2.1 분산전원과 고객 공급 전압 품질

배전선로에서 태양광(PV)이 과전압 문제를 일으키는 정도와 이러한 문제가 운량, 일사량 등의 기상 상태와 어떠한 관계가 있는지 정량화한 사례는 없다. 네덜란드에서 스마트미터를 통해 취득된 전압 이벤트(1분 이상 지속 과전압)를 기반으로 기상관측 데이터와 전압 변동 상관성을 분석한 사례가 있다^[3]. 핀란드의 Turku 대학교의 연구에 따르면 양면 수직형 PV 시스템은 기존 단면 PV에 비해 발전량이 46% 높고 PV 발전과 전력 소비 사이의 시간적인 일치성을 개선하여 저압망의 과전압을 방지할 수 있다는 보고도 있다^[4].

호주의 Solar Analytics는 태양광 전원 접속 선로의 50%가 연간 50회 이상의 5분을 초과하는 과전압을 경험했다는 사례를 제시하였다. 그림 1과 같이 분산전원 접속점에서 5초 간격으로 데이터를 취득한 결과 전압이 높아 인버터가 순간적으로 중단되고 재접속되는 과정을 여러 번 반복한 사례도 제시하고 있다^[5].

COAG(the Council of Australian Government) Energy Council의 저압망 전압 보고서에 따르면 태양광 출력이 증가하면 저압망 전압이 약간 증가하였으나 어떤 요인에 의해 야간에도 높은 전압이 나타나는 사례가 있는 것으로 보고하고 있다. 뿐만 아니라 분산전원 접속률이 낮은 경우에도 전압 상승 사례가 많으며, 이러한 사례의 95% 이상이 공칭전압 230V 보다 높은 것으로 조사 되었다^[6].

그림 1. 5kW 태양광 발전 출력 변동 예시

Fig. 1. The example of 5kW solar power output variation

2.2 전압 품질의 부하 고객 영향

전력회사는 적정전압을 유지하기 위해 다양한 기술을 적용하고 있으며, 전압 변동성에 대응하기 위한 전기설비의 내성도 점차 향상되고 있다. 배전망 전압이 효과적으로 관리되지 않으면 전기 소비자는 여러 가지 부정적인 영향을 받을 수 있다. 전압이 관리 되지 않으면 발생할 수 있는 부정적인 영향으로는 에너지 소비 증가, 가전제품의 이상 작동 및 손상, 과전압 출력제한 설정으로 인한 PV 출력 능력 감소 등이다. ^[7][8]. 특히, 분산전원 연계 증가에 따라 전압 불균형 발생빈도가 과거에 비해 빈번하게 발생할 수 있다. 전압 불균형은 배전망의 손실 증가와 의도하지 않은 전압 조정기 오작동을 유발하며 다상 전기기기와 같은 3상 전력전자 부하 작동에 부정적인 영향을 준다^[9][10].

2.3 AMI 보급과 전압 품질 관리

배전망 운영자가 저압망을 관제하는 것은 쉽지 않기 때문에 전압 품질을 제어하는 것 역시 쉽지 않다. 일반적으로 전력회사는 전압 문제를 주로 고객 피해 민원을 통해 파악할 수 있었는데 최근에는 스마트미터 보급 확산에 따라 계측 데이터를 기반으로 전압 및 부하 관리를 선제적으로 하는 방법으로 발전해가고 있다.

AMI의 스마트미터는 일정한 시간 간격으로 전류 흐름이나 전압을 측정하여 소비한 전력량을 계산한다. 또한, 계통 운영을 위한 제어장치로 전압, 전류 측정 데이터를 전송하여 제어장치로 하여금 계통을 안정화하고 고객에게 전력을 안정적으로 공급하는데 필요한 조치를 하게 하여 전기품질 향상에 기여한다.

영국의 경우 스마트미터 데이터를 주로 에너지 공급업체와 전력망 사업자가 전력망 운영을 위해 활용하고 있으며, 대학이나 연구기관에서도 활용할 수 있도록 비식별 처리하여 제공하고 있다. 이러한 데이터를 기반하여 사회적인 주택 재고 분석, 건물 에너지 효율, 기상악화와 전기 사용 등 21개의 연구 주제에 대한 프로젝트를 수행하고 있다^[11].

