1. 서 론

후쿠시마 사고(2011년 3월), 경주지진(2016년 9월), 포항지진(2017년 11월) 등으로 다수호기가 밀집한 국내원전의 안전에 대한 국민의 우려가 증가하고 있다⁽¹⁾. 또한, 이상 한파가 미국 남부 텍사스에 들이닥쳐 텍사스의 주요 전력 공급원인 천연가스, 풍력 등이 한파로 일부 멈춰서면서 텍사스 정전 사고(2021년 2월)가 발생하였다. 이에 안전하고 깨끗한 전원믹스로의 에너지정책 전환 필요성이 증대되고 있다. 제 9차 전력수급기본계획에 따르면 재생에너지원의 발전비중을 ‘40년까지 30~35%까지 증가시킬 계획을 수립 중에 있다. 또한 한국판 뉴딜 종합계획(2020년 7월)에 따르면 저탄소·친환경 국가로의 도약을 위해 ‘25년까지 태양광 및 풍력과 같은 재생에너지원의 중간목표를 상향하기로 하였다⁽¹⁾. 더불어 근래 전 세계적으로 지구 온난화의 해결책으로 풍력발전기의 급격한 증가가 대두되고 있다. 이처럼 재생에너지원이 전력계통에 지속적으로 증가할 전망이다. 하지만 재생에너지원은 기존의 발전원과 달리 바람과 햇빛과 같은 자원 공급의 불확실성이 크므로 출력 형태가 매우 불확실하고 간헐적이다. 독일에서는 재생에너지 출력 예측 실패로 수급 비상사태 사례(2017년 1월)가 있었고, 일본 규슈 지역과 한국의 제주도 지역에서는 재생에너지원 비율 증가로 재생에너지원의 출력제어(Curtailment)가 이루어지고 있다. 또한 이상 한파가 미국 남부 텍사스에 들이닥쳐 텍사스의 주요 전력 공급원인 천연가스, 풍력 등이 한파로 일부 멈춰서고 폭설로 인해 전기 수요가 증가함에 따라 텍사스에서는 정전사고가 일어났다. 앞서 언급한 사고와 전원의 변화들을 살펴보았을 때 풍력발전기(Wind turbine generator; WTG)를 포함한 복합전력계통(Hierarchical Level II; HLII)에서의 지역별 신뢰도 평가가 중요시되며 이러한 신뢰도 평가는 송전선로 확충계획에서 필요하다. 현재 재생에너지원의 계통 투입이 증가함에 따라 계통관성 저하에 따른 전압불안정, 주파수 급변 등에 대한 연구가 활발히 진행되고 있다^(2-4).

본 논문에서는 본 연구진에서 이미 제안한 풍력발전기의 계통 투입에 따른 확률론적인 공급적정도 측면에서의 확률론적인 신뢰도 평가 알고리즘을 보다 상세히 제시함을 목적으로 먼저 그 방법을 수작업도 가능한 간단한 샘플예제를 통하여 제시하였으며 나아가 이것을 바탕으로 우리나라의 제주도 계통 크기와 유사한 모델계통을 상정하여 실 계통 크기에서 다수의 풍력발전원을 고려한 복합전력계통(HLII)의 신뢰도 평가를 매우 다양하게 모의를 실시하여 그 유용성을 보였다. 끝으로 그 응용 예로서 최근 그 중요성이 더욱 강조되고 있는 송전계통 확충계획을 확률론적 신뢰도 측면에서 그 가능성을 나타냄으로써 본 연구에서 개발한 방법의 유용함을 검증하였다. 따라서 앞으로 다수의 풍력발전원을 고려한 송전계통의 확률론적인 확충계획을 수립할 때 확률론적 신뢰도 평가 측면에서 최적의 시나리오를 얻고자 할 경우에 실제 사용이 가능하리라 기대된다.

