박상준
(Sangjun Park)
1iD
신훈영
(Hunyoung Shin)
†iD
-
(Dept. of Electrical Engineering, Sangmyung University, Korea.)
Copyright © The Korean Institute of Electrical Engineers(KIEE)
Key words
Electricity markets, Look-ahead dispatch, Multi-interval real time market, Flexible ramping product
1. 서 론
글로벌 탄소 중립 달성을 위해 선진국들을 중심으로 재생에너지 확대와 화력 발전기의 감축이 이루어지고 있다. 미국의 경우 2010년 약 57.16 GW였던
재생에너지 발전 용량을 2020년 224.61GW까지 확대하였으며, 화력 발전 용량은 2000년부터 2020년까지 약 82.3 GW을 감축하였다.
독일의 경우 2010년에서 2020년 사이 풍력 35.4GW, 태양광 35.1GW의 발전 용량을 추가했으며 석탄 발전 용량 4.2GW를 감축하였다.
하지만 재생에너지 발전원이 가지는 간헐성과 불확실성이라는 특징으로 인해 재생에너지를 전력시스템에 통합하는데 있어 부정적인 영향이 나타나고 있다. 재생에너지의
간헐성과 불확실성은 전력 계통 운영 시 ramp event를 발생시키고, 수급 불균형을 초래할 수 있으며, 전력 시장에서 가격 불안정, 가격 스파이크
증가 등 비정상적, 비효율적 운영으로 이어질 수 있다. 더 나아가 전력 계통 내 정전으로 이어질 수 있다. 실제 캘리포니아와 같이 재생에너지 비중이
높은 지역에서 일출 시간대에 순 수요가 감소하고 일몰 시간 이후 급격한 순 부하 증가가 발생하는 ‘덕커브’ 현상이 나타나고 있다. 덕커브 현상은 과잉
발전 및 전력 가격 상승을 초래할 수 있으며, 정전과 같은 상황에 전력 계통이 취약하게 만든다. 뿐만 아니라 기저 발전원의 운영 정지 및 재가동 반복에
따라 전력시스템 내 운영, 유지 비용이 증가하게 만든다. 텍사스 지역에서는 2019년 8월 15일 최대 수요 시간인 오전 7시부터 오후 11시까지
풍력 터빈 출력이 감소하여 수요 부족분이 평균 4500MW 발생하였다. 이후 희소가격 결정으로 인해 전력 가격이 평균보다 약 300배 높은 $9,000/MWh를
기록하기도 하였다. 이에 따라 전력시스템 운영의 유연성 확보 특히 증감발 자원 확보가 중요해지고 있다 (1).
전통적으로 실시간 시장에서의 경제 급전은 발전기 기동⋅정지 계획에 따라 결정된 발전기의 기동⋅정지 결과를 기반으로 단일 시간(예: 5분)만을 고려하여
이루어진다. 하지만 재생에너지 증대로 인해 순 부하의 변동성이 증가하고 있는 상황에서 증감발 자원의 확보가 어려운 단일 시간 경제 급전의 경우 효율적인
발전원의 운영과 적절한 시장 가격 신호 제공에 있어 한계를 가진다. 이를 개선하기 위해 단일 시간 급전을 통한 시장 운영 대신 연속적인 시간을 고려한
전진 급전(LAD, look-ahead dispatch)을 시장을 운영할 수 있다 (2). 하지만 전진 급전 수행 시 순 부하와 재생에너지의 변동성만 고려 가능하며, 예측 불확실성은 고려되지 않는다. 이러한 한계를 극복하기 위해 학술적으로
확률론적 접근에 기반한 급전 방법에 대한 다양한 연구가 진행 중이다. (3)에서는 L-shpae 방법을 사용한 확률론적 전진 급전 방법을 제안하였으며, (4), (5)에서는 풍력 발전량의 불확실성을 고려한 강건 최적화 방법을 제안하였다. (6), (7)에서는 전진 급전을 기반으로 실시간 기동⋅정지 계획 단계에서 확률을 고려하였다. 하지만 실시간 급전 단계에서 확률론적 전진 급전을 수행하는 데에는
계산 수행 시간 및 확률 모델 사용을 위한 정보의 확보 및 공정성 이슈, 시장 청산 가격 결정 문제 등 많은 어려움이 존재한다(8). 이에 따라 CAISO, MISO등 미국 내 일부 시장 운영자들은 확률론적 급전을 수행하는 대신 순 부하의 예측 오차를 고려한 증감발 예비력 요건을
산정하고, 실시간 시장 운영에 활용하고 있다(9).
본 논문에서는 미국 내 ISO 들이 현재 실시간 시장에서 수행하고 있는 제도를 바탕으로 1) 급전 단계에서 증감발 자원의 확보를 위한 전진 급전,
2) 실시간 기동⋅정지 계획 및 전진 급전을 기반으로 한 다중 간격 실시간 시장(MIRTM, multi-interval real time market)의
운영 방법과 가격 결정 방식, 3) 유연성 증대 및 다중 간격 실시간 시장 보완을 위한 CAISO의 증감발 예비력 상품의 시장 도입 기대 효과에 대해
분석하고자 한다.
