행되었다 (2-8).
그림. 2. 분산전원 누적 접속 현황
Fig. 2. Status of DER Connection
특히, EPRI의 경우 CYME, PowerFactory, OpenDSS 등을 이용하여 분산전원 수용력을 분석하고 도출하는 프로그램인 DRIVE을
개발하여 배전계통 운영에 활용한다. DRIVE는 단선도 기반으로 전압, 선로열용량, 보호협조 등의 관점에서 분산전원 수용력을 계산한다 (9).
그림. 3. EPRI DRIVE 개요
Fig. 3. Overview of EPRI DRIVE
분산전원의 최적 위치 결정을 위한 최적화 알고리즘을 개발하기 위해서는 분산전원 개체 수 및 연계점, 전압변동, 선로손실 등 다양한 요소를 고려해야
한다. 이에, 본 논문에서는 첫 번째 단계로 배전선로 감도해석을 통해 모선의 전압-유효전력 감도 및 전압변동률을 검토한다.
2. 최적화 알고리즘 개요
최적화 알고리즘 개발을 위해 ① 분산전원 연계 선로 전압 분석, ② 감도해석을 통한 모선의 유/무효전력 변화에 민감한 분산전원 및 SVR 선정, ③
목적함수(dV/dP + 전압변동률 + 선로손실률)를 최소화하는 분산전원 위치를 결정한다. 이러한 순서를 고려한 전체 개념도는 그림 4와 같다.
그림. 4. 최적 연계 위치 탐색 알고리즘 개념도
Fig. 4. Concept of Optimal Placement Search Algorithm
전압 위반이 발생하는 선로를 감시 대상 선로로 선정하고, 이 선로 데이터를 Matlab에서 구현한 OpenDSS 연동 모듈에 입력하여 전압안정도 평가(VSA)를
실시한다. 전압안정도 평가를 위해서 전압-유효전력 감도, 전압변동률, 선로손실률을 분석한다. 이를 바탕으로 Matlab에서 수식(1)과 같은 목적함수를 갖는 최적화 모듈을 구현하고 감시 대상 배전선로의 각 모선별 결과를 비교하여 최소값을 갖는 모선을 찾는다. 이는 목적함수를 최소화하는
모선이 계통 안정도 관점에서 안정함을 의미하며 이 모선에 분산전원을 연계한다 (10).
본 논문의 목적은 감시 대상 선로와 분산전원에 민감한 모선을 선정하고 안정도를 판단하는 것이므로 이를 위해 분산전원 연계 배전선로의 연계전 전압 특징
분석, 정태 전압안정도 해석, 배전선로별 분산전원과 모선 간의 전압 감도와 전압 변동률을 분석하였다.
감시 대상 선로를 선정하기 위해서 우리나라의 3개 배전본부 중 전압 문제가 발생할 가능성이 큰 선로를 다수 가지고 있는 본부를 Target 시스템으로
결정한다. Target 시스템이 결정되면 7MW이상의 분산전원 연계 배전선로를 대상으로 조류계산을 통해 연계전 전압 위반을 분석하고 Target 시스템의
감시 대상 선로를 선정한다. 감시 대상 선로의 유효전력 특성 분석을 위해 배전선로 전압-유도전력 감도(dV/dP) 해석을 실시하고 전압변동률을 계산하였다.
이를 통해 최종적으로 전압-유효전력 감도와 전압변동률을 동시에 고려하여 분산전원에 민감한 모선을 결정한다.
3. 분산전원 연계 배전선로 분석
3.1 Target 시스템 선정
우선 Target 선정을 위해 전압 문제가 발생할 가능성이 큰 선로 다수를 가지고 본부를 선정해야 하며, 검토 대상 본부는 다음 표 1과 같다.
표 1. 검토 대상 본부
Table 1. Centers under review
대상
본부
|
강원, 경기북부, 경남, 경북, 광주전남, 남서울,
대구, 대전충남, 서울, 인천, 전북, 제주, 충북
|
Target 계통 선정을 위해 각 본부의 7MW이상 분산전원 연계 배전선로만 고려하며 검토 요소는 ① 선로 평균 길이, ② 분산전원 개수, ③ 말단
분산전원 연계 평균 용량이다. 이는 배전선로 길이가 길수록 선로 손실 및 선로 임피던스 값이 커지며, 분산전원 개수가 많을수록 역조류 발생 가능성이
크고, 말단에 연계된 분산전원 용량이 클수록 선로 말단에서 전압 문제가 발생할 가능성이 크기 때문에 고려한다.