2. 복합전력계통의 계층구조

전기를 생산, 수송하여 소비하는 각종 설비가 유기적으로 결합해서 하나의 시스템을 구성한 것을 총칭하여 전력계통이라 부른다. 이러한 전력계통은 크게 발전계통, 송전계통, 배전계통으로 구성돼 있다. 전력사업에 있어 궁극적인 목표는 최적의 경제적인 비용으로 정전없는 전기를 공급함에 있다. 여기서 ‘정전없는’이라는 의미는 전력계통의 신뢰도(Reliability)를 뜻한다. 전기에너지 자체로의 저장이 어려운 전기의 특성상 부하에서 소비되는 전기는 발전에서 동시에 생산되어야 한다. 즉 생산, 수송, 소비가 동시에 이루어지는 것이다. 이에 설비 고장이나 사고에서도 전력공급의 중단이 없어야하므로 전력계통의 상정사고를 고려한 신뢰도 평가는 더욱 중요하다. 복합전력계통이란 발전계통과 송전계통까지 포함하는 전력계통을 말한다. 그림 1은 복합전력계통해석을 위한 계통모형을 나타낸다.

복합전력계통의 해석에는 전력조류계산, 과부하 해소, 상정사고해석, 부하차단 정책, 발전량 재분배 등의 복잡한 요소들이 포함되어 그 계산이 복잡하다. 이러한 이유로 신뢰도지수들에는 일반적으로 계통의 동적특성이나 과도응답 등은 고려하지 않고 전력의 적정도(Adequate)만 고려한다.

통상적으로 송전계통의 신뢰도지수는 복합전력계통의 신뢰도 수준과 발전계통만의 신뢰도 수준의 차이를 평가함으로써 산정한다. 즉, 그림 2의 발전계통 및 송전계통을 포함한 복합전력계통까지의 신뢰도지수와 발전계통만의 신뢰도지수의 차이가 이론적으로는 약간의 오차가 발생하지만 송전계통만의 신뢰도지수가 될 수 있음을 알 수 있다⁽⁶⁾.

3. 복합전력계통의 유효부하지속곡선(CMELDC)

발전계통만을 대상으로 한 HLI(Hierarchical Level I)에서의 유효부하지속곡선(Effective Load Duration Curve; ELDC)은 1967년에 Baleriaux와 Jamoulle가 처음으로 제시하여, 발전계통의 확률론적인 발전시뮬레이션이나 신뢰도 평가에 매우 유용하게 사용되어 왔다⁽³⁾. 이를 보이면 그림 3과 같다.

그 후 여러 연구자들에 의하여, 전원개발계획이나 발전계통만을 대상으로 한 연구 등에 적용되면서 개선을 거듭하였으나, 발전계통 및 송전선로의 사고율과 같은 송전계통의 불확실성까지 포함한 복합전력계통의 신뢰도 평가개념은 매우 미흡한 실정이다. 그러나 근래에 발전계통 및 송전계통의 불확실성까지 고려한 복합전력계통에 대한 각 부하지점별 유효부하지속곡선(Composite power system Equivalent Load Duration Curve; CMELDC)을 이용하여 발전기 및 송전계통의 사고율과 같은 불확실성을 고려한 복합전력계통에서의 각 부하지점별 확률론적 발전비용 산정 및 신뢰도 지수를 구하기 위한 새로운 유효부하 모델이 개발되어 제시되었다⁽⁶⁾.

4. 풍력발전기의 출력모형

5. Sample Case Study

기존발전기와 풍력발전기를 각각 1대씩 갖는 그림 11과 같은 수 작업도 가능한 간단한 샘플계통 I을 제시한다. 여기서 송전선로 용량은 각각 20[MW]이며 사고율은 0.003이다. 본 계통은 그림 12와 같은 최대부하가 20[MW]인 역부하지속곡선(Inverted Load Duration Curve; ILDC)을 갖는다고 가정한다.

기존발전기는 사고율이 0.1인 2개상태를 가지며 풍력발전기는 풍속모델과 풍력발전기의 출력모형에서 산정되어 5개의 사고상태 공간모형을 갖는다고 가정한다. 풍속과 풍력발전기의 특성자료는 표 1과 같다고 가정한다.

풍속모델은 개발된 공통풍속모델(Common wind speed model)을 사용한다. 풍속의 평균($\mu$)과 표준편차($\sigma$)를 갖는 정규 확률분포로 가정하며, 풍속분포는 최저풍속에서 최대풍속까지 10$\sigma$내에 모두 포함되는 것으로 한다.