호주 전력회사 Essential energy는 저압 배전망에 설치된 스마트미터를 통해 고객 연결점에 대한 기본적인 전력품질 모니터링을 수행하고 있다^[12]. 호주 빅토리아주에서는 배전 사업자에게 분기마다 전압성능 데이터를 제출하도록 하고 있다. 빅토리아주의 전력회사들은 전압성능 준수를 위해 적극적으로 전기품질을 모니터링하고 전압 미준수 사례가 확인될 경우 전력 회사별 전압 품질 정책에 따라 전기품질을 관리하고 있다^[13].

전 세계적으로 스마트미터의 보급률이 급속히 증가하고 있지만 스마트미터의 연속 전압 계측 기준으로 공급 전압 유지 상태를 판단하는 기준은 국내·외에서 찾아보기 어렵다. 스마트미터의 전압 계측 신뢰성 확보, 안정적인 데이터 전송, 이상 데이터 처리 등이 필요하므로 합리적인 기준 마련은 쉽지 않지만 호주, 영국, 뉴질랜드 등 전 세계적으로 연구가 활발히 진행되고 있다^[14].

3.1 분석 프로세스

저압 배전망에서 공급점 전압은 선로 구성, MV 선로 전압의 변동, PV와 같은 분산전원 접속 위치 및 출력량, 부하 프로파일, 그리고 태양광 복사 등에 의존한다. 전압 유지를 위해 전압 변동 요인에 대한 검토를 수행하고 계통 구성을 변경하거나 설비를 보강하거나 전압 제어 자원을 설치하여 적정전압이 되도록 한다.

그림 2는 배전망 전압 관리를 위한 4단계 프로세스를 보인다. 1단계에서 스마트미터 또는 현장 계측장치를 통해 전압, 전류, 전력량 등의 데이터를 수집한다. 일부 스마트미터의 전압 계측 기능을 활용하거나 이동형 계측 장치로부터 정보를 얻을 수 있으나 본 연구에서는 스마트미터 정보를 활용하였다. 2단계는 1단계에서 취득한 데이터를 기반으로 저압 배전망 전압 관리 의사결정에 필요한 전압 유지상태를 분석한다. ADMS(Advanced Distribution Management System)는 고압 선로 전압 변동을 분석하고, 전압관리 시스템은 AMI 계량데이터 기반으로 저압 배전망의 전압 유지율, 상시전압 변동률, 전압 불평형 등을 정기적으로 분석한다. 특히, 저압단의 전압 문제는 고압단에서 발생하는 전압문제에 일부 기인하기 때문에 ADMS의 고압단 전압예측 값은 저압단 전압 관리를 위해 반드시 필요한 정보가 될 수 있다. 3단계에서는 2단계의 전압 분석 결과를 토대로 전압 제어를 수행하는 단계이다. 주변압기 OLTC 제어, 선로용 SVR(Static Voltage Regulator) 제어, 배전 변압기 탭(Tap) 변경, 분산전원 인버터 제어, 설비 교체, 부하 분리 등 가장 경제적인 수단을 선택한다. 4단계는 제어 효과 분석 단계로, 3단계에서 수행한 전압 제어에 대한 개선된 효과를 분석하여 제어의 적정성을 평가한다.

부하 변동성, 계통 구성 변화, 분산전원 출력 변동 등에 따라 전압 관리 효과가 다르므로 정기적으로 그림 2의 프로세스를 반복해야 적정 수준의 전압 관리가 가능하다. 선로 부하의 변동성이 큰 경우 전체 프로세스는 최소한 주(Weeks) 또는 월(Months) 단위의 짧은 주기로 수행하는 것이 효과적이다.

그림 2. 저압 배전망 전압 관리 프로세스

Fig. 2. The process to maintain voltage for customers in the distribution network

3.2 AMI 데이터 기반 전압 변동성 분석 모델

본 절에서는 배전망 전압 유지를 위한 4단계 프로세스 중 2단계의 전압 분석 및 예측에 대해 논한다. AMI에서 계측 데이터를 기반으로 빅데이터 분석기술 적용하여 전압 변동성 분석을 수행하였다.

