1. 서 론
전 세계의 전력 수요는 지속적으로 증가하며, 이에 따라 화석 연료 소비도 급증하는 추세이다. 지속적인 석탄 화력 발전의 확대는 화석연료의 고갈 뿐만
아니라 탄소 배출로 인한 지구 온난화 문제를 야기한다. 이러한 배경 하에, 화석 연료를 대체할 수 있는 에너지 활용의 중요성이 부각되고 있으며, 특히
선진국들을 중심으로, 많은 국가들이 재생에너지 발전 설비(Renewable Energy Sources, RES)의 활용을 확대하고 있는 추세이다(1). 대표적으로 2021년에는 파리 협정의 195개 당사국이 자체의 국가별 결정 기여(Nationally Determined Contribution,
NDC)를 재선정하여, 미국, 캐나다, 영국, 한국이 각각 52%, 45%, 68%, 40%의 NDC를 설정하였다(2). 이러한 결정은 각 국가에서 RES의 발전 비중을 가속화시키는 데 큰 역할을 한다. 특히 우리나라는 2050년까지 탄소 중립을 달성해야 하는 정책적
의무를 가지고 있어, RES 활용 확대의 필요성이 더욱 부각된다. 또한, 여러 국가들은 민간 투자 유도를 위해 신재생에너지 공급의무화제도(Renewable
Portfolio Standard, RPS)를 도입하고, RES 설비별 발전량에 따라 공급 인증서(Renewable Energy Certificate,
REC)를 발급하여 재생에너지 공급자(Renewable Energy Provider, REP)에게 경제적인 혜택을 제공한다.
RES의 대표 설비는 태양광 발전 설비(Photovoltaic, PV)와 풍력 발전 설비(Wind Turbine, WT)가 있으며, 각 설비들은 자연의
청정 에너지를 전기 에너지로 변환하여 전력을 공급한다(3). 에너지 정책, 특히 탄소중립에 기반하여, 정책 입안자들은 RES의 발전 비중을 확대하고 석탄 화력 발전의 비중을 줄이기 위해 노력하고 있으나 PV와
WT은 일반적인 발전기와 달리 높은 정밀도의 출력 제어가 불가능하다. 따라서 RES의 발전량이 순간적으로 전력 수요를 초과할 경우 전력계통의 안정성이
위협받을 수 있고 이 결과로, Duck-curve 현상, negative price 현상, 그리고 RES의 출력제약 현상과 같은 문제가 발생할 가능성이
있다(4-6). 이는 RES의 발전 비중이 특정 수준을 초과하면 단순한 투자 문제를 넘어서 기술적인 한계에 부딪히게 됨을 의미한다.
이에 따라 정부는 화석연료 대체와 함께 PV 및 WT의 제어 한계를 극복하기 위해 청정수소 발전에 주목하고 있다. Power to Gas (P2G)
기술은 과잉으로 공급되는 RES 전력을 활용하여, 수전해설비(Electrolyzer, ELZ)를 통해 물을 전기분해하여 수소를 생성하는 방식을 의미하며,
이 과정에서 생성되는 산소는 대기로 방출되고, 얻어진 수소는 수소 저장 설비(Hydrogen Energy Storage, HESS)에 저장된다(7). 이 저장된 수소는 발전용 연료전지(Fuel Cell, FC)로 공급되어 전력과 열을 유동적으로 생성한다. 이러한 청정 수소 발전은 PV와 WT의
안정적인 계통 연계를 지원하며, 탄소 배출이 없는 발전 방식으로 탄소중립 정책 달성에 기여한다(8). 청정수소 발전량을 확보하기 위해 정부는 청정수소 발전의 민간 투자 활성화를 위해 '수소법'을 제정하고, 청정수소발전 의무화제도(Clean Hydrogen
Portfolio Standard, CHPS) 도입을 통해 청정수소 발전 사업자에게 추가적인 이익을 제공하는 정책을 진행하고 있다(9).
또한 정부는 해안가의 대규모 발전소에서 전기를 생산한 후 장거리 송전망을 통해 수도권 등으로 전송하는 기존 대규모 중앙집중형 전력 시스템의 한계를
극복하기 위해 지역 내 분산 자원을 효율적으로 활용하기 위해 노력하는 추세이다. 이에 정부는 미래의 전력 시스템을 지역 전력 시스템(Local Power
Systems, LPS)으로 전환을 추진한다. 이러한 전환을 지원하기 위해 2023년에 분산에너지 활성화 특별법을 제정하였으며, 이 법은 2024년부터
시행될 예정이다(10). 대규모 중앙집중형 전력 시스템에서 LPS로의 전환함에 따라 지역 내의 분산된 RES를 효과적으로 관리하는 통합 시스템과 지역 내 에너지 자립률을
강화하는 기술이 필요하다.
