• 대한전기학회
Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers
  • COPE
  • kcse
  • 한국과학기술단체총연합회
  • 한국학술지인용색인
  • Scopus
  • crossref
  • orcid

  1. (Dept. Electrical Engineering, Hanyang University, ERICA, Korea)



Climate change mitigation policy, power supply simulation, changes of fuel costs

1. 서 론

온실가스로 인한 기후 변화 위기에 대응하기 위한 세계적인 노력이 지속적으로 진행되고 있는 상황에서, 대한민국은 자발적 국가 온실가스 감축 목표(NDC, Nationally Determined Contributions)를 파리 협정에 따라 제시하면서 2018년 대비 탄소 배출량을 2030년까지 40% 감축하는 것을 목표로 제시하였다[1]. 특히, 발전 부문에서 배출하는 탄소는 44.4% 감소인 149.9백만 톤까지 감축하는 것을 목표로 삼고, 이것을 구체화하기 위해 9·10차 전력수급기본계획을 수립하였다[2][3]. 전력 공급 부문에서의 온실가스 감축을 위한 정책 대안은 원자력 발전의 유지·확대, 신재생에너지의 확대, 암모니아-석탄 혼소, 천연가스-수소 혼소 발전의 도입, 석탄에서 천연가스로의 발전 연료 변경(fuel switching) 등으로 요약된다.

본 연구에서는 위에서 열거된 정책 대안들의 비중 변화가 발전원가와 탄소 배출량에 미치는 효과를 편리하게 계산하고, 직관적으로 이해할 수 있도록 지원하는 정책 시뮬레이터를 제작하고 가상의 정책 시나리오에 대한 경제적·환경적 영향 평가 실험을 수행하였다. 특히, 본 연구에서 제작된 시뮬레이터는 탄소세뿐만 아니라 석탄에서 천연가스로의 연료 변경에 따른 메탄의 추가 누설 가능성이 온실가스 배출에 미치는 영향을 가늠하기 위한 메탄 누설 비율, 석탄 연소로 인한 건강 피해 비용 등을 파라미터로 고려할 수 있게 제작되었으며, 10차 전력수급기본계획뿐만 아니라 9차 계획도 실험하여 비교할 수 있도록 설계되었다. 또한, 신재생에너지 도입의 크기와 배터리 저장 장치(ESS, Energy Storage System)의 운용, 실험 주기에 관한 변수들도 변경하여 실험이 가능하다.

입력파라미터들의 변경으로 생성된 특정 정책 시나리오에 대한 시뮬레이션을 진행하고 나면 발전원별 탄소 배출량을 얻을 수 있어 탄소 배출량 저감을 위해서 필요한 설비와 용량을 추정할 수 있으며, 발전소 가동률 출력을 활용하면 발전원별 발전소의 과소, 과대 건설 여부를 파악할 수 있다. 본 연구에서 제작한 시뮬레이터는 HY-PSS-LCS(Hanyang Power Supply Simulator for Low Carbon Strategy)로 명명했으며, 2030년 저탄소 발전 정책에 대한 비교 [4], 배터리 저장 장치(ESS)의 경제적 활용[5][6] 등의 연구에 활용하였다. 본 연구에서는 [7]에 간단하게 소개된 제작 초기 시뮬레이터를 확장하고 추가된 내용을 자세히 설명하고, 활용 예로써 연료비용의 변화에 따른 발전믹스, 발전단가, 온실가스배출량을 비교한 결과를 분석한다.

2030년 저탄소 전력 공급에 대한 국내 관련 중 대표적인 것으로 한국환경연구원의 보고서 [8]에서는 8차 전력수급기본계획을 기준으로 NDC 2030을 달성하기 위해 탄소세의 수준을 제시하고 있다. 이 보고서는 NDC 2030 목표를 달성하기 위해서는 탄소세 $4만원/{t CO}2$에서 $5만원/{t CO}2$사이의 탄소 가격이 요구되며 $7만원/{t CO}2$까지 부과될 때 배출권 가격 형성에 결정적인 영향을 미칠 것으로 평가했다. 하지만, 이 결과들은 발전 부분의 투입 연료가격이나 신재생에너지 확장 정책, 원전 복구 정책 등의 변화에 영향을 받으므로 본 연구 같이 쉽게 사용가능한 시뮬레이터의 개발이 필요하다.

