1. 서 론

마이크로그리드는 분산 발전을 전력 시스템에 통합하는 수단으로 점점 더 주목받고 있다⁽¹⁾. 마이크로그리드는 일반적으로 부하, 에너지 저장 시스템(ESS), 신재생발전원 및 기존 발전기로 구성된다. 섬과 같은 독립적인 구조의 마이크로그리드 실증단지는 설립되어있지만, 향후 신재생발전 및 ESS의 기술발전을 통해 다중의 마이크로그리드로 구성된 도시형 전력네트워크의 출현이 예상되며 많은 연구가 진행되고 있다^(2)-(4). 본 연구는 이와 같은 다중 마이크로그리드 구조를 도시형 전력네트워크 (Urban level 전력네트워크)로 정의했으며, Urban level 전력네트워크는 선행연구⁽⁵⁾에서 제시한 Local level 전력네트워크들이 모여 더 큰 단위에서 통합 운영하는 전력네트워크를 말한다. Local level 전력네트워크는 주 계통에 연계되어 신재생에너지를 포함한 분산전원들을 주 에너지원으로 네트워크를 운영한다. Urban 단위에서는 이러한 Local 별 잉여전력, 불확실성 그리고 시장비용을 고려하여 통합적으로 운영할 수 있는 기반을 만드는 것을 목표로 한다.

전력망 분석의 기본 도구는 OPF(Optimal Power Flow)이다⁽⁶⁾. OPF는 전력 시스템의 기술적 한계 내에서 안전한 작동을 보장하면서 운영 비용을 최소화하는 것을 목표로 한다. 현재 운영 체계에서 시스템은 비상 상황뿐만 아니라 정상 운영에 대한 운영 한계 내에서 유지될 때 안전한 것으로 간주된다. 이 원칙은 추가적인 제약을 통해 SCOPF(Security Constrained Optimal Power Flow)에 반영된다⁽⁷⁾. MG의 예측 불확실성은 시스템에 영향을 미치는 교란이다. 예측 불확실성은 신재생에너지의 예측할 수 없는 변동에서 발생하며, 신재생발전의 병입률이 증가함에 따라 최적화 문제를 해결하는 동안 계통의 리스크를 분석하는 것이 필요하다. 그에 따라 RBOPF(Risk based Optimal Power Flow)는 신재생 불확실성으로 인해 더욱 중요해진 보안 문제에 대한 솔루션으로 활용된다.

본 연구에서는 서울시의 실제 계통 데이터를 활용하여 다수의 Local level 전력네트워크를 구성하였고, 이들로 이루어진 하나의 Urban level 네트워크를 만들었으며, 상정사고 및 신재생 불확실성을 통한 계통의 리스크를 분석하였다.

2. 도시형 전력네트워크 모델링

신재생발전원의 비중을 높이고, 화력 발전을 줄이는 세계적인 추세는 마이크로그리드에 대한 필요성을 강조한다. 하지만, 단일 마이크로그리드는 기후변화로 인한 신재생발전원의 불확실성에 의하여 안정도에 대한 우려가 클 수밖에 없다. 따라서, 마이크로그리드간 전력을 교환하는 다중 마이크로그리드는 친환경적이며 안정적인 모델로서 연구가 진행되고 있다. 본 연구는 아직 실증되지 않은 다중 마이크로그리드 모델링을 실제 계통(서울시)을 통해 진행함으로써 미래형 도시의 리스크를 분석하고 관리하고자 한다. Urban Level 전력네트워크는 다수의 Local Level 전력네트워크로 구성되었으며, 이는 다수의 단일 마이크로그리드가 연결되어있는 다중 마이크로그리드 구조에 대응한다고 볼 수 있다.

전력시스템을 운영하는데 있어서 신재생발전원의 정확한 예측이 가능하다면 최적의 해답을 찾을 수 있을 것이다. 하지만, 기상요소의 예측은 아직까지 불가능하므로 이에 따른 리스크는 존재할 수 밖에 없다. 그 외에도 자연재해 및 상정사고를 통해 실제 계통의 운영은 실시간으로 달라지게 된다. Local level 네트워크에서 ESS는 실시간 변동에 대한 조류 제어를 수행하게 된다. 각 분산 전원은 인접한 설비와의 정보 교환을 통해 합의 알고리즘(Consensus Algorithm)에 따라 경제적으로 최적의 등증분 비율로 발전을 유도하게 된다⁽⁸⁾. Local level 전력네트워크는 분산 전원, 부하 및 ESS로 구성된 소규모의 전력망이며, 기존의 중앙집중형 전력망과 다르게 수요처 인근에서 전력을 자체적으로 생산하여 소비하는 형태의 분산형 전력망이다. 발전설비의 보유로 잉여발전을 위해 주 계통에 판매가 가능하며 계통의 입장에서는 Local levels 네트워크가 제어가능한 부하 또는 발전설비로 취급될 수 있다.