본 논문의 구성은 다음과 같다. 2장에서는 전진 급전과 전진 급전 기반의 다중 간격 실시간 시장 운영에 대해 분석한다. 3장에서는 증감발 예비력 상품의
개념과 기대 효과에 대해 분석한다. 끝으로 4장에서는 2, 3장을 바탕으로 결론에 관해 설명한다.
2. 다중 간격 실시간 시장 운영 분석
본 장에서는 단일 시간 경제 급전과 전진 급전의 차이에 대해 살펴보고 실시간 기동⋅정지 계획 및 실시간 전진 급전을 기반으로 한 미국 내 ISO들의
다중 간격 실시간 시장 운영 현황에 대해 살펴보도록 하겠다. 본 장에서 사용된 영문 약어 및 용어에 대한 정리는 표 1과 같다.
2.1 단일 시간 경제 급전과 전진 급전
단일 시간 경제 급전과 전진 급전의 간략화된 수리적 모델은 수식(1)~(3), (4)~(7)과 같이 표현할 수 있다. 두 급전 모델에서의 핵심적인 차이는 급전 결정 시 시간에 대한 고려와 증감발 제약 조건의 유무이다. 수리 모델에서 $p_{kt}$는
t 시간에서 k 번째 발전기의 발전량을 의미하며, $d_{t}$는 t 시간에서의 부하량을 의미한다. $f_{kt}(p_{kt})$는 비용함수로 발전기들의
발전량 $p_{kt}$에 대한 함수로 표현할 수 있다. 수식(1)과 (4)는 각 급전 수리 모델의 목적함수이다. 수식(2)와 (5)은 전력 수급 균형을 위한 제약 조건이며, 수식(3)과 (6)은 발전기의 최소 출력 제한과 최대 출력 제한 제약 조건이다. 수식(7)는 k 번째 발전기가 제공할 수 있는 증감발 자원($ramp_{k}$)에 대한 제약 조건을 나타낸 것이다.
표 1. 다중 간격 실시간 시장 운영 관련 약어
Table 1. Abbreviation for multi-interval real time market
약어
|
영문 의미
|
의미
|
CAISO
|
california
independent system
operator
|
캘리포니아 지역 독립 시스템 운영 기관
|
MISO
|
midcontinent
independent system
operator
|
미국 중부 지역 독립 시스템 운영 기관
|
NYISO
|
new york
independent system
operator
|
뉴욕 지역 독립 시스템 운영 기관
|
MIRTM
|
multi-interval
real time market
|
다중 간격 실시간 시장
|
LAD
|
look-ahead dispatch
|
전진 급전
|
MPM
|
market power
mitigation
|
시장 지배력 완화
|
FMM
|
fifteen minute
market
|
15분 단위 시장
|
RTUC
|
real-time unit
commitment
|
CAISO의 실시간 기동⋅정지 계획 프로세스
|
RTC
|
real-time
commitment
|
NYISO의 실시간 기동⋅정지 계획 프로세스
|
RTED
|
real-time economic
dispatch
|
CAISO의 실시간 경제 급전 프로세스
|
RTD
|
real-time dispatch
|
NYISO의 실시간 급전 프로세스
|
DOT
|
dispatch operating
target
|
급전 운영 목표
|
DOP
|
dispatch operating
point
|
급전 운영 지점
|
순 부하의 변동성이 높을 때 두 모델에서의 급전 결과 차이를 알아보기 위해 간단한 예제를 설정하였다. 표 2는 예제에 사용된 발전기들의 정보 및 입찰 가격이며, 표 3은 두 모델에서의 시간에 따른 급전 결과이다. 급전 결과 단일 시간 경제 급전의 경우 t 시간에서 전진 급전보다 낮은 수준의 운영 비용을 가진다.
하지만 순 부하의 변동성이 높은 상황에서 단일 시간 경제 급전의 경우에는 충분한 증감발 예비력을 확보하지 못하기 때문에 t+5 시간에서 부하 차단과
관련된 비용이 발생하게 된다. 반면 전진 급전을 통해 문제를 풀이한 결과 t+5 시점에서 에너지 가격이 다소 증가했을 뿐, 부하 차단은 발생하지 않은
것을 확인할 수 있다. 이처럼 전진 급전을 통한 운영 결정 시 급전 전체 구간에서의 운영 비용을 최소화할 수 있으며, 증감발 부족으로 인한 전력 수요-공급의
균형 문제를 해결할 수 있다.