기타 국내 관련 연구는 참고문헌 [4]표 8와 9에 잘 정리되어 있으며, [4]에서는 9, 10차 전력수급기본계획을 기준으로 NDC 2030을 달성하면서 발전 비용을 최소화하는 여러 가지 시나리오들을 함께 제시하였다. 이 논문에서는 10차 전력수급기본계획의 시나리오에서 탄소 배출 목표 달성을 위해 $10.4만원/{t CO}2$이 필요함을 주장했다. 또한, 10차 전력수급기본계획에서는 2배의 신재생 설비를 설치하게 되면 탄소세 없이 NDC 2030 탄소 배출 목표를 달성할 수 있었다. 그리고, 신재생 추가 설치 없이 $13만원/{t CO}2$의 탄소세를 부과하는 것과 암모니아·석탄 혼소를 20% 하는 것이 전력 생산 단가는 거의 같지만, 오히려 탄소세 $13만원/{t CO}2$ 부과 시나리오에서 탄소 배출량 4%를 더 줄일 수 있다고 주장하였다. 이 논문은 연료비용의 변화에 따른 영향을 살펴보기 위해 과거의 평균연료가격과 최근 연료가격 등 2세트의 연료가격을 사용하고 있다. 하지만, 보다 다양한 연료가격의 조합이 NDC달성 시나리오에 미치는 영향을 실험해볼 필요가 있다.

국외 관련 연구들은 참고문헌 [9]에 체계적으로 정리되어 있으며, 본 연구에서 부분부하(partial load)시의 벌금비용(penalty cost)등은 참고문헌 [10]을 참조하였다. [10]에서는 미국 서부의 전력공급망을 대상으로 태양광 발전과 배터리 저장 장치의 설비 규모에 따른 시나리오를 분석하고 있다. 이 논문에서는 배터리 저장 장치는 태양광 발전 설비의 25%보다 적은 용량을 가지는 것이 최적의 비율이라고 제시하였다.

본 논문의 나머지 구성은 2장과 3장에서는 전력 비용과 탄소 배출량을 계산하기 위한 시스템 모형과 이를 구성하기 위해 사용한 제약식과 변수를 설명한다. 4장에서는 개발된 시뮬레이터 HY-PSS-LCS의 사용 방법을 서술하고, 5장은 HY-PSS-LCS를 활용하여 연료 가격의 변화가 있을 때 2030년 저탄소 전력공급게획 시뮬레이션의 실행 결과를 분석한다. 마지막으로 6장에서는 본 연구에 대한 요약과 결론, 앞으로의 연구 방향을 제시한다.

2. 시스템 모형

본 연구에서 사용된 발전기 기동정지·급전 모형은 2019년 기준 대한민국에 설치된 모든 발전소를 포함하고, 추가로 9·10차 전력수급기본계획에 따라 2030년의 발전소 설치, 폐지 계획을 포함하여 2030년의 전력 공급을 모형화하였다[2][3].

2.1 전력 공급계획 모형

본 연구에서 사용된 전력 공급계획 모형의 입력 변수는 그림 1에서와 같이 전력수급기본계획, 발전 세부 기술, 설비 이용률, 연료 가격 탄소 배출 계수, 전력 수요, 탄소세 수준, 재생가능 발전 설비 용량, ESS 운용 방법을 포함한다. 혼합정수계획법으로 구성된 모델은 발전기 기동정지 계획의 주기를 24·48·72시간 단위로 선택할 수 있다. 24시간보다 긴 주기를 선택하면 예측 불확실성을 고려하여 24시간 단위로 급전 계획 데이터를 슬라이싱하여 24시간의 발전소 운용 결과를 계산한다. 축적된 365일 간의 발전소 운용 결과 데이터를 통해 균등화 발전비용(LCOE), 탄소 배출량, 발전원별 전력 생산량, 발전소 가동률 등을 성능 평가 지표로 계산한다.