우리나라의 정책적 방향성에 따라, 본 논문은 가상 에너지 운영 시스템(Virtual Energy Management System, VEMS)을 기반으로
한 에너지 통합 관리 시스템(Integrated Energy System, IES)의 도입을 제안한다. IES는 재생에너지의 불안정한 출력을 보완하기
위해, 가스나 열과 같은 다양한 에너지 형태를 상호 변환하여 통합적으로 관리하는 시스템을 의미한다(11). P2G는 IES에 적용되는 대표적인 기술이다. 에너지 수요는 전력과 열을 포함하므로 IES 기술은 P2G 뿐만 아니라 히트펌프(Electric
Heat Pump, EHP)를 활용한 Power to Heat (P2H) 기술을 포함할 필요가 있다. IES 기술은 다종 에너지의 상호변환을 통해
잠재적인 RES의 계통 접속 가능성을 확보하여, 탄소중립 목적 달성 및 에너지 운영 효율에 기여할 수 있으며, VEMS는 분산된 RES의 통합 관리
및 IES의 최적계획 솔루션을 도출하여 IES의 활용성을 극대화 한다. 이미 여러 문헌에서 IES에 대한 연구가 이루어졌으며, 연구마다 IES를 구성하는
설비나 기술이 다양하게 제시되었다.
참고문헌 (12)는 IES 기술을 WT와 PV에 적용함으로써 RES의 과잉 공급 문제를 해결하고, REP의 관점에서 발생하는 비용 손실을 최소화하는 방법을 제시하였다.
반면, 참고문헌 (13)는 YALMIP와 GUROBI를 활용하여 전력 시스템 내 IES의 최적 위치 배치 모델을 연구하였으며, 이를 통해 RES의 수용률을 높이고 탄소 배출량을
줄이는 방안을 탐색하였다. 참고문헌 (14)는 최적 에너지 흐름(Optimal Energy Flow, OEF) 기법을 활용하여, 가스, 열, 전기 등을 포함하는 IES의 신뢰성을 평가하는 연구를
수행하였다. 마지막으로, 참고문헌 (15)는 슬랙 기반 측정 데이터 분석 방법(Slacks-Based Measure Data Development Analysis, SBM-DEA)을 활용하여
다양한 에너지 시스템의 에너지 효율을 평가하고, 이를 바탕으로 효율적인 의사결정 모델(Decision-Making Units, DMUs)을 제안하였다.
이미 여러 문헌에서 IES 기술이 재생에너지의 수용률 향상에 기여하는 것을 보여주었다. 그러나 LPS의 다양한 위치에서 분산된 RES를 통합하여 관리하고
IES와 연계하기 위해서는 가상 에너지 거래 시스템인 VEMS 기술의 도입이 필요하다. VEMS는 분산된 재생에너지를 통합적으로 관리하는 측면에서
기존의 가상발전소(Virtual Power Plant, VPP)와 유사한 특징을 가진다. 참고문헌 (16)과 (17)는 VPP 기반의 RES 운영 체제에 대한 내용을 다루었다. 본 논문에서 제안하는 VEMS는 전력, 열, 수소 에너지의 생성 및 운영, 그리고 전력
및 열의 수요 관리를 통한 IES의 최적화 계획을 중심으로 하므로 기존의 RES연계형 VPP와는 큰 차이를 보인다.
IES 기술의 실질적인 적용을 위해서는, 해당 기술 도입에 영향을 받는 모든 이해관계자들의 입장을 고려해야 한다. 참고문헌 (18)에서는 IES 적용을 위한 REP와 ISO의 목적함수가 서로 상충하는 Trade-off 관계를 보이기 때문에, 다목적 최적화(Multi-Objective
Programming, MOP) 기술을 활용하여 두 이해관계자 모두에게 만족스러운 IES 설계의 합의점(Consensus point)를 제시하였다.
또한 참고문헌 (12)에서도 IES의 설계 시 REP와 ISO의 목적함수 간의 Trade-off 관계를 고려하였다. 이러한 연구들은 REP와 ISO의 관점만을 포함하였으나,
실제로 LPS와 VEMS 기반 IES의 연계를 고려할 때, 에너지 거래 중개자 (Energy eXchange Aggregator, EXA)와 최종
소비자 (End- user)의 관점도 포함될 필요가 있다. 다양한 이해관계자들의 목적함수 간의 관계를 모두 포함하여 MOP를 설계하고 시뮬레이션하는
것은 복잡하며, 그 결과의 최적성을 검증하는 것도 매우 까다롭다. 따라서 본 논문에서는 이해관계자들의 목적함수 간의 협력적인 관계(Cooperative
relationship)를 검증하고 하나의 간결한 목적함수를 설정한다.
VEMS 기반 IES의 도입을 통해 ISO 및 정책입안자는 탄소중립, 청정수소발전, 그리고 LPS 운영 정책의 목표 달성에 기여할 수 있다. REP는
RES의 정상적인 동작에 의한 전력거래 대금을 정산받을 수 있다, 이로써 경제적 이익을 증대시킨다. EXA는 새로운 비즈니스 모델 투자로 경제적 기여가
가능하다. End-user은 수입, 저장, 수송 그리고 분배 등과 같은 Gas system의 운영 비용이 부담되는 기존의 열 소비비용에서 IES를
통한 열 에너지 공급을 통해 열 에너지 소비 비용 절감이 가능하다.