표 2. 발전기 정보
Table 2. Generation unit information
Unit
|
에너지 가격
($/MWh)
|
최소/최대 발전량
(MW)
|
증감발
(MW/min)
|
G1
|
27
|
0/80
|
1
|
G2
|
30
|
0/60
|
1
|
G3
|
34
|
0/30
|
3
|
표 3. 단일 시간 경제 급전과 전진 급전 풀이 비교
Table 3. Comparison of dispatch solutions to single-time and look-ahead economic dispatch
|
단일 시간 경제 급전
|
전진 급전
|
time (minute)
|
t
|
t+5
|
t
|
t+5
|
net load (MW)
|
135
|
160
|
135
|
160
|
$P_{G1}$ (MW)
|
80
|
80
|
75
|
80
|
$P_{G2}$ (MW)
|
55
|
60
|
55
|
60
|
$P_{G3}$ (MW)
|
0
|
15
|
5
|
20
|
부하 차단
(MW)
|
0
|
5
|
0
|
0
|
시장청산 가격 ($/MWh)
|
30
|
매우 높음
|
30
|
38
|
운영 비용 ($)
|
317.5
|
매우 높음
|
320.4
|
386.7
|
2.2 다중 간격 실시간 시장 운영 현황
CAISO와 MISO 등 미국 내 일부 ISO들은 재생에너지의 변동성에 대처하기 위해 실시간 기동⋅정지 계획과 함께 전진 급전 기반의 다중 간격 실시간
시장을 운영하고 있다. 본 절에서는 CAISO와 MISO의 다중 간격 실시간 시장 운영 현황에 대해 살펴보도록 하겠다. 그림 1은 전진 급전 기반의 다중 간격 실시간 시장 운영에 대한 개념도이다.
다중 간격 실시간 시장 운영 시 전진 급전은 매 급전 간격마다 풀이된다. 전진 급전의 첫 번째 급전 결과가 실제 전력 시장 운영에 사용되며, 이때의
시장 가격이 실제 시장 청산 가격으로 정해진다. 이후 시간대의 급전 결과와 가격은 단순 참고용 지표로만 사용되며, 실제 급전과 가격에는 영향을 미치지
않는다.
그림. 1. 전진 급전 기반 다중 간격 실시간 시장 운영 [8]
Fig. 1. Diagram of MIRTM based on LAD [8]
2.2.1 CAISO 다중 간격 실시간 시장 운영 현황
본 절에서는 CAISO의 실시간 시장 문서 (10)를 참고하여 CAISO 다중 간격 실시간 시장 운영 방법 현황에 대해 분석하였다. CAISO는 RTUC를 바탕으로 15분 시장(FMM)을 운영하면서
5분 단위의 급전 및 시장 정산을 수행하고 있다. 그림 2는 시간 흐름에 따른 RTUC와 재무적으로 구속(financially binding)되는 FMM에 대한 개념도이다.
그림. 2. CAISO의 실시간 기동⋅정지 계획 과정 [10]
Fig. 2. Process of CAISO RTUC
시장 운영자는 t 시점에서 급전 수행을 위해 운영 시점 75분 전까지 에너지 및 보조 서비스의 입찰 데이터가 들어오고 이를 이용해서 운영 시점 67.5분
전까지 MPM 프로세스를 수행한다. MPM 프로세스는 실시간 시장에 대한 입찰 데이터와 하루 전 시장의 데이터들에 대해 경쟁 시장에서 벗어난 조치가
있는지를 감시하고 대응하기 위한 프로세스이다. MPM 이후 응동 속도가 빠른 발전기들의 기동⋅정지 결정을 위해 RTUC 프로세스를 수행한다.
운영 시점 67.5분 전부터 한 시간 동안 총 네 번의 RTUC가 수행된다. RTUC1이 수행되고 이후, 15분 간격으로 RTUC 2, 3, 4가
반복 수행된다. 각 RTUC는 105분, 90분, 75분, 60분의 최적화 구간을 가진다. RTUC 결과에서 각 2번째 구간의 결과가 재무적 구속되며
FMM 운영에 사용된다. 이때 15분 단위의 외부 전력 거래량과 에너지, 보조 서비스의 참고 가격이 결정된다. RTUC 및 15분 시장의 결과는 실시간
급전 22.5분 전에 공지된다. 이후 실시간 급전 7.5 분 전에 RTED가 약 2분 동안 수행되며, DOT와 DOP의 발전량이 계산된다.
실시간 급전 2.5분 전 DOT를 달성하기 위한 급전 지시가 공지된다. 그림 3은 시간 흐름에 따른 RTED와 실시간 급전 예시이다.
그림. 3. CAISO RTED 타임라인 [10]
Fig. 3. Process of CAISO RTED [10]
13:12:30의 급전을 위해서 RTED가 13:02:30에 시작해 2분 동안 수행되며, 13:05:00에서 13:07:30 사이 DOT 달성을 위한
급전 지시가 공지된다. 이후 13:07:30부터 13:12:30의 전진 급전의 첫 번째 계산 결과(DOT) 달성을 위해 급전 구간 동안 발전원들의
급전이 13:07:30부터 13:12:30까지 수행된다.
2.2.2 NYISO 다중 간격 실시간 시장 운영 현황
본 절에서는 NYISO의 실시간 송전, 급전 지침 문서 (11)과 RTC, RTD 연계 보고서 (12)의 내용을 참고하여 NYISO 다중 간격 실시간 시장 운영 현황에 대해 분석하였다. NYISO의 실시간 시장 운영은 1시간 전 시장의 입찰 정보를
바탕으로 RTC와 RTD를 통해 결정된다. 그림 4는 NYISO의 RTC 타임라인 예시이다.