그림 1. HY-PSS-LCS의 전력 공급계획 모형

Fig. 1. Power Supply Planning Model for HY-PSS-LCS

../../Resources/kiee/KIEE.2024.73.3.498/fig1.png

발전기 기동정지 계획을 위한 혼합정수계획법은 대한민국 전체 발전소를 370로 가정하고 최소 발전량 제한, 최소 가동시간 제한, 최소 중단시간 제한, 출력 변화량 제한, 발전소별 탄소 배출 계수를 고려한 발전소를 모델링하여 전력 정책, 탄소세, 발전 설비 용량, 혼소 비율, 메탄 누설량, 건강 피해 강도, 연료 비용, 신재생 발전 설비 용량 등의 정책정보를 시나리오로 받아들여 1시간의 해상도로 운용된다.[4] 실행 결과로특정 날씨, 상황에서의 발전소 동작 스케줄링과 같은 구체적인 계획 정보에 대해서도 얻을 수 있도록 개발되었다.

2.2 GUI 개발

HY-PSS-LCS는 누구나 쉽게 2030년도의 저탄소 공급전력 계획을 실험할 수 있도록 개발된 시뮬레이터이다. 사용자가 HY-PSS-LCS의 입력 변수 설정을 완료하고 실행 명령을 내리게 되면 해당 명령은 파이썬(Python)을 통해 입력 설정에 대한 시뮬레이션 파일을 생성하게 된다. 해당 시뮬레이션 은 GAMS의 응용프로그램 인터페이스(API)를 활용하여 실행되고, 실행 결과를 GAMS에서 전달받는다. 최종적으로 사용자가 원하는 형태의 실험 결과를 실행 결과를 파이썬으로 보여주도록 동작한다. HY-PSS-LCS 개발을 위해서 파이썬의 PyQt5[11]와 혼합정수계획법(MILP) 솔버로 CPLEX[12]를 활용하였다.

그림 2. HY-PSS-LCS 구조

Fig. 2. Structure of HY-PSS-LCS

../../Resources/kiee/KIEE.2024.73.3.498/fig2.png

2.3 신재생 모델

발전량이 경직된 신재생 발전을 모델링하기 위해서 24시간 동안의 전력 생산량을 제공할 때의 비용 최적화된 발전기 기동정지 계획(UC, Unit Commitment)을 결정하도록 본 모델을 구성했다. 발전 모델에서 신재생 부분은 전력 수요처럼 통제 불가능한 발전량으로 가정하였다. 표 1에서와 같이 신재생 발전은 9차, 10차 전력 수급 기본계획을 토대로 태양광 발전, 육상 풍력 발전, 해상 풍력 발전 총 3가지로 구분하여 각각의 설비용량을 전력수급계획에 따라 설정하였다.[2][3] 신재생 발전량을 결정하는 기상데이타는 NASA에서 제공하고 있는 MERRA-2의 2012-2021까지의 총 10년간의 일사량, 기온, 풍속 위성데이터를 활용하였다.[13] 기상 정보를 토대로 태양광 발전량과 풍력 발전량을 계산하기 위해서 참고문헌 [14][15]의 발전모형을 가정하였다. 수식(1)(2)(3)은 태양광 발전량 모형이고, 수식(4)(5)(6)은 풍력 발전량 모형이다. $P_{PV}$는 태양광 발전량(GW), $\eta$는 태양광 패널의 효율(%), S는 태양광 패널의 면적(${m}^{2}$), I는 일사량(${GW}/{m}^{2}$), t는 기온($^{\circ}{C}$), $P_{r,\: PV}$는 태양광 설비용량(GW),$CF_{PV}$는 태양광 설비 이용률(CF, Capacity Factor)이다. 효율은 1을 기준으로 태양광 발전소의 정격 출력을 넘지 않도록 하기 위해 최대 출력으로 나누었다. 태양광 설비 이용률(CF)을 계산하기 위해 [16]을 참고하여 20MW급의 태양광 발전 설비를 가정하였다. $P_{WT}$는 풍력 발전발전량(GW), $P_{r,\: WT}$은 풍력 설비 용량(GW), $v$는 풍속(${m}/{s}$), $v_{i}$는 시동 풍속(${m}/{s}$), $v_{r}$은 정격 풍속(${m}/{s}$), $v_{o}$는 정지 풍속(${m}/{s}$), $CF_{WT}$는 풍력 설비 이용률, $\psi$는 정격 용량에 대한 시동 풍속에서의 발전량 비율이다. 풍력 설비 이용률(CF)를 계산하기 위해서 [17]를 참고하여 3MW급 풍력 설비를 가정하였다. 식 (1)~(6)으로 계산된 설비 이용률를 해당 연도의 연간 평균 설비 이용률와 같아지도록 기상 데이터를 보정하였다.[2] 표 2는 계산된 시간별 설비 이용률 값을 요약한 것이다.