1m/sec 단위로 $\mu -5\sigma$(-30m/sec)에서 $\mu +5\sigma$(50m/sec)까지 81개의 번호로 설정하고 이때의 풍속모형과 풍력발전기의 출력모형을 결합하여 가용용량(AP)별 확률분포함수를 구하면 표 2와 같다.

표 3은 풍속모형과 풍력발전기의 출력모형을 결합하여 가용용량별 확률분포함수를 구한 후 미리 상정한 5개의 가용용량별 운전상태 공간으로 확률분포값을 선형분할분배하는 것을 보인다. 표 4는 얻어진 가용용량상태확률분포를 사고용량상태확률분포로 정리한 것을 보인 것이다. 이때, 송전선로 T1, T2의 사고율은 0.003으로 가정한다.

첫 번째 방법은 표 4에서 정리한 풍력발전기의 사고용량확률함수값을 이용하여 샘플계통 I에서 발생할 수 있는 모든 경우의 수를 확률에 따라 나타내면 표 5와 같다. 표 5에서 T1, T2의 2는 송전선로 2개가 정상상태임을 의미하며, 1은 송전선

로 1개가 고장, 0은 송전선로 2개가 고장상태임을 나타낸다. AP(Available Power)는 부하지점에서 최고도달전력을 의미한다. OC(Outage capacity)는 사고용량을 의미한다. LOL은 해당 상태의 정전시간을 의미한다. 각 상태의 LOLE는 상태확률값과 LOL의 곱이다. 각 상태의 EENS는 j사고상태의 최고도달전력이 최대부하보다 클 경우 0이다. j사고상태의 최고도달전력이 최대부하보다 작을 경우 역부하지속곡선의 최고도달전력에서 최대부하까지 면적 값에 발생확률값을 곱한 값이 j사고상태의 EENS이다. 모든 상태의 LOLE 값을 더하면 해당 모델계통의 LOLE 값이 되며, 모든 상태의 EENS 값을 더하면 해당 모델계통의 EENS 값이 된다.

두 번째 방법은 복합전력계통의 유효부하지속곡선을 이용한 방법이다. 표 4에서 풍력발전기의 사고용량상태확률분포를 구하는 단계까지는 같다. 부하모선에서의 가상등가발전기의 사고용량확률함수는 표 6과 같다.

유효부하를 주어진 역부하지속곡선과 상승적분하면 기존발전기와 풍력발전기가 고려된 복합전력계통의 부하모선에서의 유효부하지속곡선이 된다. 그림 13은 기존발전기 및 풍력발전기 투입 후의 CMELDC($_{k}Φ_{2}$)를 나타낸다. 표 7은 상승적분을 수작업으로 수행하는 과정이다.

표 7과 같이 수작업으로 한 결과 LOLE는 2.009598[hours/day], EENS는 24.18636[MWh/day]이 나오는 것을 확인할 수 있다.

본 연구에서 제시하는 방법을 보다 정확히 이해하기 위하여 부하개소가 2개인 다른 샘플계통 II를 부록에 제시하고 그 계산 방법도 보인다.

6. 제주도 전력계통 크기에 대한 사례응용연구

본 연구진들이 개발한 ‘CmRelWS_V8’이라는 프로그램을 사용하여 신뢰도 지수를 계산한다. 이 프로그램은 비쥬얼 포트란으로 작성하였으며 조류를 유량(유효전력)으로 보고 선형계획법을 이용하여 최대도달전력을 산정하도록 모델링되어 있다. 유량법 조류계산을 통해 모의된 상태의 전력부족용량과 부족용량별 확률을 구한 후 이를 종합하여 각 부하지점에 대한 사고용량별 확률분포를 구하고, 사고용량별 확률분포와 역부하지속곡선을 상승적분하여 복합전력계통의 유효부하지속곡선을 구할 수 있다. 최대공급지장전력률을 일으키는 부하지점의 공급지장전력률을 최소화하도록 목적함수가 설정되어 있다. 그리고 선로의 전력조류가 송전선로의 용량을 넘지 않도록 모델링되어있다⁽¹⁷⁾.