1시간 전 시장에서 급전 시간 75분 전까지 발전기, 외부 전력 거래, 예비력 등의 입찰 정보를 수집한다. 시스템 운영자는 수집한 정보를 바탕으로
운영 시점 1시간 전에 실시간 기동⋅정지 계획 프로세스를 수행한다. 하루 전 시장에서 결정된 1시간 단위의 안전도 제약 기동⋅정지 계획의 결과를 바탕으로
RTC에서는 10분, 30분 내 응동 가능한 발전 자원의 기동⋅정지와 15분 단위의 외부 전력망과의 거래량이 결정된다. RTC는 매 15분 단위로
반복 수행되며, 최적화 구간은 2.5 시간으로 15분 단위 10개 구간이다.
H-1 시간 15분에 실시간 계획 15가 공지된 이후 응동이 빠른 발전 자원들은 H-1 시간 30분에서 45분 사이의 실시간 급전 수행을 위해 30분
전까지 동기화를 완료해야 한다. 응동이 비교적 느린 발전 자원들의 경우 H-1 시간 45에서 60분 사이의 실시간 급전 수행을 위해 45분 전까지
동기화를 완료해야 한다. 즉 RTC는 공지된 이후 45분 구간의 실시간 급전에 영향을 미친다고 할 수 있다.
그림. 4. NYISO의 RTC 타임라인 [12]
Fig. 4. Process of NYISO RTC [12]
NYISO의 RTD는 30분, 15분 전 결정된 RTC의 결과를 바탕으로 수행된다. RTD는 매 5분 단위로 수행되며, 최적화 구간은 1시간으로 15분
단위 4개 구간이다. RTD에서 발전원들의 발전량은 부하, 예비력 요건을 만족할 수 있도록 동시 최적화된다. 그림 5는 RTD에 대한 타임라인 예시이다.
그림. 5. NYISO 실시간 급전 프로세스 타임라인 [12]
Fig. 5. Process of NYISO RTD [12]
RTC45와 RTC30의 결과를 토대로 1:00 급전을 위한 RTD가 50분에 수행되고 55분에 공지가 완료된다. 급전 수행을 위해서 45분에 공지되는
RTC45에서 결정된 응동이 빠른 발전 자원들은 00:45분 이후 10분 내로 동기화를 완료해야 하며, 30분에 결과가 공지되는 RTC30에서 결정된
응동이 비교적 느린 발전 자원들은 00:45에서 1:00 사이 동기화를 완료해야 한다. 55분에 공지되는 RTD55의 첫 번째 결과를 이용해서 실제
급전이 결정되며, 나머지 15분 단위의 4개 구간의 결과는 단순 지표로만 사용된다.
2.3 다중 간격 실시간 시장 운영의 이슈
다중 간격 실시간 시장에서는 전진 급전의 첫 번째 결과만을 사용하여 급전과 가격을 결정하는데, 이로 인해 부가 정산금이 발생할 수 있다. 간단한 예제를
통해 이를 살펴보도록 하겠다. 예제에 사용된 발전기 정보는 표 2와 같이 가정했을 때, 표 4는 순 부하 예측값에 따른 전진 급전(t, t+5)와 전진 급전(t, t+10)의 계산 결과이다. 전진 급전(t, t+5)의 t 시점에서 발전기 G3의
손해는 $\$ 1.67$이다. G3의 손해는 전진 급전(t, t+5)의 t+5 시점에서의 높은 시장청산 가격($\$ 38$/MWh)이 예고됨으로 인해
발전기의 회복이 가능하다. 하지만 t+5의 실제 시장청산 가격은 전진 급전(t+5, t+10)에서 결정된 $\$ 34$/MWh로 발전기 t 시점의
G3 발전기 손해는 회복 불가능하다. 이처럼 일부 발전기는 손해를 보는 상황이 발생하고 급전 지시를 수행할 의무를 지니지 않게 된다. 따라서 손해를
보는 발전기들에 대해서 부가 정산금 지불이 필요하다. 하지만 부가 정산금의 산정 과정이 투명하지 않고 차별적일 수 있어 시장 효율성 악화로 이어질
가능성이 존재한다.