3. RBOPF

RBOPF는 SCOPF를 기반으로 하며 신재생 에너지 및 ESS가 전력네트워크에 미치는 영향에 대한 위험 분석을 위해 개선된 모델이다. RBOPF는 확률적 값을 가지는 정보도 처리가 가능하며 신재생발전원의 불확실성에 대한 분석을 통해 ESS의 최적 운영 스케줄링 수립 리스크 분석이 가능하다. 또한, Urban level 전력네트워크의 안정도를 유지하는데 필요한 예비력의 총량을 결정해준다.

이는 전체 전력시스템 운영비용을 최소화하는 목적함수를 가지며, 발전비용, 예비력 비용, 발전출력변환 비용, 부하추종 예비력 비용, ESS 비용, 기동 및 정지 비용으로 구성된다. 목적함수의 형태는 다음과 같다⁽¹¹⁾.

식(16)은 발전기의 운영 비용과 관련된 비용을 나타내며 출력은 발전기별로 계산된다.

상정사고 예비력 비용은 한 시간 내에 순 부하 불확실성의 균형을 맞추는 것과 관련이 있다.

식(17)은 발전기 고장 또는 송전선로 고장과 같은 예기치 못한 사고를 결정하는데 사용된다.

발전출력변환 비용은 순 부하의 시간별 변동성을 충족할 때 발생한다.

식(18)은 신재생발전의 패널티 비용을 나타내며, 이는 높은 변동성에 따라 심각한 출력 변화를 유발할 수 있기 때문이다.

부하추종 예비력 비용은 기존 발전기의 스트레스로 인한 수명 저하와 관련이 있다. 일반적으로 신재생발전원의 높은 변동성에 기인한다.

식(19)는 전력계통 부하의 급격한 변화에 필요한 비용을 나타낸다.

식(20)은 ESS에 저장된 초기 에너지와 마지막 기간의 잔여 에너지에 대한 정산과 관련된 비용을 나타낸다.

기존 발전기를 기동정지하는 비용이 포함되며, 이는 다음과 같다.

위의 목적 함수는 기본 OPF 모델 제약 조건, 비상 제약 조건, 시간 변동성 제어 제약 조건, 발전기 운전 일정 제약 조건 등 모든 제약 조건을 충족해야 한다.

식(22)는 비선형 AC 전력 균형 방정식, 선형 DC 전력 균형 방정식 및 수요와 공급에 대한 등식으로 나타내어진다. 또한, 식(23)은 비선형 송전망 제약, 전압 제약 및 기타 부등식 제약함수를 나타낸다.

식(24)-(26)은 예비력, 재급전 및 계약 변수와 관련된 제약 조건을 나타낸다.

RBOPF와 SCOPF의 가장 큰 차이점은 계통의 안정도를 일정하게 유지하기 위해 필요한 예비력을 결정해준다는 것이다. 이는 RBOPF가 불확실성을 띠는 신재생발전원 분석을 고려함으로써 가능해진다. 계통 운영자는 신재생발전원의 변동성을 예측하고 전력 공급 계획을 수립할 때 필요한 예비력량 계산하기 때문이다. 신재생발전원 및 상정사고가 안정도에 미치는 문제는 이 필요한 예비 전력의 양으로 정량화할 수 있다.

4. 리스크 평가

5. 사례연구

기후변화에 따른 Urban level 전력시스템의 리스크 분석을 위하여 불확실성으로 인한 시나리오를 생성하였다. 시나리오 생성 시 각 Local별 적용되는 기후요소에 따른 불확실성을 고려해 주어야 하지만 본 보고서는 서울이라는 한 지역(Urban) 내에서 Local을 나눈 것이기 때문에 모든 지역에서 동일한 기후요소가 적용된다고 가정하였다.

과정은 몬테카를로 시뮬레이션을 통해 1000개의 시나리오를 생성한 뒤, 원활한 시뮬레이션을 위해 선행연구와 같이, K-means 클러스터링 기법을 통해 10개의 대표 시나리오를 산출하였다. Urban level 전력네트워크 또한 불확실성 요소로 풍력, 태양광, 부하량을 사용했으며, 각각 와이블 분포, 베타 분포, 정규 분포를 활용하여 난수를 생성하였다. 몬테카를로 시뮬레이션을 통해 시나리오를 생성하고 원활한 시뮬레이션을 위하여 K-means 클러스터링 기법을 이용하여 시나리오를 대푯값 10개로 선정하였다. 이때 부하의 경우 각 Local 별로 몬테카를로 시뮬레이션을 하여 설정하였으나, 신재생 발전량의 각 Local들은 동일한 지역내에 위치하고 있어 기후의 영향이 동일하므로 대표지역(강서)을 뽑아 몬테카를로 시뮬레이션을 실행하였다. 이를 통해 나온 결과값을 토대로 다른 지역들의 신재생발전량을 설정하였으며 9개의 Local에 대한 시나리오를 선정한 다음 Urban level 전력네트워크의 리스크 평가를 하였다.