즉, 전압 문제를 일으킬 수 있는 요소에 대해서 전체 본부 결과를 정류화(Normalization)하여 비교한다. 방법은 3가지 검토 요소에서 가장
큰 값을 갖는 본부의 값으로 모든 본부의 값을 나눈 것이다. 따라서, 가장 큰 값을 갖는 본부가 1이 되고. 나머지 본부의 값이 1을 기준으로 정규화
된다. 그림 5를 보면 선로 길이가 가장 길고 분산전원 연계 개수가 많으며, 말단 분산전원 연계 평균 용량이 큰 전북 본부를 Target 시스템으로 선정한다.
그림. 5. 정규화 결과
Fig. 5. Result of Normalization
3.2 배전선로의 분산전원 연계현황
분석 데이터는 전북 본부의 배전선로 중 분산전원이 7MW이상 연계된 배전선로를 대상으로 실 계통 데이터를 사용하고, 분석 프로그램은 OpenDSS
조류계산 엔진을 사용했다.
분산전원 연계현황을 분석하기 위해서 분산전원 연계 위치 및 집중도를 검토한다. 분산전원 연계 위치는 표 2과 같이 3가지 유형으로 나타내고, 집중도는 구간(2Km) 최대 연계용량과 인접구간의 최대연계용량으로 표시한다.
표 2. 분산전원 연계 위치 유형
Table 2. Type of DER Connected Location
유형
|
내용
|
인입단
|
변전소 ~ 선로 주간선의 1/3 지점
|
중단
|
선로 주간선 1/3 지점 ~
선로 주간선의 2/3 지점
|
말단
|
선로 주간선 2/3 지점부터 ~ 끝까지
|
전북 본부의 7MW이상 분산전원이 연계된 배전선로는 총 57개이나 송출전압 1.0pu이하 선로, 최소부하 5MVA이상 선로, 구간부하 0MVA인 선로,
대용량(전압선 선종 AWOC 240㎟) 선로, 분산전원 전용선로 등에 해당하는 31개를 제외하고 실제 해석 가능한 선로 26개에 대해 검토하였다.
분산전원 연계 위치 및 집중도에 대해 통계적으로 분석하면 인입단 연계 선로는 5개(8.8%), 중단 연계 선로는 6개(10.5%), 말단 연계 선로는
7개(12.3%)이다. 즉, 분산전원은 대부분 일부 지역에 집중되어 연계되며, 30km이하의 선로이다.
3.3 분산전원 연계점 전압 분석
분산전원이 연계된 배전선로의 전압 특성을 분석하기 위해서 전력조류해석 기반의 연계점 전압을 분석한다. 전력조류해석 시 중요한 조건으로 변전소 송출
전압은 특고압(22.9kV)을 기준으로 변경하지 않으며, 기존 배전선로의 최소부하를 적용한다. 이때, 분산전원 연계점 전압이 1.02pu(14,464kV)를
초과하면 전압 문제(과전압)가 발생한 것으로 가정한다.
그림 6과 같은 순서로 연계점 전압을 분석한다. 연계점 전압 분석을 위해 OpenDSS 기반 전력조류계산 엔진을 활용하여 배전선로 조류해석을 수행한다. 연계점
전압은 선로길이(선로 임피던스), 분산전원 용량(발전 출력), 연계점 위치에 영향을 받기 때문에 연계별 위치별 검토를 위해 최대 선로 길이별 누적
연계용량 및 전압 크기를 검토한다.