본 논문은 IES의 최적계획에 있어 에너지 시스템의 이해관계자별 편익 요소들을 고려하여 경제적, 정책적 관점에서 국내에서 IES의 실질적인 투입 및
운용이 가능함을 검증함에 있어 기존의 문헌들의 결과와 큰 차이점을 갖는다.
본 논문의 주요 기여도는 아래와 같다.
● 우리나라의 에너지 정책 방향성에 부합하는 VEMS 기반 IES 연계를 제안하여, RES 수용률, 청정수소 발전량, 그리고 LPS 에너지 자립율
향상에 기여한다.
● IES 도입 시 다양한 이해관계자들의 관점을 고려하고, 각자의 목적 값 개선을 통해 EXA 투자, ISO 및 정책 입안자 지원, REP 참여,
그리고 End-user 지지를 얻을 수 있어, 원활한 사업 진행에 기여한다.
● 최적화 문제에서 이해관계자들의 목적함수 관계가 협력적임을 확인, 복잡한 MOP 문제를 간소화하여 공학적 설계에 기여한다.
2. Configuration of IES linked with VEMS
2.1 Topology of IES linkes with VEMS
송전 시스템 운영자(Transmission System Operator, TSO)와 가스 시스템 운영자(Gas System Operator, GSO)는
지역 전력 시스템 운영자(Local System Operator, LSO)와 지역 열 공급자와 에너지 및 정보를 교환한다. EXA는 분산된 RES와
직접 연계할 수 없기 때문에 REP와 재생에너지 공급 계약을 맺고, LSO와 가상 상계 거래 계약을 체결한다. REP는 RES로부터 전력을 계통에
주입하며, 전력 과잉이나 계통 불안정 우려가 있을 경우 EXA는 계통에서 전력을 받아 IES를 운영하여 전력 수급을 균형있게 유지한다. LSO, REP,
그리고 EXA는 지속적인 정보 교환을 통해 공급 가능한 전력 정보와 RES의 출력 제약을 상호 공유한다. EXA는 열 공급을 포함하는 IES 운영을
위해 지역 열 공급자와 계속 정보를 교환해야 한다. End-User는 LSO, EXA, 지역 열 공급자에게 전력 및 열 수요 정보를 제공한다. VEMS의
운영 로직은 그림 1과 같다
그림. 1. VEMS 운영 로직
Fig. 1. Operation logic of VEMS
EXA는 VEMS를 이용하여 End-user의 수요 정보, 지역 열 공급자의 열 공급 정보, LSO의 전력 공급 정보, 그리고 REP의 RES 출력
정보를 통합한다. 그리고 1년 주기로 IES의 단기 계획과 1일 주기로 Day-ahead 계획을 수립한다. EXA는 수요와 재생 에너지원의 불확실성을
고려하여, 단기 계획으로 설비 최적 용량을 결정하고, Day-ahead 계획으로 설비의 최적 작동 전략을 세운다.
2.2 Modeling of RE
본 논문에서 LPS 내 구성되는 RES는 WT과 PV로 가정한다. 참조문헌 (19)에서 참조한 바와 같이 이 WT출력의 선형 형식은 식(1)과 같다. 또한 본 논문은 WT의 고유한 운영 특성을 정확하게 나타내기 위해 cut-in 속도, rated 속도, 및 cut-off 속도를 포함한다.
식(2), PV의 출력 수식을 의미한다.
식(1)에서$P_{WT,\:t}$, $v_{t}$는 각각 WT의 출력과 풍속을 의미한다. $v_{rate},\:v_{cutin}$은 각각 정격풍속과 시동풍속을
의미한다. 식(2)에서 $P_{PV,\:t}$, $C_{PV}$, $f$, $G_{t}$, $\rho$, $T_{cell}$은 각각 PV의 출력, 용량 감쇄계수, 일사량,
온도계수, 셀의 온도를 의미한다.
2.3 Modeling of EHP
EHP의 출력은 에너지 운영 효율을 고려하여 다음과 같이 정식화 된다.
식(3)에서 $T_{EHP,\:t}$, $P_{EHP,\:t}$은 각각 EHP의 열 출력과 이때 공급되는 전력량을 의미한다. $\eta$, $C$는 각각
설비의 효율과 용량을 의미한다.