(1)
$P_{pv}=\eta SI[1-0.0005(t_{0}-25)]$
(2)
$\eta =\dfrac{0.02}{\max[P_{pv}(h)]}$
(3)
$CF_{PV}=\dfrac{P_{PV}}{P_{r,\: PV}}$
(4)
$P_{WT}=P_{r,\: WT}\times\begin{cases} 0,\: &v<v_{i},\: v>v_{o}\\ \dfrac{v^{2}}{v_{r}-v_{i}}(\dfrac{v-v_{i}}{v_{r}^{2}}+\psi\dfrac{v_{r}-v}{v_{i}^{2}}),\: &v_{i}\le v\le v_{r}\\ 1,\: &v_{r}\le v\le v_{o} \end{cases}$
(5)
$\psi =0.0135v_{i}-0.0296$
(6)
$CF_{WT}=\dfrac{P_{WT}}{P_{r,\: WT}}$

표 1 전력수급기본계획의 2030년 신재생 설비 용량

Table 1 Capacity of Renewable Energy Facilities in the Basic Plan for electricity Supply and Demand in 2030

시나리오

태양광

육상 풍력

해상 풍력

시나리오

태양광

9th BPE

45.6GW

6.9GW

18.0GW

9th BPE

45.6GW

10th BPE

46.5GW

5.3GW

14,0GW

10th BPE

46.5GW

시나리오

태양광

육상 풍력

해상 풍력

시나리오

태양광

9th BPE

45.6GW

6.9GW

18.0GW

9th BPE

45.6GW

10th BPE

46.5GW

5.3GW

14,0GW

10th BPE

46.5GW

표 2 신재생 설비 설비 이용률(CF, Capacity Factor) 요약

Table 2 Summary of Calculated Capacity Factor (CF) for Renewable Energy Facilities

시나리오

태양광

육상 풍력

해상 풍력

평균

0.157

0.254

0.275

표준편차

0.223

0.219

0.217

최대

0.853

0.727

0.666

최소

0.000

0.000

0.000

3. 제약식과 사용 변수 설명

(7)-(25)는 발전기 기동정지 계획(UC) 문제를 혼합 정수 계획법 방식으로 풀기 위해서 [4]를 참조하여 설계된 수식이다. HY-PSS-LCS에서는 해당 수식을 일 단위로 풀어서 하루 동안의 발전기 기동정지 계획을 결정한다.