Base case는 그림 14와 같은 제주도의 실제계통과 유사한 크기의 모델(편의상 ‘제주 모의계통’이라 말한다.)을 사용하였다. 발전설비는 전력거래소 전력통계정보시스템의 2020년 발전기 세부내역에서 제주지역의 발전설비 데이터를 이용한다. 가파도, 마라도, 비양도, 추자도의 발전설비 등은 제외한다. 제주 모의계통은 총 1,545[MW] 용량의 발전단지로 구성되어 있다. 부하는 2020년 제주 전력계통의 실제 부하데이터를 사용하였으며, 최대부하는 1,009[MW]이다. 표 8은 제주 모의계통의 모선번호와 이름을 나타낸다. 표 9는 제주 모의계통의 발전단지의 정보를 나타낸다⁽¹⁸⁾. 표 9의 HVDC는 3개의 상태를 갖는 등가발전기로 가정하였다. 2020년 12월 말 기준 제주계통에서 시장참여형 풍력발전원의 용량은 294.6[MW]이므로 표 10처럼 풍력발전단지의 용량을 나타내었다. 표 10은 풍력발전단지의 특성을 나타낸다.

그림 15는 2020년 제주 전력계통의 부하변동곡선에서 부하를 큰 순으로 나열한 부하지속곡선의 패턴을 보인다. 통상 1년은 365일, 8760시간이나 2020년은 366일이므로 그림 15와 같이 나타난다. 그림 15의 y축은 최대부하에 대한 비율을 나타낸다. 표 11은 제주 모의계통의 부하지점들과 최대부하를 나타낸다. 표 11의 각 부하지점별 부하는 그림 15의 부하지속곡선의 패턴을 따른다고 가정한다. 표 12는 제주 모의계통의 송전선로의 특성을 나타낸다.

7. 사례연구 결과

먼저 Base case에서 프로그램을 통해 각 부하지점별 신뢰도 지수와 계통 신뢰도 지수를 계산하였다. 계산결과는 표 13과 같다. Base case의 LOLE를 보면 현재 제주 모의계통의 LOLE는 3.60557 [Hrs/year]로 현재 우리나라에서 사용되는 공급신뢰도 확보 기준(0.3일/년)을 충족하고 있다.

그림 14의 제주 모의계통을 보면 1번 모선에서 HVDC까지 포함하였을 때 발전단지의 용량이 793[MW]이다. 그에 비해 2, 3, 11번의 최대부하의 합은 606[MW]이다. 제주 모의계통 약 60%의 부하가 2, 3, 11번 모선 지역에 있다. 이를 보았을 때 1번 모선이나 4번 모선에 발전단지가 더 필요할 것으로 사료된다. 물론 2, 3번 모선에 발전단지가 지어지면 공급신뢰도 측면에서 가장 좋을 것으로 생각되지만 주민들의 반대나 건설부지 등을 생각하였을 때 사실상 어렵다고 가정하고 본 연구에서는 발전단지가 있던 모선에만 발전단지를 증설하기로 한다. 그리고 송전선로가 있는 곳을 활용하여 증설하였을 때와 신설하였을 때 어디에 증설하면 공급신뢰도 측면에서 가장 좋을 지를 시나리오를 통해 연구하고자 한다.

9차 전력수급기본계획에 따르면 제주지역의 재생에너지원은 급속히 증가할 전망이다. 2034년 재생에너지원은 설비용량 4,456[MW]이 계획될 전망이다. 따라서 시나리오 I은 송전선로를 증설하지 않고, 풍력발전단지의 용량을 늘렸을 때 부하지점별 신뢰도 지수가 포화가 되는 지점을 확인한다.

시나리오 II는 시나리오 I에서 풍력발전단지의 용량이 늘어남에 따라 풍력발전단지 주변 송전선로를 보강하는 다양한 경우를 통해 최적의 시나리오를 찾고자 한다.