2.4 Modeling of ELZ
식(5)에서 $H_{ELZ,\:t}$, $P_{ELZ,\:t}$는 각각 ELZ의 수소 출력과, 이때의 전력 입력량을 의미하며, 식(6)과 (7)에서 $b_{ELZ,\:t}$는 스위치 제어 모드 제약조건을 위해 적용된 ELZ의 동작 상태를 지시하는 이진변수를 의미한다. $b_{ELZ,\:t}$가
0일 때 ELZ는 동작하지 않으며, 1일 때 ELZ는 정상적으로 동작한다. M은 매우 큰 임의의 수를 의미한다. 동작 상태 변수를 식(5)에 직접 적용할 시 비선형 수식이 이루어지므로 혼합정수계획법 (Mixed Integer Linear Programming, MILP)를 기반으로 식(6), (7)과 같이 선형식으로 수정한다. 식(8)은 ELZ의 동작 제어 제약조건으로 전체 타임 스텝에서 일정 비중 이상 ELZ가 동작하여야 함을 의미한다.
2.5 Modeling of FC
FC는 전력효율이 우수한 고체산화물 (Solid Oxide Fuel Cell, SOFC) 모듈을 사용하며, 참조문헌 (22)를 참조하여 아래와 같이 정식화 한다.
식(10)와 (11)은 각각 FC의 전력 및 열 출력을 나타낸다. $P_{FC,\:t}$, $T_{FC,\:t}$, $H_{FC,\:t}$, 는 각각 FC의 전력출력,
열 출력, 입력 수소량을 의미한다. 한편, 식(12)와 (13)는 FC의 전력 및 열 출력 범위를 각각 설명한다.
2.6 Modeling of ESS
본 논문에서는 에너지 저장 시스템(Energy Storage System, ESS)을 배터리 에너지 저장 시스템(Battery Energy Storage
System, BESS)과 수소 에너지 저장 시스템(Hydrogen Energy Storage System, HESS)으로 구분하며, 두 시스템은
모두 MILP 방정식에 따라 다음과 같이 정의된다(18).
식(14)에서 $SOC_{s,\:t}$는 ESS의 충전상태 (State of Charge, SOC)를 의미하며,변수 $E^{ch}_{s,\:t}$, $E_{s,\:t}^{dch}$
는 각각 ESS의 충전 그리고 방전에너지를 의미한다. $s$는 ESS의 set을 의미한다. 식(16)과 (17)은 ESS의 순간적인 충전 및 방전량이 ESS 용량 비율을 초과할 수 없음을 보장한다. 일반적으로 ESS는 동시에 충전과 방전 모드를 실행할 수 없기
때문에, 각 충전 및 방전 변수에는 운영 상태를 나타내는 이진 변수가 적용되어야 한다. 그러나 앞서 언급한 것처럼 식(14)에 이진 변수를 직접 적용하면 비선형 수식이 생성되므로, 수식 (18-20)을 사용하여 MILP 기반의 선형화를 수행한다.
HESS는 ELZ를 통한 충전과 FC를 통한 방전을 수행하며, BESS와는 달리 탱크를 사용하여 에너지를 저장한다. 따라서 2개 이상의 HESS를
사용하여 ELZ 및 FC를 통한 독립적인 충전과 방전이 가능하도록 추가 제약 조건을 설정한다. 여기서 수식의 는 HESS의 개별 장치 번호를 나타낸다.
3. Optimal planning strategy of IE
3.1 Operation constraints of IES linked with VEM
본 논문에서 제안하는 IES는 지역 내 에너지 자립이 가능한 LPS에서 운용되므로, 지역 내 분산된 RES를 VEMS를 이용하여 하나의 통합 발전
시스템으로 구성한다. VEMS를 통해 수집된 데이터를 기반으로, EXA는 LSO에게 유연하게 전력 공급을 조정할 것을 요청할 수 있다. 다음 수식은
VEMS 기반 IES의 전력 수요 균형 제약조건을 나타낸다.
식(25), (26)은 VEMS를 통해 통합관리되는 지역 내 WT 그리고 PV의 발전량을 의미하며, $w$, $p$는 각각 WT와 PV의 설비별 번호를 의미한다. 식(27), (28)에서 $P_{\mu ,\:t}$ 비 유연 제어 공급 변수를 의미하며, $P_{\nu ,\:t}$는 유연 제어 공급 변수를 의미한다. 비 유연 제어
공급 변수는 RES로부터 공급되는 전력을 의미하며, RES로부터 공급받는 전력은 제어가 불가능하므로 IES설비인 ELZ, EHP 그리고 BESS에
공급됨으로써 과잉 공급이 보완된다. 반면, 비 유연 제어 공급 변수는 그리드로부터 공급받는 전력, FC로부터 공급받는 전력, BESS의 방전 전력으로
구성되며, 유연한 출력조정이 가능하다. 식(29)와 같이 비 유연 제어 공급 변수와 유연 제어 공급 변수의 합으로 전력 수요를 충족한다. 식(30)은 부하의 최소비율 이상을 의무적으로 유연 공급 변수로 할당해야 함을 의미하며, 참조문헌 (23)를 참조하여 비율은 10%로 산정한다.
아래 수식은 열 수요 균형 제약 조건을 의미하며, 열 수요는 지역 열 공급자로부터 받는 에너지와 FC 그리고 EHP를 통해 공급받은 열을 통해열 수요를
충족한다.