표 4. 전진 급전 풀이 결과
Table 4. LAD solution
|
전진 급전
(t,t+5)
|
전진 급전
(t+5,t+10)
|
time (minute)
|
t
|
t+5
|
t+5
|
t+10
|
net load (MW)
|
135
|
160
|
160
|
165
|
$P_{G1}$(MW)
|
75
|
80
|
80
|
80
|
$P_{G2}$(MW)
|
55
|
60
|
60
|
60
|
$P_{G3}$(MW)
|
5
|
20
|
20
|
25
|
부하 차단
(MW)
|
0
|
0
|
0
|
0
|
시장청산 가격 ($/MWh)
|
30
|
38
|
34
|
34
|
운영 비용 ($)
|
320.4
|
386.7
|
386.7
|
400.8
|
3. 증감발 예비력 상품 분석
전진 급전을 통해 전력 급전을 결정할 시 미래 시간에서의 재생에너지 발전량과 부하의 예측값을 사용하여 순 부하의 변동성에 대비한 증감발 예비력 확보가
가능하다. 하지만 전진 급전에서는 순 부하의 중단기 변동성만 고려되며, 순 부하의 단기 예측 불확실성은 고려되지 않는다. 따라서 급전 시 불확실성을
고려하기 위해서는 확률론적 급전이 필요하다. 하지만 확률론적 급전의 경우 방대한 계산량을 가지며, 급전 문제 풀이 시 시나리오당 하나의 시장 가격이
나타나 수많은 시장 가격이 계산 결과로 나오게 된다. 이 중 어떤 시나리오에 해당하는 전력 가격을 시장청산 가격으로 결정할지는 확률론적 급전의 또
다른 문제로 확률론적 급전에 기반하여 실제 시장을 운영하는 데에는 많은 어려움이 존재한다. 이러한 배경에서 CAISO와 MISO 등 미국 내 일부
ISO들은 결정론적 방법에 기반하여 급전을 수행하고자 증감발 예비력 상품을 실시간 시장에 도입 및 도입 계획 중에 있다.
CAISO는 유연성 개념을 증감발 예비력 상품에 도입하여 flexible ramping product(FRP)라고 명칭하고 있으며, 증발과 감발 유연성
예비력으로 구분하고 있다. FRP는 실시간 시장에서 15분 단위 및 5분 단위로 결정되며 불확실성 예측 오차 95% 구간을 고려하여 상품의 가격 및
크기가 정해진다. 본 장에서는 CAISO의 FRP에 대한 기술 문서 (13)을 참고하여 필요 유연성 증감발 예비력 요건 및 유연성 증감발 예비력 상품의 확보 과정과 기대 효과에 대해 살펴보도록 하겠다. 본 장에서 사용된 영문
약어 및 용어에 대한 정리는 표 5와 같다.
표 5. 유연성 증감발 예비력 상품 관련 약어
Table 5. Abbreviation for FRP
약어
|
영문 의미
|
의미
|
FRU
|
flexible ramp up award of resource
|
유연성 증발 예비력 상품 또는 자원
|
FRD
|
flexible ramp down award of resource
|
유연성 감발 예비력 상품 또는 자원
|
FRUR
|
flexible ramp up requirement
|
필요 유연성 증발 예비력 요건
|
FRDR
|
flexible ramp down requirement
|
필요 유연성 감발 예비력 요건
|
FRUS
|
flexible ramp up surlplus
|
유연성 증발 예비력 부족분
|
FRDS
|
flexible ramp down surlplus
|
유연성 감발 예비력 부족분
|
PC
|
bid price ceiling
|
입찰 상한 가격
|
PF
|
bid price floor
|
입찰 하한 가격
|
CSU
|
flexible ramp up surplus cost function
|
유연성 증발 예비력 부족 비용 함수
|
CSD
|
flexible ramp down surplus cost function
|
유연성 감발 예비력 부족 비용 함수
|
CDU
|
flexible ramp up demand curve
|
유연성 증발 예비력 수요 곡선
|
CDD
|
flexible ramp down demand curve
|
유연성 감발 예비력 수요 곡선
|
CLU
|
flexible ramp uncertainty upper confidence level
|
유연성 증발 예비력의 상방 신뢰 수준
|
CLD
|
flexible ramp uncertainty lower confidence level
|
유연성 감발 예비력의 하방 신뢰 수준
|
3.1 CAISO의 필요 유연성 증감발 예비력 요건 산정 과정
FRUR, FRDR은 수식(8)과 같이 순 부하의 변동성을 반영하는 요건($FRUR_{NDt}$, $FRDR_{NDt}$)과 순 부하의 불확실성을 반영하는 요건($FRUR_{Ut}$,
$FRDR_{Ut}$)의 합으로 나타낼 수 있다.
$FRUR_{NDt}$, $FRDR_{NDt}$는 t 시점의 순 부하와 t+1 시점의 순 부하의 차이에 따라 결정되며, 수식(9)와 같이 제약할 수 있다.
순 부하의 차이가 음수일 경우 $FRUR_{NDt}$는 0이 되고, $FRDR_{NDt}$은 순 부하의 차이와 같은 값으로 결정된다. 반대로 순 부하의
차이가 양수인 경우 $FRDR_{NDt}$가 0이 되고, $FRUR_{NDt}$는 순 부하의 차이와 같은 값으로 결정된다.
$FRUR_{Ut}$, $FRDR_{Ut}$는 순 부하의 예측 오차와 순 부하의 변동성을 일부 고려하여, 95% 신뢰구간 확보를 위해 수식(10)~(12)와 같이 정해진다.