(7)
$\begin{align*} \min\sum_{h}\sum_{g}\sum_{c}(FC(g,\: c,\: h)y(g,\: c,\: h))+VC(g,\: c,\: h)\\ \bullet z(g,\: c,\: h)+CU(g)u(g,\: h)+V_{L}z_{0}(h)+V_{M}z_{SR,\: 0}(h) \end{align*}$

(7)은 목적함수로 발전소 기동에 들어가는 비용, 고정 비용, 출력에 따라 변동하는 비용 3가지에 추가로 순동 예비력(SR)을 만족시키지 못하거나, 전력 수요를 만족시키지 못했을 때 발생하는 페널티를 통해서 정전이 발생할 때의 페널티를 부여했다.

(8)
$\sum_{g,\: c}z(g,\: c,\: h)-\sum_{s}sz(s,\: h)-E(s)z(s,\: h)+z_{0}\ge D(h)$

(8)는 전력 수요를 만족하기 위해서 정의된 식으로 발전소에서 발전된 발전량과 배터리 저장장치(ESS)에서 충전량의 합이 전력 수요보다 커야 한다. 해당 제약식을 통해서 총발전량이 항상 전력 수요보다 크거나 같음을 유지할 수 있다.

(9)
$SN(g,\: c,\: h)y(g,\: c,\: h)\le z(g,\: c,\: h)+z_{SR}(g,\: c,\: h)$
(10)
$z(g,\: c,\: h)+z_{SR}(g,\: c,\: h)\le SP(g,\: c,\: h)y(g,\: c,\: h)$
(11)
$SN(g,\: c,\: h)y(g,\: c,\: h)\le z(g,\: c,\: h)$
(12)
$z(g,\: c,\: h)\le SP(g,\: c,\: h)y(g,\: c,\: h)$
(13)
$u(g,\: h)-d(g,\: h)=\sum_{c}y(g,\: c,\: h)-\sum_{c}y(g,\: c,\: h-1)$
(14)
$\sum_{c}y(g,\: c,\: h)=1$

(9)-(14)의 식은 발전 제약이다. 필요한 상황에서 원하는 만큼 발전하는 것이 아닌 제약 조건에 따라서 발전량을 결정하게 된다. 식 (9), (11)은 최소 발전량에 대한 제약식이다. 해당 제약식을 통해서 발전기를 동작하는 상황이 발생하면 항상 해당 값보다는 크게 발전해야 한다. 식 (10), (12)는 최대 발전량에 대한 제약이다. 발전기의 정격 출력을 넘지 않는 발전을 할 수 있도록 하기 위한 제약이다. 식 (13)은 발전소 기동·정지에 대한 제약이다. 식 (14)는 발전소의 발전 상태가 저효율 모드, 고효율 모드 두 가지 모드 중 어떤 모드로 발전하고 있는 지를 결정하기 위한 제약이다.

(15)
$\sum_{g,\: s}\sum_{c}z_{SR}(g,\: c,\: h)+z_{SR,\: o}(h)\ge SR(h)$
(16)
$\sum_{g.s}SP(g,\: c=2,\: h)-\sum_{c}z(g,\: c,\: h)\ge QR(h)$

(15)-(16)은 순동 예비력(SR)과 순시 예비력(QR)에 대한 제약이다. 식 (15)는 순동 예비력 제약으로 발전소에서 생산한 순동 예비력의 총합이 항상 목표 순동 예비력보다 커야 한다. 식(16)은 가동 중이지 않은 발전량이 항상 순시 예비력보다 커야 한다는 제약이다. 해당 제약 때문에 모든 발전소를 전부 동작하는 일은 발생하지 않는다.