3.2 Benefit Structure of each stakeholders
본 절에서는 VEMS 기반 IES가 LPS에 통합됨에 따라 각 이해관계자의 독특한 목표와 이익을 식별하고, 이들 사이의 상호 연관성을 설명한다.
우리나라에서 ISO 및 정책입안자는 비영리 조직으로서, 국가정책 목적 달성에 대한 책임과 의무를 가진다. 해당 국가정책은 앞서 언급한 RES의 확대,
청정수소발전량 확보 그리고 에너지 자립적인 LPS의 효율적 운영을 포함한다. REP는 RES에 투자하고 RES로부터 발전하는 전력을 거래하여 거래대금을
정산받음으로써 전력거래량의 확보 및 그에 따른 경제적 편익의 향상이 목표이익으로 동작한다. EXA는 IES에 투자하는 민간 사업자로서 REP와의 계약을
통해 RES의 전력을 공급받고 VEMS기반으로 IES를 최적으로 운영함으로써 발생하는 전력판매 비용 및 열 판매 편익의 향상이 목표 이익이로 동작한다.
End-user는 에너지를 소비하는 고객으로, IES 사업에는 직접 참여하지 않지만, IES가 도입되면 열 에너지 사용 비용을 절감할 수 있다는 기대
효과있다. 따라서, IES가 도입됨에 따른 End-user의 주된 목표 이익은 열 에너지 비용의 최소화가 된다. 아래 수식은 각 이해관계자들의 목표와
이익을 정식화 한다.
식(32)은 ISO의 목표 이익을 나타내며, 이는 전체 공급 에너지 중에서 PV, WT, 그리고 FC로부터 받는 에너지 비율을 최대화하는 것을 목표로 한다.
식(33)은 REP의 목표 이익을 설명하며, 이는 PV 및 WT를 통한 전력 거래량을 최대화하는 것을 의미한다. 식(34)은 EXA의 목표 이익을 나타내며, 이는 IES의 모든 설비 비용을 고려하여 순수익을 최대화하는 것을 의미한다.$\xi_{t}$는 EXA가 정산받는
단위 열 에너지의 판매 비용이다. 식(35)는 End-user의 목표 이익을 의미하며, 열 에너지 소비 비용의 최소화를 의미한다. 이때 $\Pi_{t}$는 가스 시스템으로부터 공급받는 단위
열 에너지의 판매 비용이다.
LPS에서 독립 에너지 시스템(Single Energy Systems, SES)이 유지되는 경우 RES의 발전 비중이 증가함에 따라 발생하는 잠재적인
RES의 출력제약 문제로 ISO관점에서 RES의 수용률을 달성하는데, 명확한 한계가 발생한다. 이는 RES의 전력거래량을 감축하므로 REP의 관점에서
경제적 손실을 야기하며, 단위 용량에 따른 편익 즉, Benefit/Capacity가 지속적으로 감소하므로 REP관점에서 RES의 투자를 회피하도록
만든다. 따라서 REP와 ISO는 모두 RES의 출력제약을 감축함으로써 각자의 관점에서 얻을 수 있는 목표이익의 방향이 일치하고 REP와 ISO의
목표이익은 협력관계를 가지는 것이 검증된다.
EXA는 IES의 운영을 위해 REP와 계약하며, VEMS의 활용을 통해 RES를 효율적으로 통합 관리한다. 가상 상계 거래를 활용하여 REP는 ISO로부터
출력제약 지시를 회피할 수 있으며, 이에 따라 RES 발전에 대한 정산금을 정상적으로 확보한다. EXA는 가상 상계 거래되는 전력을 IES로 공급하여
FC, EHP 그리고 BESS를 활용한 전력 및 열 판매를 통해 다시 에너지 공급 비용을 정산받으므로 경제적 이익을 확보한다. 따라서 REP와 EXA는
VEMS기반 IES의 활용률을 향상하는 것으로써 각자의 관점에서 얻을 수 있는 목표이익의 방향이 일치하고, EXA와 REP의 목표이익은 협력관계를
가지는 것이 검증된다.
EXA 목표 이익의 중점은 FC의 발전을 통해 REC 및 SMP를 정산받는 것에 있다. 이에 따라 IES의 운영은 PV 및 WT의 수용률을 향상하는데,
크게 기여할 뿐 아니라 RES 발전 비중에 FC를 활용한 청정수소발전량을 포함시키며, 이에 따라 우리나라의 수소정책 시행에 따른 청정수소발전량 목표
달성에 기여할 수 있다. 따라서 EXA와 ISO는 VEMS기반 IES의 활용률을 향상하는 것으로써 각자의 관점에서 얻을 수 있는 목표이익의 방향이
일치하고, EXA와 ISO의 목표이익은 협력관계를 가지는 것이 검증된다.