그림. 6. 분산전원 전압 분석 과정
Fig. 6. Process of DER Voltage Analysis
규정전압 1.02pu를 위반한 선로에 대해서 분산전원 연계 위치에 따라 결과를 분석한다. 우선, 인입단 연계의 경우 대용량의 분산전원이 집중적으로
연계되고 최소부하 용량과 차이가 크면 전압 위반이 발생한다. 중단 연계의 경우 인입단 연계와 마찬가지로 선로 중앙에 대용량의 분산전원이 집중적으로
연계되고 최소 부하 용량과 차이가 클 경우 전압 위반이 발생한다. 마지막으로 말단 연계의 경우 마찬가지로 대용량의 분산 전원이 말단에 연계되고 최소부하
용량과 차이가 크면 전압 위반이 크다.
규정 전압 위반 선로에 대해서 분산전원 누적 연계 용량에 대한 연계점 전압 최고 전압 및 최대 선로 길이에 대한 연계점 최고 전압을 그림 7, 8과 같이 나타낸다. 그림을 보면 대체적으로 누적 연계 용량이 커질수록, 최대 선로 길이가 커질수록 연계점 최고 전압은 상승하는 것을 확인 할 수 있다.
그림. 7. 누적 연계 용량에 대한 연계점 최고 전압
Fig. 7. Peak Voltage via DER Connected Capacity
그림. 8. 최대 선로 길이에 따른 연계점 최고 전압
Fig. 8. Peak Voltage via Maximum Line Length
분산전원 누적 연계 용량과 최소 부하의 차가 전압 분포에 미치는 영향을 파악하기 위해서 그림 9와 같이 연계점 최고 전압과의 관계를 분석했다. 대체적으로 최소 부하와 누적 연계 용량의 차가 커질수록 연계점 최고 전압은 점차적으로 커지는 것을
확인할 수 있다.
통계적 분석 결과를 살펴보면 7MW이상 분산전원이 연계된 배전선로(26)개 중 규정 전압을 위반한 선로는 총 21개로 7MW이상 분산전원 연계선로
중 80.8%를 차지한다. 이중 과전압 선로는 13개(50.0%)이며, 부족전압 선로는 8개(30.8%)이다. 또한, 정상 전압범위를 유지하는 선로는
총 5개로 7MW이상 분산전원 연계선로 중 19.2%를 차지한다. 표 3은 전북지역의 규정 전압을 위반한 과전압 선로를 나타낸다.
그림. 9. 최소 부하와 누적 연계 용량의 차에 따른 연계점 최고 전압
Fig. 9. Peak Voltage via Difference between Minimum Load and DER Connected Capacity
표 3. 과전압 배전선로
Table 3. High Voltage D/L
변전소
|
선로
|
진안S/S
|
백운D/L
|
임실S/S
|
상월D/L
|
함열S/S
|
함라D/L, 여산D/L, 석천D/L, 성당D/L, 다송D/L, 함열D/L, 시내D/L
|
팔봉S/S
|
안천D/L, 금마D/L
|
이리S/S
|
신황D/L
|
영등S/S
|
월성D/L
|
위 결과를 바탕으로 전압 불안정이 발생할 가능성이 큰 선로를 결정할 수 있는데 선로의 분산전원 누적 연계 용량이 크고, 최대 선로의 길이가 크며,
최소 부하와 분산전원 누적 연계 용량의 차가 클수록 전압 위반이 발생한다. 이를 바탕으로 규정 전압 위반 선로 중 과전압 선로를 전북본부의 감시 대상
선로로 결정한다.
4. 정태 전압안정도 해석
과전압 선로의 배전선로 무효전력 특성을 분석하기 위해서 배전선로의 정태 전압안정도 해석을 실시한다. 정태 전압안정도 해석을 위해 P-V 해석, V-Q
해석 등의 방법이 있으나, 배전선로 전압안정도 해석에 맞는 V-Q 해석을 실시한다.
V-Q 해석을 위해 분산전원 연계 모선에 유효전력 출력값이 0이고, 무효전력 발전의 한계가 존재하지 않는 가상의 발전기(동기조상기)를 투입하고 조류계산을
반복 수행한다. 이때, V-Q 곡선은 각 운전점에서 가상 발전기의 단자 전압과 가상 발전기의 무효전력 출력값으로 결정되는데, 분산전원 연계 모선의
부하의 무효전력(Q)과 전압(V) 관계를 도시하여 운전조건을 확인할 수 있다. 즉, dV/dQ 값이 0보다 크면 안정하고, 0보다 작으면 불안정,
0인 지점은 안정도의 한계점이다.