(17)
$\sum_{c}z_{SR}(g,\: c,\: h)\le RU(g)SRT(g)$
(18)
$\begin{align*} \sum_{c}z(g,\: c,\: h+1)-\sum_{c}z(g,\: c,\: h)\le \\u(g,\: h)SN(g,\: c=1,\: h)+(1-u(g,\: h))RU(g) \end{align*}$
(19)
$\begin{align*} \sum_{c}z(g,\: c,\: h)-\sum_{c}z(g,\: c,\: h+1)\le \\d(g,\: h)SP(g,\: c=1,\: h)+(1-u(g,\: h))RD(g) \end{align*}$

(17)-(19)은 발전소의 변화에 대한 제약이다. 식 (17)을 통해서 한 시간 동안 발전소가 최대로 예비력을 변화시키는 양에 대한 제약이 있다. 식 (18)식은 발전소의 출력 상승량을 제한하기 위한 제약이다. 해당 제약을 통해서 발전소가 켜지는 경우 출력 변화량을 계산하는 대신 최소 출력만큼 초기에 할당하도록 하고 그게 아니라면 $RU(g)$만큼의 출력을 변화시킨다. 식 (19)은 발전소의 출력을 줄이는 경우 감소량을 제한하기 위한 제약이다. 해당 제약에 의해서 발전소의 출력이 줄어드는데 상한이 존재한다.

(20)
$\sum_{h'=h+1}^{h+\mu U(g)+1}\sum_{c}y(g,\: c,\: h')\ge u(g,\: h)\mu U(g)$
(21)
$\sum_{h'=h+1}^{h+ MD(g)+1}\sum_{c}(1-y(g,\: c,\: h'))\ge d(g,\: h)MD(g)$

(20)-(21)는 발전소의 최소 동작시간과 최소 정지 시간에 대한 제약이다. 발전소를 한번 가동하도록 결정하게 되면 발전소별로 정해진 시간만큼은 가동해야 한다. 반대로 가동 중인 발전소를 가동 중지를 결정하게 되면 항상 일정 시간 동안 발전소를 가동 정지해야 한다.

(22)
$sz(s,\: h)-z(s,\: h)=st(s,\: h)-st(s,\: h-1)$
(23)
$st(s,\: h)<SMX(s)$
(24)
$z(s,\: h)\le SU(s)$
(25)
$sz(s,\: h)\le SU(s)$

(22)-(25)는 배터리 저장장치(ESS)에 대한 제약이다. 식 (22)는 배터리 저장 장치에 저장된 전력에 대해서 매시간 일정량의 전력 누출이 일어나게 되는 것을 제약으로 표현했다. 식 (23)은 배터리 저장 장치에 저장된 총저장량이 배터리 저장 장치의 용량을 넘지 않도록 하는 제약이다. 식 (24), (25)는 배터리 저장 장치의 최대 출력 제한을 넘지 않도록 하기 위한 제약이다. 해당 제약으로 인해서 한 시간에 배터리 저장 장치에 저장된 모든 전력이 충전되거나 방전되지 않는다.

(26)
$st(s,\: 24)\ge EM$

(26)은 배터리 저장 장치(ESS)에 24시에 저장해야 할 저장량을 설정하는 옵션이다. 해당 변수를 통해서 24시에 0이 아닌 다른 값을 저장하도록 하면 24시의 저장 목표를 달성하기 위해서 이전 시간에 추가적인 발전을 진행하게 된다.

4. 시뮬레이터 입출력

그림 3은 HY-PSS-LCS시뮬레이터를 실행할 때의 시작 화면이다. HY-PSS-LCS상에서는 10차 전력수급기본계획을 따르는 데이터에 2020~2022년 평균 연료 가격 정보가 기본값(default)으로 입력되어 있다. 위 시작 페이지에서 허용되는 입력값을 실험하고자 하는 정책들의 값으로 적절하게 변경하고 나서 RUN 버튼을 누르게 되면 시뮬레이션이 생성되고 실행된다. 시작화면은 도구상자와 입력 화면으로 구성되어 있다.