수식(10)과 수식(11)은 순 부하 예측 오차의 확률 분포함수($p_{t}(e)$)를 고려하여, 95% 신뢰구간 확보를 위해 t+1 시점을 기준으로 필요 상방 예비력($EU_{t}$)과
필요 하방 예비력($ED_{t}$)을 계산하는 과정이다. CLU, CLD는 상방과 하방으로 대처해야 하는 순 부하 예측 오차의 확률 범위를 의미한다.
현재 CAISO는 CLU를 97.5%, CLD를 2.5%로 설정하고 있다. 필요 상방 예비력은 양수로 결정되며, 필요 하방 예비력은 음수로 결정된다.
수식(9)에 따라 결정된 $FRUR_{NDt}$, $FRDR_{NDt}$와 수식(10), (11)에 따라 결정된 $EU_{t}$, $ED_{t}$를 바탕으로 수식(12)와 같이 t 시점의 순 부하의 불확실성을 반영하여 $FRUR_{Ut}$, $FRDR_{Ut}$를 정의할 수 있다.
수식(12)에서 $FRUR_{Ut}$, $FRDR_{Ut}$ 계산 시 $FRDR_{NDt}$, $FRUR_{NDt}$를 각각 고려하는데, 이는 $FRUR_{Ut}$,
$FRDR_{Ut}$ 계산 시 순 부하의 변동성으로 인한 영향을 제외해주기 위함이다. 수식(8)~(12)에 의해 결정된 FRUR, FRDR에 대한 개념은 그림 6과 같이 표현할 수 있다.
그림. 6. 필요 증감발 운영 예비 요건 개념도 [13]
Fig. 6. Flexible ramping up/down requirement [13]
3.2 CAISO의 증감발 예비력 상품 산정 및 가격 산정 방법
CAISO는 실시간 에너지 시장에서 FRP에 대한 수요 입찰은 받지 않고 있다. 대신 FRUR/FRDR을 바탕으로 급전 구간 t에 대해 전력 수급
불균형 비용의 기댓값을 계산하고, FRP에 대한 수요 곡선을 만들어 유연성 증감발 예비력 자원을 제공한 발전 자원들에게 정산을 수행하고 있다. 본
절에서는 (13)을 참고하여 CAISO가 제시하고 있는 FRP에 대한 최적화 수식을 중심으로 이를 분석하고자 한다.
CAISO는 실시간 시장에서 에너지 상품과 예비력 상품을 동시 최적화하고 있다. 수식(13)는 FRP에 대한 목적함수를 중심으로 기술된 실시간 시장에서의 운영 비용 최소화를 위한 목적함수이다. ($\cdots$)은 기존 경제 급전 문제에
대한 목적함수이며, 목적함수에 포함되는 FRP 관련 비용은 전력 수급 불균형 비용 기댓값이다.
전력 수급 불균형 비용 기댓값은 증감발 예비력 상품의 부족으로 인해 발생하는 페널티 비용의 기댓값으로 수식(14), (15)와 같이 정의된다.
수식(14), (15)에서 $K1_{t},\: K2_{t}$는 순 부하 예측 오차 최대, 최소 범위($EU_{t},\: ED_{t}$)를 기준으로 t 시점에서 급전 가능한
에너지를 의미한다. 유연성 증감발 예비력 상품의 부족분 $FRUS_{t}$와 $FRDS_{t}$의 값에 따라 t 시점에서 급전 가능한 에너지가 결정되며,
상방 전력 수급 불균형 값 ($e-K1_{t}$)과 하방 전력 수급 불균형 값($e-K2_{t}$)은 예측 오차와 $K1_{t},\: K2_{t}$에
따라 결정된다. 상방/하방 전력 수급 불균형 비용 기댓값은 PC, PF와 상방/하방 전력 수급 불균형 기댓값(CSU/CSD)의 곱으로 결정된다. PC와
PF는 CAISO에서 사용하고 있는 에너지 상품에 대한 상한, 하한 입찰 가격으로 현재 $\$ 1000$/MWh, $\$ -155$/MWh로 설정되어
있다.
FRUR/FRDR의 부족분 $FRUS_{t}$와 $FRDS_{t}$에 대한 제약 조건은 수식(16)과 같다. 수식(16)에서 AF는 Averaging Factor로 5분 단위의 실시간 급전 및 실시간 시장에서는 1로 설정되며, RTUC 및 FMM에서는 3으로 설정된다.
$FRU_{i,\:t}$와 $FRD_{i,\:t}$ 는 t 시간에 i번째 발전기가 제공하는 유연성 증감발 예비력 자원을 의미한다. 에너지와 예비력
상품의 동시 최적화를 수행하게 되면 수식(16)에서의 쌍대 변수를 통해 FRU/FRD의 가치를 계산할 수 있다.
CAISO는 수요와 공급의 원리 측면에서 결정한 FRU/FRD의 가격과 동일한 의미를 가지도록 CAISO는 전력 수급 불균형 비용의 기댓값을 미분하여
FRUS/FRDS에 대한 수요 곡선(CDU/CDD)을 수식(17), (18)과 같이 계산하고 있다. 각 수요 곡선에서 $FRU_{i,\:t}$와 $FRD_{i,\:t}$의 총합이 만나는 지점에서 FRU/ FRD의 가격이 결정된다.