3.2.2 전압 데이터 수집 및 전처리

PPA(Power Purchase Agreement)는 전력 생산자와 구매자의 ‘전력 구매 계약’을 의미하는 것으로, 크게 제3자 PPA와 직접 PPA로 나뉜다. 제3자 PPA는 기업과 재생에너지 발전사업자 사이에 ‘한국전력공사’와 같은 중개사업자가 개입하는 형태로, 재생에너지 발전사업자는 중개사업자에게 전기를 팔고 이 전기를 다시 기업에게 되판다. 직접 PPA는 중개사업자가 전력구매계약을 중개하는 제3자 PPA와 달리, 재생에너지 발전사업자와 전기사용자 간의 일대일 전력 거래 체결이 가능하다.

본 연구에서는 약 360만 고객 스마트미터에서 수집한 4월 및 8월 전압 계측 데이터를 기반으로 분석하였다. 스마트미터의　전압 기록 주기는 1분, 5분, 10분, 15분, 30분 그리고 60분 등으로 설정할 수 있으며, 대부분 15분 주기로 설정하고 있다. 따라서 15분 및 30분 평균 전압 데이터를 전처리 후 분석하였다. 계절성을 평가하기 위해 부하 및 출력 변동이 큰 봄철(4월)과 여름철(8월)로 한정하였으며, 분산전원 영향을 보기 위해 제3자 PPA와 직접거래 PPA에 대한 구분없이 분산전원 발전 고객(PPA 고객)의 스마트미터도 포함하였다. 분석에 사용한 단상 스마트미터 수량 대비 삼상 스마트미터 수량은 27% 수준이었으며, 전체 고객에 대해 태양광 발전원을 갖는 PPA 고객은 단상 6.4%, 삼상 7.6%의 분포를 보였다.

그림 3은 수집된 전압 데이터의 전처리 과정을 요약하여 나타낸 것이다. 우선 데이터 전처리 과정의 ‘데이터 가용성(Availability) 검사’에서 15분 및 30분 계측 주기 이외의 1분, 7분 등의 주기를 갖는 계측값은 제거하여 분석에서 배제하였다.

‘결측값(Missing value) 처리’에서는 스마트미터기의 식별 코드(METER_ID) 값이 없거나 특정 스마트미터기의 전압 계측값의 개수가 총 계측 시간 내에 계측되어야 할 전체 계측 값의 개수에서 2% 이상 누락된 경우에는 해당 스마트미터기의 데이터를 제거하여 분석 제외 처리를 하였다. ‘이상 값(Outlier) 처리’에서는 계측값이 표준전압의 ± 20%를 초과한 경우를 ‘이상 값’으로 판단하고, 이러한 데이터가 통계/분석에 포함되지 않도록 이상 여부(IS_OUTLIER) 변수에 ‘이상 값’임을 표시하였다. 예를 들어 단상 220V의 경우 전압값이 176 V (-20%) 미만이거나, 264V(+20%)를 초과한 경우 이상 값으로 처리하였다. 전처리 마지막 단계인 ‘단위 변환(Scaling)’에서는 데이터 통계·분석 목적에 맞는 계측 단위 형태로 변환하는 작업을 수행하였다. 본 논문에서는 30분 계측 주기의 전압 데이터에 대한 통계·분석 모델을 정의하였으며, 모델 구현을 위한 15분 주기 계측 전압 데이터를 30분 주기 계측 전압 데이터로 변환하였다.

그림 3. AMI 전압 계측 데이터 전처리 과정

Fig. 3. AMI voltage measurement data preprocessing

4.1 저압 배전망 전압 분포

그림 4는 2023년도 8월달의 전국 저압 배전선로 수전점에서의 단상 스마트미터의 전압 분포를 나타낸 그래프이다. 표준전압(220V)을 기준으로 1V 간격으로 ±10%까지 표현하였다. 해외 사례와 유사하게 저압망 수전점에서의 전압은 표준 전압보다 높은 쪽으로 분포하고 있는 것을 알 수 있다. 삼상 스마트미터의 전압 분포 역시 그림 4와 유사한 것으로 분석되었다.