그림 10은 감시 대상 선로의 인출 변전소 모선과 구간 최대 연계 용량 모선의 V-Q 해석 결과를 나타낸 것이다. 파란색은 인출 변전소 모선의 무효전력 여유이며,
빨간색은 구간 최대 연계 용량 모선의 무효전력 여유이다. 인출 변전소 모선 결과를 보면, 분산전원 누적 연계 용량과 최소 부하의 차가 클수록 인출
변전소 모선의 무효전력 여유가 커진다. 또한, 구간 최대 연계 용량 모선 결과를 보면, 구간 최대 연계 용량과 최소 부하의 차가 클수록 무효전력 여유가
커짐을 알 수 있다. 아울러, 전체적으로 인출 변전소에 가까울수록 무효전력 여유가 크고, 분산전원 연계점에서 무효전력 여유가 적어, 전압 불안정이
발생할 가능성이 크다.
그림. 10. V-Q 해석 결과
Fig. 10. Result of V-Q Analysis
5. 전압-유효전력 감도 해석
5.1 전압-유효전력 감도 정의
배전선로 유효전력 특성을 분석하기 위해서 전압-유효전력 감도를 분석한다. 일반적으로 전압은 무효전력과 관련이 깊기 때문에 전압-무효전력 감도 분석이
더 유리하다. 그러나, 그림 11과 같이 수전단 쪽에 분산전원이 연계되어 있다고 가정한다면 전압-유효전력 해석이 의미가 있다.
그림. 11. 분산전원에 의한 전압 변동
Fig. 11. Voltage Violation caused by DER
그림 11에서 송전단과 수전단 사이의 전압을 $\triangle V$라고 한다면, 다음과 같은 수식을 표현할 수 있다.
수식(2)를 보면 무효전력의 공급과 흡수에 따라 전압 변동이 발생하지만, 분산전원의 유효전력 공급에 의해서도 배전선로의 전압상승이 발생할 수 있다. 또한,
배전계통의 경우 상대적으로 선로 R/X 비가 크기 때문에 분산전원의 유효전력 출력에 대한 영향이 크다.
전압-유효전력 감도에 대한 분석 방법은 basecase에서 조류계산을 수행하여 각 모선의 전압을 체크하고 배전선로에 설치된 모든 분산 전원의 출력값을
각각 개별적으로 최대치($P_{\max}$)로 올린 후 조류계산을 수행하여 각 모선의 전압을 체크하고 그 변화량을 계산한다. 이때, 분산 전원의 역률(pf)은
초기 값인 1.0으로 고정하였다.
변화량 계산은 자코비안 행렬(Jacobian Matrix)을 이용한다. 일반적으로 자코비안 행렬을 이용한 유효전력의 변화에 의한 전압 변화에 대한
민감도는 다음 수식과 같다 (11).
위의 수식에서 $J_{P\theta}$,$J_{P V}$는 위상각과 전압에 대한 유효전력의 편미분 값을 나타내는 자코비안 행렬의 부분행렬이며, $J_{Q
V}$,$J_{Q\theta}$는 위상각과 전압에 대한 무효전력의 편미분 값을 나타내는 자코비안 행렬의 부분행렬을 나타낸다.
5.2 전압-유효전력 감도 해석 결과
그림 12는 감시 대상 선로 별로 분산전원 위치와 민감 모선 위치를 나타낸다. 이때, x, y축의 “1”은 배전선로의 인입단, “2”는 중단, “3”은 말단
위치를 나타낸다.
그림 12의 감시 대상 선로의 전압-유효전력 감도 결과를 보면 대체적으로 분산전원이 연계되어 있는 모선에 인접한 구간이 분산전원 출력 변동에 민감하다. 그러나,
인입단에 주로 연계된 일부 선로의 경우 말단 구간에서 더 민감한 결과를 나타낸다. 특히, 함열S/S 함열D/L은 모든 구간에서 전압이 크게 변화하는
결과를 나타내며, 그림 13는 전압-유효전력 감도 결과를 나타내며, 그림 14을 보면 단선도의 노란색으로 표시한 부분이 민감한 지역이다.