수식(17), (18)에서 계산된 CDU, CDD는 FRUS/FRDS가 증가함에 따라 같이 증가하기 때문에 FRUS/FRDS에 대한 우상향 곡선이 된다. 이를 FRU/FRD에
대한 수요 곡선으로 바꾸면 FRU/FRD에 대해서 우하향하는 곡선이 된다. 예제를 통해 살펴보기 위해서 순 부하 예측 오차에 대한 확률을 그림 7과 같이 가정하였다.
그림. 7. 순 부하 예측 오차의 확률 분포도
Fig. 7. Probability distribution of net load forecasting error
예제에서 ED와 EU를 –400과 400으로 설정하였으며, FRU/FRD의 가격은 확률 분포 히스토그램에서 각 구간의 가운데 지점에서 계산하였으며,
이를 활용해서 FRP에 대한 수요 곡선을 그림 8, 9와 같이 나타내었다.
그림. 8. FRD에 따른 수요 곡선
Fig. 8. Demand curve of FRD
그림. 9. FRU에 따른 수요 곡선
Fig. 9. Demand curve of FRU
3.3 CAISO의 증감발 예비력 상품 도입 기대 효과
증감발 예비력 상품 도입은 급전 시 순 부하의 예측 불확실성을 고려 가능케 하는 것 외에도 다중 간격 실시간 시장의 부가 정산금 문제를 일부 완화할
수 있다. MIRTM에서 부가 정산금은 단일 시간 경제 급전 시 메릿 오더 효과에 의해 발전하지 않을 입찰 가격이 비싼 발전기가 전진 급전에서 증감발
예비력 확보를 위해 출력을 낼 때 발생한다. 부가 정산금이 발생하는 상황에서 증감발 예비력 상품의 도입은 시장 가격에서 순수 에너지 가격과 증감발
관련 비용을 구분 가능하게 한다. 또한 증감발 상품을 통해서 발전 자원의 손해 회복을 위한 투명하고 변동성이 적은 가격 신호를 제공할 수 있다. 간단한
예제를 통해 FRP 유무에 따른 전진 급전 결과를 비교해 보도록 하겠다. t 시간에 예측되는 순 부하량이 420MW이고 t+5 시간에 590MW의
순 부하량이 예측되었다고 가정했을 때 필요 증발 자원은 170MW이다. FRUR의 경우 이보다 약간 높은 171MW라고 가정하였다. 예제에 사용된
발전기 정보 및 초기 정보는 표 6과 같다.
표 6. 발전기 정보 및 초기 정보
Table 6. Generation unit information and initial state
발전기
|
에너지
입찰 가격
($/MWh)
|
초기 발전량
(MW)
|
증감발
비율(MW/min)
|
최소 발전량
(MW)
|
최대 발전량
(MW)
|
G1
|
$25
|
400
|
100
|
0
|
500
|
G2
|
$30
|
0
|
10
|
0
|
500
|
FRU가 없는 경우 전진 급전(t, t+5)의 결과는 표 7과 같다. 170MW의 증감발 자원을 확보하기 위해서 G2가 t 시간에 가동된다. 순수 에너지 가격과 증감발 관련 비용이 구분되지 않음에 따라 시장
청산 가격은 t 시간에 $25\$$로 t+5 시간에 35$로 계산되며, 추후 발전기 G2에 대한 부가 정산금이 필요하다.
표 7. FRU가 없는 경우의 전진 급전 풀이 결과
Table 7. LAD solution without FRU
|
t
(SMP: $25)
|
t+5
(SMP: $35)
|
발전기
|
발전량
|
발전량
|
G1
|
380MW
|
500MW
|
G2
|
40MW
|
90MW
|
FRU가 존재하는 경우 전진 급전(t, t+5)의 결과는 표 8과 같다. FRU의 가격은 발전기 G1의 기회비용인 $5 \$(30 \$-25 \$)$로 계산되었다. 증감발 관련 비용이 FRP의 가격으로 계산되며
이를 통해 전진 급전 수행 시 순수 에너지 가격과 증감발 관련 비용을 구분할 수 있으며, G2의 손해 회복을 위한 가격 신호 또한 제공할 수 있다.
이뿐만 아니라 FRP는 증감발 자원에 대한 경제적 유인책으로 작용할 가능성 또한 존재한다.
표 8. FRU가 있을 때의 전진 급전 풀이 결과
Table 8. LAD solution with FRU
|
t
(SMP: $\$ 30$)
(FRUP: $\$ 5$)
|
t+5
(LMP: $\$ 30$)
|
발전기
|
발전량
|
FRU
|
발전량
|
FRU
|
G1
|
379MW
|
121MW
|
500MW
|
--
|
G2
|
41MW
|
50 MW
|
90MW
|
--
|
4. 결 론
지속적인 재생에너지 증대에 따라 전력시스템 내 재생에너지 변동성과 불확실성이 증가하고 있다. 이에 따라 덕커브, 전력 시장 가격 변동성 증가, 전력
수급 불균형 등 다양한 문제가 발생하고 있다. 따라서 재생에너지의 변동성과 불확실성에 대처하기 위해 시장 운영 방법의 개선이 진행되고 있다.