그림 4. 스마트미터 계측 전압 분포

Fig. 4. Voltage distribution of smart meters supplied from LV distribution line

그림 4와 같은 분포를 보이는 요인은 일시적인 과부하에 의한 저전압 발생 억제 또는 향후 추가 부하 접속을 위한 전압관리 등을 위한 조치에 따른 결과로 볼 수 있다. 또한, 이러한 전압 분포를 갖는 저압 배전망에서 분산전원이 다수 연계되어 역방향 전력 전송이 있는 경우 적절히 관리되지 않으면 선로 조건에 따라 인근 고객에 과전압이 유발될 수 있으므로, 이를 예방하기 위한 선제적인 적절한 전압관리가 필요하다.

4.2 전압 변동성 분석

저압 배전망에 있어서 전압 변동성의 평가는 전압 프로파일(Profile) 분석, 공급점(계량점) 기준의 전압 유지율 분석, 전압 유지 시간 비율 등을 구분하여 분석하였다

먼저, 전압 제어를 위해서는 전압 프로파일 및 부하 프로파일에 대한 이해가 우선되어야 한다. 본 연구에서 분석 대상 스마트미터의 모든 전압 프로파일 분석은 수행하지 않았으나, 대표성이 있다고 판단된 부하고객 및 PPA 발전고객에 대한 프로파일을 예시하고자 한다. 그림 5는 분산전원(PV, 3 kW 출력)이 접속되어 있고 동일 배전 변압기의 저압 배전망에서 공급받는 단상 부하 고객의 스마트미터에서 계측한 8월 전압 프로파일의 예이다. 그림 5에서 위쪽(청색)의 그래프가 전압 프로파일이며, 아래쪽(주황색)의 그래프는 고압 배전선로 주변압기 탭 조정 프로파일을 참고로 함께 나타내었다. 그래프의 세로 축은 표준전압의 ±10%까지 표현하였으며, 전압 프로파일은 표준전압 보다 높은 쪽으로 올라가 있는 것을 알 수 있다. 그림 5의 주황색 선인 주변압기 OLTC 탭 조정 상태값과 청색선인 부하 고객의 전압 프로파일 간의 직접적인 상관성은 보이지 않았으나, 분산전원 출력 시간인 주간에 최대 4%까지 15분 평균 전압이 높게 나타나는 것을 알 수 있었으며, 분산전원 출력에 영향을 주는 기상 조건과 전압변동의 상관성이 있는 것으로 분석되었다.

그림 5. 저압 배전망 접속 고객의 전압 프로파일 예(8월)

Fig. 5. The example of voltage profile for customers in LV network with DG(August)

뿐만 아니라, 상 구분에 따른 효과적인 전압 관리를 위해 본 논문에서는 단상 및 삼상 스마트미터를 구분하여 분석하였으며 표 4는 단상 스마트미터 고객, 표 5은 삼상 스마트미터 고객에 대한 결과이다. 여기서 결과는 부하 고객 및 PPA 고객 집단에 대한 개별적인 산정한 것이다. 부하 및 발전량 패턴에 있어서 차이가 큰 봄철 및 여름철과 같은 계절별 차이를 보이지 않았다. 삼상 스마트미터의 경우 상별로 분석하고 모든 상이 전압 유지 조건을 만족하여야 전압 유지율에 포함되므로 단상 스마트미터에 비해 약간 낮은 유지율을 보인다. 단상 및 삼상을 포함한 모든 분석 대상에 대해 전압 유지율은 99.4% 수준이었다. 부하 고객에 비해 PPA 고객에서 과전압율이 2배 이상 높게 나타난 것에서 PPA 고객에 대한 분산전원 출력 제어의 중요성을 알 수 있다. 또한 전압 유지율은 월별 및 계절별로 다소 상이하고 과전압 및 저전압 고객도 변하기 때문에 지속적인 모니터링을 통해 관리해야 하는 어려움이 있다.

참고로 전압 초과율은 단상과 삼상을 통합하여 분석했을 때 0.60%이며, 국내보다 분산전원 접속량이 많은 호주의 경우 2022년 전압 초과율 4.75%로 보고하고 있다^[12].