그림. 12. 감도해석 결과
Fig. 12. Result of Sensitivity Analysis
그림. 13. 함열S/S 함열D/L 전압-유효전력 감도
Fig. 13. Voltage-Active Power Sensitivity
그림. 14. 함열S/S 함열D/L 단선도
Fig. 14. Single Line Diagram
6. 전압변동률 분석
6.1 전압 변동률 정의
배전선로 유효전력 분석 시 분산전원 출력값을 각각 개별적으로 최대치($P_{\max}$)로 올린 후 각 모선의 전압변동률을 계산한다. 이때, 전압변동률은
분산전원 출력 변화에 각 모선의 전압이 어떻게 변화하는지를 분석하기 위함이다.
일반적으로 전압변동률은 송전단 전압이 일정하게 유지된다는 전제조건하에서 수전단에서의 부하가 무부하에서 어느 특정 역률의 최대부하까지 변화했을 때 나타나는
수전단 전압의 변화로 정의한다 (12).
여기서, $\%VR$은 % 전압변동률을 나타내며, $\left | V_{RNL}\right |$은 무부하 시 수전단 전압 크기, $\left | V_{RFL}\right
|$은 최대부하 시 수전단 전압크기이다. 이를 이용하여 본 논문에서는 수식(5)와 같이 분산전원 출력 변동 전, 후의 전압으로 전압변동률을 계산했다.
여기서, $VR_{DER}$은 분산전원 출력 변동에 대한 전압변동률을 나타내며, $\left | V_{1}\right |$은 분산전원 출력 변동 후의
각 모선 전압 크기, $\left | V_{0}\right |$은 분산전원 출력 변동 전의 basecase에서의 각 모선의 전압 크기이다.
6.2 전압변동률 분석 결과
그림 15는 감시 대상 선로 별로 분산전원 위치와 전압변동률이 큰 위치를 나타낸다. 이때, x, y축의 “1”은 배전선로의 인입단, “2”는 중단, “3”은
말단 위치를 나타낸다.
그림 15의 감시 대상 선로의 전압변동률 결과를 보면 분산전원이 연계되어 있는 모선에 인접한 구간이 분산전원 출력 변동에 대한 전압 변동률이 높다. 특히,
함열S/S 함열D/L은 그림 16와 같이 모든 분산전원의 출력 변동에 전체 모선의 전압변동률이 높게 나타나는데, 그림 17의 노란색 표시 지역이 전압변동률이 특히 높다.
그림. 15. 전압변동률 분석 결과
Fig. 15. Result of Voltage Violation Rate Analysis
그림. 16. 함열S/S 함열D/L 전압변동률
Fig. 16. Voltage Violation Rate
그림. 17. 함열S/S 함열D/L 단선도
Fig. 17. Single Line Diagram
7. Conclusion
본 논문은 감시대상 선로와 분산전원에 민감한 모선을 선정하고 안정도를 판단하는 것으로 이를 위해 분산전원 연계 배전선로의 연계점 전압 특성 분석,
정태 전압안정도 해석, 배전선로 별 분산전원과 모선 간의 전압 감도와 전압 변동률을 분석하였다.
먼저, 분산전원 연계 배전선로분석을 위해 Target 계통으로 전북 본부를 선정했다. 이는 선로 길이가 가장 길고 분산전원 연계 개수가 많으며, 말단
분산전원 연계 평균 용량이 크기 때문이다.
전북 본부의 7MW이상의 대용량 분산전원이 연계된 배전선로에 대해서 연계점 전압 특성을 분석한 결과, 대체적으로 누적 연계 용량의 차가 클수록 분산전원
연계점 최고 전압이 점차적으로 커지며, 규정 전압을 위반할 가능성이 크다. 따라서, 이러한 결과를 바탕으로 전북 본부의 규정 전압 위반 선로 중 과전압이
발생한 선로를 감시 대상 선로로 선정하였다.