본 논문에서는 재생에너지의 변동성 및 불확실성에 대처하기 위해 미국 내 일부 ISO들이 실시하고 있는 다중 간격 실시간 시장 운영 절차에 대해 분석하였다.
CAISO와 NYISO는 세분화된 기동⋅정지 계획 및 전진 급전을 기반으로 다중 간격 실시간 시장을 운영하고 있으며, 이를 통해 급전 시 순 부하의
변동성을 고려할 수 있음을 확인하였다. 하지만 다중 간격 실시간 시장에는 급전 시 순 부하의 예측 불확실성을 고려할 수 없다는 것과 부가 정산금 이슈
등 일부 개선점이 존재한다.
이러한 다중 간격 실시간 시장의 개선점을 보완하기 위해 CAISO는 증감발 상품을 도입하였다. 다중 간격 실시간 시장에 증감발 상품 도입 시 순수
에너지 가격과 증감발 관련 비용을 구분할 수 있는데, 이를 통해 전진 급전 수행 시 발생하는 손해 발전기에 대한 투명한 손해 회복 가격 신호를 제공할
수 있으며, 증감발 자원에 대한 경제적 유인책을 제공할 수 있음을 확인하였다. 추후 재생에너지 증대에 따라 나타나는 문제들을 해소하기 위해 국내에서도
전력 시장 내 운영에 대한 변화 검토가 필요하다.
Acknowledgements
This work was supported by the National Research Foundation of Korea(NRF) grant funded
by the Korea government(MSIT) ( 2021R1F1A1047874).
References
M. Khoshjahan, P. Dehghanian, M. Moeini-Aghtaie, M. Fotuhi-Firuzabad, Nov.-Dec. 2019,
Harnessing Ramp Capability of Spinning Reserve Services for Enhanced Power Grid Flexibility,
in IEEE Transactions on Industry Applications, Vol. 55, No. 6, pp. 7103-7112
Y. Gu, L. Xie, Jan 2017, Stochastic Look-Ahead Economic Dispatch With Variable Generation
Resources, in IEEE Transactions on Power Systems, Vol. 32, No. 1, pp. 17-29
Y. Gu, L. Xie, Jan 2017, Stochastic Look-Ahead Economic Dispatch With Variable Generation
Resources, in IEEE Transactions on Power Systems, Vol. 32, No. 1, pp. 17-29
W. Wu, J. Chen, B. Zhang, H. Sun, April 2014, A Robust Wind Power Optimization Method
for Look-Ahead Power Dispatch, in IEEE Transactions on Sustainable Energy, Vol. 5,
No. 2, pp. 507-515
P. Li, D. Yu, M. Yang, J. Wang, Sept 2018, Flexible Look-Ahead Dispatch Realized by
Robust Optimization Considering CVaR of Wind Power, in IEEE Transactions on Power
Systems, Vol. 33, No. 5, pp. 5330-5340
E. Du, Jan 2019, Operation of a High Renewable Penetrated Power System With CSP Plants:
A Look-Ahead Stochastic Unit Commitment Model, in IEEE Transactions on Power Systems,
Vol. 34, No. 1, pp. 140-151
Knueven, Bernard, Stochastic Look-Ahead Commitment: A Case Study in MISO.
B. Hua, D. A. Schiro, T. Zheng, R. Baldick, E. Litvinov, July 2019, Pricing in Multi-Interval
Real-Time Markets, in IEEE Transactions on Power Systems, Vol. 34, No. 4, pp. 2696-2705
Wang Beibei, F. Hobbs Benjamin, 2014, A flexible ramping product: Can it help real-time
dispatch markets approach the stochastic dispatch ideal?, Electric Power Systems Research,
Vol. 109
CAISO, 2020. 2. 29., Real-Time Market Activities
NYISO, October 2021, Transmission and Dispatch Operations Manual Issued:
NYISO, December 2017, RTC-RTD Convergence Study_A Report by the New York Independent
System Operator
CAISO, 2016. 1. 25., Flexible Ramping Product, Draft Final Technical Appendix
저자소개
He received her the B.S. degree in electrical engineering from Sangmyung University,
Seoul, South Korea, in 2021.
He is currently pursuing the M.S. degree in Electrical Engineering from Sangmyung
University.
His research interests include energy system optimization and power economics.
He received his the B.S. degree in radio and communication engineering and the M.S.
degree in electrical engineering from Korea University, Seoul, South Korea.
He received the Ph.D. degree in electrical engineering at The University of Texas
at Austin, Austin, TX, USA.
Since 2022, he joined Hongik University, Seoul, South Korea, as an Assistant Professor.
His research interests are primarily in energy system optimization and power economics.