시나리오 I은 총 5가지 경우로 사례연구를 하였다. S1C1(시나리오 I, 사례연구 1), S1C2, S1C3, S1C4, S1C5는 4번 한림풍력발전단지(HLM), 9번 성산풍력발전단지(SSN), 10번 행원풍력발전단지(HWN)의 설비 용량을 2, 3, 5, 7, 10배로 올려보았다.

표 14는 시나리오 I의 사례연구들의 계통 신뢰도 지수를 나타낸다.

표 14의 시나리오 I의 사례연구별 계통 신뢰도 지수를 보았을 때 4, 9, 10번 풍력발전단지 설비용량이 5배가 넘어가면서부터 계통 신뢰도 지수가 거의 변하지 않는 것을 확인할 수 있다. 해당 모선에 연결되어 있는 송전선로들의 용량이 각각 200[MW]이지만 풍력발전단지의 설비용량이 각 지점별 625[MW], 500[MW], 375[MW]이 되어서야 포화가 된 이유는 풍력발전기를 모델링할 때 자원공급의 불확실성을 고려하여 가용용량을 확률론적으로 나타내어 실제 설비용량보다 가용용량이 적기 때문이다. 하지만 실제 제주도 전력계통에서 풍력발전단지의 설비용량이 5, 7, 10배 더 늘어난다면 송전선로의 과부하율을 고려하여야할 것으로 사료된다.

시나리오 II는 2023년 제주도 풍력발전단지 설비용량이 1,015[MW]가 될 전망에 따라 가장 비슷한 S1C2를 기준으로 사례연구를 하였다. S1C2에서 4번 풍력발전단지의 설비용량은 375[MW], 9번 풍력발전단지의 설비용량은 300[MW], 10번 풍력발전단지의 설비용량은 225[MW]이다. 그러므로 송전선로의 용량에 비해 풍력발전단지의 설비용량이 크다고 판단하여 시나리오 II는 풍력발전단지 주변 송전선로를 보강하는 경우로 사례연구를 하였다.

S2C1, S2C2, S2C3는 4번 모선과 연결되어 나오는 송전선로를 보강하는 사례연구이다. S2C1과 S2C2는 2, 3, 11번 부하지역을 고려하여 송전선로를 보강하였고, S2C3는 7, 8번 부하지역을 고려하여 송전선로를 보강하였다. S2C1은 4번과 3번, 3번과 1번 사이의 송전선로를 2회선 증설하였고, S2C2는 4번과 2번, 2번과 1번 사이의 송전선로를 2회선 증설하였다.

S2C3은 4번과 6번, 6번과 7번 사이의 송전선로를 2회선 증설하였다.

그림 16, 17, 18은 S2C1, S2C2, S2C3의 제주 모의계통을 나타낸다. 표 15는 4번 모선과 연결되어 나오는 송전선로를 보강하는 사례연구들의 계통 신뢰도 지수를 나타낸다.

앞선 S1C3에서 부하지점별 신뢰도지수를 확인하였을 때 제주 남동쪽 지역(7, 8번 모선)에 비해 부하량이 많고, 신뢰도지수가 좋지 않았던 제주 북쪽지역(2, 3, 11번 모선)으로 송전선로를 더 보강하였을 때 신뢰도 지수가 더 좋을 것이라 가정하고 사례연구를 진행하였다. 하지만 프로그램을 통해 S2C1, S2C2와 S2C3의 신뢰도 지수를 계산하여 비교하였을 때 제주 모의계통 남동쪽으로 송전선로를 보강한 S2C3의 계통 신뢰도 지수가 더 좋음을 확인할 수 있다. 그리고 S2C1과 S2C2의 경우 송전선로를 증설하였음에도 불구하고 S1C3와 신뢰도 지수가 크게 차이나지 않았다.

시나리오 II 4번 모선과 연결되어 나오는 송전선로를 보강하는 사례연구들의 부하지점별 신뢰도 지수를 나타내면 표 16, 17, 18과 같다, 그림 19는 시나리오 II의 1-3번 사례연구들의 계통 LOLE를 막대그래프로 나타내었으며, 그림 20은 시나리오 II의 1-3번 사례연구들의 계통 EENS를 막대그래프로 나타낸다. 그림 21은 시나리오 II의 1-3번 사례연구들의 계통 EIR을 막대그래프로 나타낸다.