이 감시대상 선로에 대해 전압안정도 분석을 실시하였다. 인출 변전소 모선의 경우, 분산전원 누적 연계 용량과 최소 부하의 차가 클수록 무효전력 여유가
커졌으며, 구간 최대 연계 용량 모선의 경우, 구간 최대 연계 용량과 최소 부하의 차가 클수록 무효전력 여유가 커졌다. 이를 통해 전체적으로 인출
변전소에 가까울수록 무효전력 여유가 크고, 분산전원 연계점에서 무효전력 여유가 적어, 전압 불안정이 발생할 가능성이 큼을 확인했다.
또한, 감시 대상 선로의 전압-유효전력 감도 및 전압변동률을 분석하였다. 대체적으로 분산전원이 연계되어 있는 모선에 인접한 구간이 분산전원 출력 변동에
민감하나, 인입단에 주로 연계된 일부 선로의 경우 말단 구간에서 더 민감한 결과를 나타내었다. 또한, 함열 S/S 함열 D/L과 같은 특정 선로의
경우 모든 구간에서 전압이 크게 변화하는 결과를 나타내었다. 전체적인 결과를 보면 감시 대상 선로의 전압-유효전력 감도 및 전압변동률은 유사한 패턴을
보였으며 향후 민감한 모선 선정 시 이를 고려할 필요가 있다.
본 논문의 결과를 바탕으로 향후 감도해석 결과를 적용하여 OpenDSS-Matlab 기반의 분산전원 최적 연계 위치 알고리즘을 개발할 예정이다.
Acknowledgements
This work was supported by research grants from Daegu Catholic University in 2019.
References
Ministry of Trade, Industry and Energy, 2017. 12, The 8th Basic Plan for Electricity
Supply and Demand
H. Pezeshki, P. J. Wolfs, G. Ledwich, 2014, Impact of high PV penetration on distribution
transformer insulation life, IEEE Trans. Power Deliv. 29
D. Chattopadhyay, T. Alpcan, 2016, Capacity and energy-only markets under high renewable
penetration, IEEE Trans. Power Syst. 31, pp. 1692-1702
M. Ebad, W. M. Grady, 2016, An approach for assessing high- penetration PV impact
on distribution feeders, Elec. Power Syst. Res. 133, pp. 347-354
T. Adefarati, R. C. Bansal, 2016, Integration of renewable distributed generators
into the distribution system: a review, IET Renew. Power Gener. 10, pp. 873-884
M. Karimi, H. Mokhlis, K. Naidu, S. Uddin, A. Bakar, 2016, Photovoltaic penetration
issues and impacts in distribution network - a review, Renew. Sustain. Energy Rev.
53, pp. 594-605
P. Mohammadi, S. Mehraeen, 2017, Challenges of PV integration in low-voltage secondary
networks, IEEE Trans. Power Deliv. 32, pp. 525-535
Min-Sung Kim, Yun-Sik Oh, Gyu-Jung Cho, Ji-Soo Kim, Chul-Hwan Kim, 2017.7, A Study
on Development of Installation Procedure Considering the Capacity and Location of
DER, Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
31(7), Vol. 31, No. 7, pp. 92-99
EPRI, 2016. 01, Integration of Hosting Capacity Analysis into Distribution Planning
Tools
Hariri Ali, Newaz Alvi, Omar Faruque M., 2016, Matlab- OpenDSS Hybrid Simulation Software
for the Analysis of PV Impacts on Distribution Networks, ISA 59th POWID Symposium
J.D. Glover, et al., 2017, Power System Analysis & Design 6th Edition, CENGAGE
KIEE, 2014, Distribution Engineering, BooksHill
저자소개
He received a B.S. degree in the major of electrical engineering from Daegu Catholic
University in 2021.
Since 2021, he has been an M.S. student at Daegu Catholic University.
His research interests are the hierarchical control method of DERs and smart inverter
control.
He received B.S, and Ph.D. degrees in the electrical engineering from Korea University,
Seoul, Korea, in 2005, and 2012, respectively.
Currently, he is an assistant professor in the school of electronic and electrical
engineering at Daegu Catholic University.
His main subjects are distribution system analysis, smart inverter control and hosting
capacity of renewable energy.