End-user는 열 에너지 소비 비용으로 인해 천연가스의 비싼 수입, 저장, 수송, 분배 및 망 사용 비용이 부담된다. EXA는 가상 상계 거래를
통해 RES로부터 전력을 공급받아 EHP 및 FC를 사용하여 비용이 저렴한 열 에너지를 End-user에게 제공할 수 있다. End-user는 EHP와
FC의 활용도가 높아짐에 따라 열 에너지 소비 비용을 절감할 수 있다. 따라서 EXA와 End-user은 VEMS기반 IES의 활용률을 향상하는 것으로써
각자의 관점에서 얻을 수 있는 목표이익의 방향이 일치하고, EXA와 End-user의 목표이익은 협력관계를 가지는 것이 검증된다.
3.3 Objective function of IES
위 관계를 통해 VEMS기반 IES의 적용에 관여하는 각 이해관계자들의 목표 이익은 모두 협력관계를 가지는 것이 검증되며, 시스템의 유일한 목적함수를
각 이해관계자들의 목표이익의 합으로 구성할 수 다. 이러한 공학적 설계를 통해 기존에 다양한 이해관계자들이 갖는 목적함수의 복잡한 MOP문제를 단일
목적함수를 갖는 단순한 최적화 문제로 구성할 수 있으며, 복잡한 최적화 문제를 회피함으로써 신뢰성 높은 최적화 결과를 도출할 수 있다. 단, End-user의
목표 이익은 다른 이해관계자들과 다르게 손실의 최소화로 이어지며, 이에 따라 목적함수를 단순 산술로 표현하기 위해 End-user의 목표 이익은 최대화
수식으로 전환되어야 한다. 식(25)에 의해 열 수요 균형은 항상 일치되어야 하며, EXA에서 공급받는 열 에너지 비용이 가스 시스템으로부터 공급받는 열 에너지 비용보다 저렴하므로 End-user의
목표 이익은 가스 시스템으로부터 공급받는 열 에너지 비용을 최소화 하는 것으로 표시할 수 있다. 또한 가스 시스템으로부터 공급받는 열 에너지 비용과
EXA로부터 공급받는 열 에너지 비용은 상보성관계(Inverse relationship)를 가지므로 End-user의 목표이익은 아래 수식과 같이
EXA로부터 공급받는 열 에너지 비용의 최대화로 대체될 수 있다.
따라서 IES 계획을 위한 최종 목적함수는 아래 수식과 같다.
3.4 Planning strategy for IES linked with VEMS
본 논문에서 제안되는 VEMS기반 IES는 Short-term 계획과 Day-ahead 계획으로 분류된다. Short-term은 1년을 주기로 계획이
세워지며, 이때 VEMS는 LPS 내 증가하는 전력 및 열 수요와 추가로 투입되는 RES의 용량을 반영하여 IES의 최적 운영을 위해 필요한 설비들의
최적 용량을 도출한다. Day-ahead 계획은 24시간을 주기로 계획이 세워지며, 다음날 설비의 최적 운영 전략에 대한 계획을 세운다. 이때 VEMS는
시간에 따른 전력 및 열 수요, RES의 출력량을 예측하여 IES 설비별 최적 동작 전략을 도출한다.
본 논문에서는 수요와 RES의 불확실성을 고려하여 과거 데이터에 기반한 확률적 프로그래밍(Stochastic programming)을 적용한다. Short-term
계획에서는 계통의 안정성과 기여도를 고려하여 IES 설비의 용량을 결정해야 하므로, 통계 분포의 표준 오차(Standard error)를 사용하는
강건 설계(Robust design) 접근 방식이 적용된다. 반면, Day-ahead 계획에서는 IES 설비별로 최적의 운영 전략을 보다 정확하게
도출해야 하므로, 확률적 프로그래밍에 기반한 기대값(Expectation) 접근 방식이 사용된다.
통계 데이터는 각 시간별로 도출되며, 분포 내 10%의 standard error를 적용하여 오차를 생성한다. 생성된 오차를 기준으로 Short-term
계획은 강건설계를 위해 Upper bound의 데이터를 적용하며, Day-ahead 계획은 Lower bound와 Upper bound의 랜덤 데이터를
Monte-Carlo 시뮬레이션을 적용하고 expectation값으로 결과를 도출한다. 본 논문에서 Day-ahead 계획을 위해 적용된 반복횟수는
1,000번으로 적용한다.
4. Simulation results
4.1 Basic data and creation of scenarios
본 논문에서 적용되는 비용 데이터는 국내 2022년 데이터를 기반으로 하며, 표 1은 IES의 각 설비정보를 나타낸다. 표 2는 본 논문에서 활용되는 전력 및 열 수요의 정보를 나타낸다.