또한, 전체 단상 스마트미터 고객에 대해 과전압 시간 비율은 0.24%, 저전압 시간 비율은 0.06%이었으며, 99.7% 시간 동안 적정 전압이 유지되었다. 삼상 고객에 대해 과전압 시간 비율은 0.08%, 저전압 시간 비율은 0.34%이었으며, 99.58% 시간 동안 적정 전압이 유지되었다. 과전압 및 저전압은 특정 시기에 반복적으로 발생하기도 하지만, 상당수는 전체 기간에서 불규칙적으로 아주 짧은 시간에만 나타나는 특징을 보였다. 또한 계절적 영향에 대해 8월(여름)보다 상대적으로 부하가 낮은 4월(봄)에 과전압 비율이 높게 나타났다.

4.3 전압 유지율의 지역적 특성

지역별 분석은 국내 전력회사의 15개 행정적 구분을 기반으로 분석하였다. 그림 6은 단상 고객에 대한 지역별 전압 유지 고객 및 전압 유지 시간 비율을 비교한 그래프이다. 여기서 산정한 비율은 소숫점 첫째 자리에서 반올림하여 나타내었다. 분산전원 발전량 상위 2개 지역(M 지역, N 지역)과 분산전원 발전량 하위 2개 지역(G 지역, K 지역)을 비교하면, 분산전원 접속량이 많은 지역의 경우 전압 유지 고객이 다소 낮은 특징을 보였으나 전압 유지 시간 비율은 비슷하게 나타났다.

전압 유지 고객 비율(%) 대비 전압 유지 시간 비율(%)의 차이가 큰 지역(예, E 지역)의 경우 상대적으로 짧은 시간만 전압 유지 범위를 초과하였기 때문이다. 저압 배전망의 전압 변동의 크기는 배전망 임피던스, 분산전원 출력량 및 접속 위치, 인근 부하 프로파일 등의 복합적인 영향을 받는다. 따라서 전력망의 지역적 특성이 반영된 것으로 배전망 운영 성과로서 지역별 비교하는 것은 부적절하며, 전력망 성능 개선을 위한 데이터로 활용하는 것이 바람직하다.

그림 6. 지역별 전압 유지율 비교

Fig. 6. Comparison of voltage compliance rate by regions

4.4 분산 전원 연계에 따른 저압 배전망 영향

배전 변압기 단위로 저압선로에 분산전원이 연계되지 않은 ‘일반 선로’와 분산전원(주로 PV)이 연계되어 있는 ‘DG연계 선로’로 구분하여 분석하였다. 두 분석 대상 모집단 수는 분산전원 모집단 수와 동일하게 하였으며, 분산전원 연계 영향을 명확하게 이해하기 위해 ‘일반선로’ 모집단은 분산전원이 없고 상대적으로 전압 변동이 큰 배전 변압기에서 공급받는 스마트미터 데이터를 사용하였다.

그림 7은 일반선로와 분산전원 선로에 대한 전압 초과 비율을 비교하여 나타낸 것이다. 여기서 운량은 해당 일에 대한 전국 평균값으로 표현하였으며, 전압 유지범위 초과 비율 산정에 있어서 뚜렷한 비교를 위해 표준전압 ±10%가 아닌 표준전압 ±6%를 초과한 경우로 하였다.

유지 전압을 초과한 계량점 비율의 경우 일반 선로는 한 달 평균 12.9%이고, 분산 전원 연계 선로는 한 달 평균 22.3%로 일반 선로보다 분산 전원 연계 선로에서 전압 초과 빈도가 많이 발생한 것으로 파악되었다. 또한 분산 전원 연계 선로의 전압 초과 비율은 구름의 양과 상관성이 높은 것으로 파악할 수 있었다. 이는 분산 전원 연계가 전압 유지에 영향을 주는 유의미한 상관관계에 있는 것으로 해석될 수 있다.

그림 7. 일반선로, DG연계선로의 전압 초과율 변동 추이와 일평균 운량 비교

Fig. 7. Comparison of trends in over and under voltage rate with average daily cloudiness in the Non-DG lines and DG lines