S2C1, S2C2, S2C3의 부하지점별 LOLE와 EENS를 비교하였을 때 3번 모선의 신뢰도 지수는 오히려 제주 남동쪽으로 향하는 송전선로를 증설하였을 때 좋아짐을 확인할 수 있었다. 그리고 S2C3에서 4-6번 사이의 송전선로가 증설되어 5번과 6번 모선의 발전단지의 영향으로 4번 모선의 신뢰도가 좋아졌으며, 6-7번 사이의 송전선로가 증설되어 제주 남동쪽 지역의 신뢰도 지수가 좋아졌다.

S2C3의 계통 신뢰도 지수가 단순히 풍력발전단지의 설비용량을 5배 증가한 경우인 S1C3의 계통 신뢰도 지수와 비슷함을 알 수 있다.

다음은 S2C4, S2C5, S2C6는 9번이나 10번 모선에서 나오는 송전선로를 보강한 경우이다. S2C4과 S2C5는 2, 3, 11번 부하지역을 고려하여 송전선로를 보강하였고, S2C6는 7, 8번 부하지역을 고려하여 송전선로를 보강하였다. S2C4는 9번과 1번 사이의 송전선로를 2회선 증설하였고, S2C5는 9번과 10번, 10번과 1번 사이의 송전선로를 2회선 증설하였다. S2C6는 9번과 8번, 8번과 7번 송전선로를 2회선 증설하였다.

그림 22, 23, 24은 S2C1, S2C2, S2C3의 제주 모의계통을 나타낸다. 표 19는 9번이나 10번 모선과 연결되어 나오는 송전선로를 보강하는 사례연구들의 계통 신뢰도 지수를 나타낸다.

앞선 S1C3에서 부하지점별 신뢰도지수를 확인하였을 때 3번 모선 다음으로 신뢰도 지수가 좋지 않았던 지역이 9번 모선이다.

2, 3, 11번 부하지점을 고려하여 송전선로를 보강한 S2C4와 S2C5는 계통 신뢰도 지수의 정도가 풍력발전단지 설비용량이 5배 늘린 경우의 계통 신뢰도 지수와 결과값이 나왔다.

7, 8번 부하지점을 고려하여 송전선로를 보강한 S2C6는 계통 신뢰도 지수가 단순히 풍력발전단지의 설비용량을 10배 늘린 것보다 계통 신뢰도 지수가 좋게 나왔다. 물론 풍력발전단지의 설비용량이 10배가 늘어난다고 부하지점까지 도달하는 전력이 크게 증가하지는 않지만 단순히 발전단지만 늘리는 것보다 송전선로를 증설할 때 더 신뢰도 지수가 좋아질 수도 있다는 것을 확인할 수 있다. 그리고 제주 모의계통 남동쪽의 송전선로가 증설되었을 때 신뢰도 지수가 많이 좋아졌다는 의미는 제주 모의계통 남동쪽의 송전선로가 부족하다는 의미이다.

시나리오 II 9번이나 10번 모선과 연결되어 나오는 송전선로를 보강하는 사례연구들의 부하지점별 신뢰도 지수를 나타내면 표 20, 21, 22와 같다, 그림 25는 시나리오 II의 4-6번 사례연구들의 계통 LOLE를 막대그래프로 나타내었으며, 그림 26은 시나리오 II의 4-6번 사례연구들의 계통 EENS를 막대그래프로 나타낸다. 그림 27은 시나리오 II의 4-6번 사례연구들의 계통 EIR을 막대그래프로 나타낸다.

제주 모의계통 특성상 가운데 한라산이 있어 송전선로를 한라산을 통과해서 신설한다는 것은 큰 비용이 예상되며, 현실적으로 불가능하다고 판단하였다. 예를 들면 한라산을 통과하는 1번과 7번 사이에 송전선로를 신설하는 경우이며, 송전계통 확장계획에서 제외하였다. 제주 모의계통은 지형적 특성으로 인해 한라산을 주변으로 환형태의 전력계통을 보인다. 그러한 이유로 송전선로에 사고발생시 수용가에서 필요한 전력을 우회해서 공급해야한다. 차후 연구 시 우회 루트에 관한 것도 고려하여 모의하는 방법도 생각해 봐야할 문제이다.