표 1. IES의 설비 정보
Table 1. Facility information of IES
|
Facilities
|
Investment cost
|
O&M cost
|
efficiency
|
Ref
|
|
EHP
|
640
[$/kW]
|
12.8
[$/kW]
|
$\eta_{EHP}$:1
|
[24]
|
|
ELZ
|
760
[$/kW]
|
15.2
[$/kW]
|
$\eta_{ELZ}$:0.7
|
[25]
|
|
FC
|
1,000
[$/kW]
|
20
[$/kW]
|
$\eta^{P}_{FC}$: 0.6
|
[18]
|
|
$\eta_{FC}^{T}$: 0.3
|
|
HESS
|
490
[$/kg-H2]
|
9.8
[$/kg-H2]
|
$\eta_{HESS}^{ch}$:0.95
|
[25]
|
|
$\eta_{HESS}^{dch}$:0.95
|
|
BESS
|
500
[$/kWh]
|
10
[$/kWh]
|
$\eta_{BESS}^{ch}$:0.95
|
[26]
|
|
$\eta_{BESS}^{dch}$:0.95
|
표 2. 전력 및 열 수요정보
Table 2. Power and heat load information
|
|
전력 [kW]
|
열 [kWh]
|
|
최대
|
8,272
|
3,579
|
|
최소
|
1,232
|
236
|
|
평균
|
2,888
|
1,201
|
|
표준편차
|
1,083
|
738
|
본 논문의 시뮬레이션 시나리오는 연간 기준부하량 대비 RES의 발전 비중이 증가하는 것으로 선정하며, WT와 PV의 비중은 우리나라의 제10차전력수급기본계획을
참조하여 각 시나리오별로 2024, 2030, 2036년의 도입예정인 RES설비용량 정보를 적용한다(27). 최적화 시뮬레이션은 Python기반의 DOCPLEX솔버를 활용하였으며, MILP모델로 해석된다. 아래 표 3은 본 논문에서 적용되는 시나리오 정보를 나타낸다. 표 4는 각 시나리오별 용량에 따른 PV 및 WT의 댓수를 나타낸다.
또한 논문에서 IES의 결과는 SES와의 결과와 대조하여 성능이 우수함이 검증된다. SES는 전력과 열 에너지의 상호교환이 발생하지 않으며, 각
에너지의 공급 및 수요가 독자적으로 운영되는 시스템을 의미한다.
표 3. 시나리오 정보
Table 3. Information of scenarios
|
|
Scenario#1
|
Scenario#2
|
Scenario#3
|
|
RES generation rate [%]
|
30
|
40
|
60
|
|
PV/WT rate [%]
|
9.125
[2024]
|
3.28
[2030]
|
1.89
[2036]
|
본 논문의 시나리오는 국내에서 증가하는 RES의 비중이 고려되며, PV과 WT의 비중은 제10차전력수급기본계획에 고지되어 있는 용량 비율을 적용한다.
표 4. 시나리오별 RES정보
Table 4. Information of RES for each scenario
|
Facilities
|
용량 [kW]
|
Scenario#1
|
Scenario#2
|
Scenario#3
|
|
PV
|
50
|
3
|
4
|
4
|
|
100
|
10
|
10
|
13
|
|
200
|
5
|
7
|
7
|
|
500
|
3
|
3
|
5
|
|
총 용량 [kW]
|
3,650
|
4,100
|
5,400
|
|
WT
|
200
|
2
|
2
|
4
|
|
300
|
0
|
0
|
1
|
|
350
|
0
|
1
|
3
|
|
500
|
0
|
0
|
2
|
|
총 용량 [kW]
|
400
|
1,250
|
2,850
|
본 논문에서 PV 및 WT의 시간에 따른 출력 패턴은 국내 통계 데이터를 활용하였으며, 용량에 따른 출력량 비율을 활용하여 각 용량에 따른 출력 분포를
적용한다.
4.2 Short-term planning result
Short-term 계획의 결과는 IES의 최적 설비 용량을 포함하여 각 이해관계자들의 목표이익이 도출된다. 본 논문에서는 VEMS기반 IES의 도입효과를
분석하기 위해 LPS 내 SES를 똑같이 구현하였으며, 각 시나리오별 SES대비 이해관계자들의 목표이익의 개선율을 분석한다. 아래 표 5는 각 시나리오별 SES와 IES의 RES의 활용율의 차이를 보여준다. 표 6은 시나리오별 EXA와 REP의 경제적 이윤의 차이와 End-user의 열 소비 비용을 보여준다.