본 연구의 Urban level 전력네트워크는 9개의 Local level들이 메인버스를 통해 연결되어 전력 및 정보를 교환하고 있다.

그림 3은 9개의 Local level과 메인버스간의 연계선로를 나타내고 있으며, 이 선로들이 차단될 경우 각 Local level들은 고립된 상태로 운전하게 된다. 각 Local level들은 내부의 발전기 및 신재생발전원을 통해 자체적인 전력수급이 가능하도록 설계되었지만, 기후변화로 인한 신재생발전량 예측 오차가 심각한 시나리오에 대해서는 취약성이 나타날 것으로 예상된다. 따라서, 각 Local level의 연계선로를 하나씩 상정사고를 내어 Urban level 전력네트워크에 미치는 영향을 평가하였다.

표 4는 9개의 Local level 별 연계선로 차단 상정사고를 케이스 c1~c9으로 나누어 각 상정사고 케이스 별 시나리오 sc1~sc10에 대하여 U-SRI를 나타낸 것이다.

상정사고를 고려하지 않은 케이스와 같이 시나리오 4와 9에서 높은 U-SRI 값이 나타났으며 발전설비비율이 빈약한 종로-성북 Local의 상정사고 c7에서 가장 높은 U-SRI 값이 나타났다. 이는 다른 Local로부터 전력을 주로 공급받는 계통에서 상정사고 및 신재생 에너지 출력 감소가 심해지는 경우 Urban level 전력네트워크의 전체적인 리스크가 상승함을 보인다.

계통의 리스크를 줄이기 위해 RBOPF를 수행함으로써 부하차단비율과 송전선로과부하율을 비교하고 그에 따른 U-SRI 저감효과를 분석하였다. 기존 SCOPF의 부하차단비율($MW_{L}$)을 보이며 종로-성북 Local의 연계선로 상정사고 시 신재생 발전오차가 가장 심한 시나리오 7에 대하여 10%에 가까운 부하차단이 발생한다. 하지만, RBOPF의 리스크 저감을 통해 5% 미만까지 감소하는 결과를 보인다.

그림 5는 모든 상정사고에서 약간의 송전선로 과부하가 확인된다. SCOPF는 평균 3.5%의 과부하가 존재하지만 3% 미만으로 저감되는 효과를 보인다.

표 5는 상정사고 발생 시 신재생발전량 시나리오에 따른 U-SRI 값을 SCOPF와 RBOPF로 구분하여 나타내고 있다. 종로-성북 Local 상정사고 및 시나리오 9에서 56.56으로 가장 높은 U-SRI가 나타났지만, RBOPF를 통해 부하차단과 송전선로 과부하가 크게 개선됨에 따라 46.84로 10 가량의 SRI가 감소되는 효과를 보인다. 다른 상정사고와 시나리오에서도 7~9 가량의 SRI가 감소되는 결과가 나타난다. 이는 모든 케이스에 높은 리스크를 유발하는 요소들이 포함되어 있으므로, RBOPF를 통해 리스크 요소가 큰 부하차단과 송전선로 과부하를 감소시켰음을 알 수 있다. 따라서, 평균 U-SRI가 25.35% 감소 되었음을 확인할 수 있다.

6. 결 론

본 연구에서는 기존연구에서 구성한 Local level 전력네트워크들이 군집하여 정보 및 전력을 공유하는 Urban level 전력네트워크를 구성하였으며, Urban level의 통합 운영을 통한 MAS 기반 합의 알고리즘을 제시하였다. 이를 통해 Local level 사이의 통신을 통해 Urban level 전역적인 제어 방안을 보였다. Local level의 리스크 평가 지수를 활용하여 Urban level의 리스크를 나타내는 지수를 개발하였으며, 신재생/오차 시나리오 및 상정사고에 따른 리스크를 나타내었다. Urban level 리스크의 저감을 위해 RBOPF를 사용하였으며, 부하차단률과 송전선로 과부하율의 감소를 통한 리스크 감소 효과를 모든 케이스에서 확인할 수 있었다.