본 연구에서는 제주도 전력계통의 과거 부하데이터를 이용해 과거를 기준으로 하여 신뢰도 평가를 진행하였다. 각 부하지점별 신뢰도 지수를 통해 신뢰도 지수가 다른 모선에 비해 좋지 않은 지역을 기준으로 발전설비가 필요할지, 송전설비가 필요할지 등을 가설을 세운다. 다음으로는 어느 지역에 발전설비를 지을지, 송전선로를 증설할지 등의 가설을 세우고, 사례연구에서 진행한 것처럼 다양하게 모의한다. 다양한 모의를 통해 공급신뢰도가 가장 좋아지는 순위가 나올 것이고, 이 순위를 토대로 계통 계획을 진행한다. 차후 제주도에서 특정 지역의 부하 증가가 다소 크게 발생한다면 먼저 현재 전력계통에서의 평가를 진행한 후 계통 계획을 어떻게 갖고 가야하는가는 이러한 모의 등을 통하여 선정하여야할 것으로 사료된다.

출력제어가 어려운 재생에너지원의 계통 투입이 증가하면서 한 가지 고려해야할 점은 송전선로의 과부하율이다. 앞의 사례연구에서 풍력발전단지의 설비용량이 5배, 7배, 10배 되었을 때 실제 계통에서 정격출력을 내는 경우 해당 모선과 연결된 송전선로는 과부하로 인해 사고가 일어날지도 모른다. 이번 연구에서는 고려하지 않은 태양광발전원을 생각할 경우 밤에는 발전량이 적어 송전선로의 이용율이 내려가게 된다. 즉 실 계통에서 계통 계획을 한다고 가정하면, 투자 대비 효율도 고려해 봐야할 문제이다.

본 논문에서 제안하는 방법은 경제성을 고려하지 않은 공급신뢰도 측면에서의 계통계획방법이다. 실 계통에서의 계통계획은 최적의 비용에서 적정 공급신뢰도 확보 기준을 만족할 때의 두 경우를 고려한 최고의 만족도를 이끌어 내는 것이 핵심이라 사료된다.

8. 결 론

제 9차 전력수급기본계획에 따르면 재생에너지원의 경우 ‘40년 발전비중 30-35%에 맞춰 ‘34년까지 지속 확충할 예정이다. 그에 따라 계통의 안정성 유지를 위해 복합전력계통 및 지역별 신뢰도 평가도 보다 더욱 중요시되고 있다.

본 연구는 기 제안한 바 있는 풍력발전기의 계통 투입에 따른 확률론적인 공급적정도 측면에서의 확률론적인 신뢰도 평가 알고리즘의 효과 및 그 응용을 보다 명확하게 제시함을 목적으로 실시하였다. 먼저, 그 방법을 수 작업도 가능한 간단한 샘플계통 예제를 통하여 자세히 제시함으로써 독자들이 개념을 보다 쉽게 파악하도록 하였다. 나아가 이것을 바탕으로 우리나라의 제주도 전력계통 크기와 유사한 모델계통을 상정하여 다수의 풍력발전원을 고려한 복합전력계통(HLII)의 신뢰도 평가를 매우 다양하게 모의를 실시하여 그 유용성을 보였다. 끝으로 응용 예로서 최근 그 중요성이 더욱 강조되고 있는 송전계통 확충계획을 제주도 계통 크기를 상정한 후 확률론적 신뢰도 측면에서 다양하게 시나리오를 설정하고 모의를 실시함으로써 본 연구에서 개발한 방법의 실제 사용이 유용함을 검증하였다.

앞으로 여기서 기술한 다양한 시나리오를 통하여 그 유용함을 검증한 사례연구 방법을 활용하면 복합전력계통에서의 신설 풍력발전기의 기여도 평가 및 송전선로의 확충계획 시 공급신뢰도 측면에서 가장 적합한 시나리오 선정을 할 경우에 매우 효과적이며 실제 사용이 가능할 것으로 크게 기대된다.