표 5. 시나리오에 따른 RES활용율
Table 5. RES power rate for each scenario
|
|
Scenario#1
|
Scenario#2
|
Scenario#3
|
|
|
SES
|
IES
|
SES
|
IES
|
SES
|
IES
|
|
RES power rate [%]
|
83.33
|
99.07
|
79.28
|
99.28
|
63.77
|
98.90
|
표 6. 시나리오에 따른 EXA, REP의 편익
Table 6. Benefit of EXA and REP for each scenario
|
|
Scenario#1
|
Scenario#2
|
Scenario#3
|
|
|
SES
|
IES
|
SES
|
IES
|
SES
|
IES
|
|
REP
|
676
|
739
|
870
|
993
|
1,136
|
1,540
|
|
EXA
|
0
|
60
|
0
|
117
|
0
|
191
|
|
End-
user
|
833
|
728
|
833
|
685
|
833
|
631
|
단위: [$e3]
표 6의 분석 결과에 따르면, LPS 내에 SES을 운영할 때, RES의 발전 비중이 상대적으로 낮게 나타난다. 이는 RES의 확장에도 불구하고 SES
운영 시스템에서의 제한된 효율성을 시사한다. 반면, IES을 도입할 경우, 이러한 발전 비중이 현저하게 개선됨을 관찰할 수 있다. 이러한 개선은 VEMS
기반 IES의 도입이 우리나라의 에너지 정책 목표 달성에 중요한 기여를 할 수 있음을 시사한다. 이는 ISO 및 정책 입안자의 관점에서 명확한 목표
이익의 개선으로 이어질 수 있음을 의미한다.
EXA의 편익 측면에서도 중요한 발견이 있다. RES의 확장과 더불어 EXA의 편익은 지속적으로 증가하는 것으로 나타난다. 이는 재생에너지 공급이
증가함에 따라 계약 고객이 증가하고, IES의 유연한 활용이 가능해진다는 것을 의미한다. 단기 계획에 따라 결정되는 설비들의 최적 용량이 증가함에
따라 발생하는 설비비용에 대비해 IES 설비 활용을 통한 경제적 편익이 크게 증가한다. 이는 재생에너지의 확장에 따른 추가 설비비용 대비 IES 활용에
따른 편익이 꾸준히 증가함을 의미하며, 따라서 EXA 관점에서 사업 투자의 가치가 증가한다고 해석할 수 있다.
EXA의 활용성 증가는 또한 청정 수소 발전량과 EHP의 활용율 증가를 의미한다. 이는 End-user 관점에서 볼 때, 가스 시스템을 통한 고비용의
열 에너지 대신 IES를 통해 공급받는 저비용의 열 에너지 비중이 증가하여 열 에너지 소비 비용이 줄어든다는 것을 의미한다. 최종 사용자는 IES의
투자에 직접적인 경제적 영향을 미치지 않지만, IES 운영의 효과를 통해 열 에너지 비용을 절감함으로써 소비자로서 IES 도입을 긍정적으로 지지할
것으로 예상된다. 표 7은 각 시나리오별 최적 설비 용량을 제시한다.
표 7. 시나리오별 최적 설비 용량
Table 7. Optimal capacity of each facility
|
|
Scenario#1
|
Scenario#2
|
Scenario#3
|
|
EHP [kW]
|
500
|
500
|
300
|
|
ELZ [kW]
|
600
|
1,000
|
2,200
|
|
FC [kW]
|
85
|
133
|
320
|
|
HESS [kg-H2]
|
200
|
300
|
800
|
|
BESS [kWh]
|
1,100
|
1,600
|
3,000
|
결과적으로 본 논문의 시뮬레이션 결과는 시간이 지남에 따라 필수적으로 증가하는 RES의 용량을 고려하여 IES의 투입이 장기적인 관점에서 경제적,
정책적으로 높은 가치를 창출 할 수 있음을 시사한다. 본 논문에서 구성된 시나리오는 RES의 용량이 증가하는 것을 포함하고 있으며, 각 시나리오에
따른 결과는 RES의 용량이 증가할수록 IES의 가치가 높아질 수 있음을 명확하게 수치적으로검증한다. 이러한 결과는 IES의 투입에 따라 영향을 받는
REP, EXA 그리고 End-user을 모두 고려한 결과로 실질적으로 IES의 투자에 큰 장애가 없을 것으로 판단된다.
4.3 Day-ahead planning result
본 논문에서 Day-ahead 계획의 결과는 RES의 출력량이 높고 전력수요가 낮아 IES의 동작 특성을 분석하기 쉬운 가을의 24시간을 대상으로
결과를 분석한다. 아래 그림은 시나리오들 중 RES의 용량이 가장 높은 세 번째 시나리오를 기준으로 가을의 24시간에 대한 IES의 동작 스케줄링을
도식화한다.
그림. 2. IES의 Day-ahead 계획 결과
Fig. 2. Day-ahead planning result of IES
위 그림은 가을의 IES 운영 결과를 보여주며, 전력 수요는 비교적 낮지만 RES의 출력은 높아서 출력 제약의 빈도가 매우 높다. 실제 가을 샘플
데이터에서 24시간 동안 RES의 잉여 에너지가 2.8MWh 발생하며, 이는 최적 용량으로 선정된 IES 설비를 활용하더라도 PV와 WT이 동시에
순간적으로 출력이 높아지는 시간에는 출력을 보완할 수 없음을 보여준다. 또한, RES의 출력이 집중되는 기간 동안 ELZ의 출력이 매우 높은 것을
확인할 수 있으며, 이는 BESS의 과도한 충전 모드 운영이 초과 투자를 유발하므로, 연속적으로 활용하는 데 장점이 있는 ELZ가 적극적으로 활용되는
것이다.