그림 3. HY-PSS-LCS 시작 화면

Fig. 3. HY-PSS-LCS Main Window

../../Resources/kiee/KIEE.2024.73.3.498/fig3.png

표 3 발전 집합

Table 3 Power Generation Sets

집합

설명

$h\in H$

단위 시간

$g\in G$

각 발전소

$s\in S$

저장장치

$c\in C$

발전 상태(l:저효율 발전, h:고효율 발전)

$g\in AMC$

암모니아-석탄 혼소 발전소

$g\in HMC$

LNG-수소 혼소 발전소

표 4 발전 변수

Table 4 Power Generation Variables

변수

설명

단위

$y(g,\: c,\: h)$

발전소 on/off 변수

$∈ 0,\: 1$
$z(g,\: c,\: h)$

발전소의 전력 생산량

GWh

$z_{SR}(g,\: c,\: h)$

발전소의 순동 예비력(SR)

GWh

$z_{o}(h)$

전력 아웃티지량

GWh

$z_{SR,\: o}(h)$

순동예비력(SR) 아웃티지량

GWh

$u(g,\: h)$

발전소 초기 가동 변수

$∈ 0,\: 1$
$d(g,\: h)$

발전소 기동정지 변수

$∈ 0,\: 1$
$z(s,\: h)$

저장장치의 전력 생산량

GWh

$sz(s,\: h)$

저장장치의 충전량

GWh

$st(s,\: h)$

h시간에 배터리 저장장치(ESS)에 저장된 저장량

GWh

표 5 발전 파라메터

Table 5 Power Generation Parameters

파라미터

설명

단위

$FC(g,\: c,\: h)$

발전소 고정 비용

원/GWh

$VC(g,\: c,\: h)$

발전소 운용 비용

원/GWh

$CU(g)$

발전소를 가동하는데 들어가는 비용

원/GWh

$E(s)$

저장장치의 방전 효율

%

$D(h)$

시간별 전력 수요

GWh

$SMX(s)$

저장장치의 저장 용량

GWh

$SU(s)$

최대 충/방전 제한

GW

$SP(g,\: c,\: h)$

발전소의 최대 발전량

GW

$SN(g,\: c,\: h)$

발전소의 최소 발전량

GW

$\mu(g)$

발전소의 최소 가동시간

h

$MD(g)$

발전소의 최소 중단시간

h

$RU(g)$

발전소의 시간당 최대 출력 증가량

GW/h

$RD(g)$

발전소의 시간당 최대 출력 감소량

GW/h

$SRT(g)$

램프 업 시간의 크기

-

$SR(h)$

시간당 목표 순동 예비력(SR)

GWh

$QR(h)$

목표 순시 예비력(QR)

GWh

$V_{L}$

발전량 부족 패널티

원/GWh

$V_{M}$

순동 예비력(SR) 부족 패널티

원/GWh

$hr(g)$

발전소의 Heat Ratio (열 효율의 역수)

-

$\lambda_{AMC}$

암모니아-석탄 혼소 비율

-

$F_{GWh}(g)$

연료 비용

원/GWh

$F_{Gcal}(g)$

연료 비용

원/Gcal

$F_{NH3}$

암모니아 가격

원/ton

$F_{H2}$

수소 가격

원/kg

$EM$

24시 배터리 저장장치 최소 저장량

GWh

4.1 도구상자

도구 상자는 “File, Edit, Show, Build, Help”의 총 5가지 버튼으로 이루어져 있다. File은 시뮬레이션 입력 옵션을 저장, 불러오기 기능을 지원하기 위해서 만들어진 버튼이다. 프로그램 닫기(“Exit”), 입력 저장하기(“Save”), 다른 이름으로 입력 저장하기(“Save As”) 입력 파일 열기(“Open”)의 기능이 존재한다. “Edit”는 별도의 추가 입력값을 변경하기 기능(“Advanced Parameter Input”)의 기능이 있다. 해당 기능은 입력 화면에서는 변경하기 힘든 날씨 데이터, 발전소 운용 비용, 전력 수요, 발전소별 발전 효율과 같은 입력값 미세 조정을 위해 사용할 수 있다. 또한, 해당 모델에서 고려되지 않은 발전소의 고장, 전력 수요의 급등 등등 변칙적인 상황을 모델링하기 위해서 사용할 수 있다. “Show”에서는 시뮬레이션 결과를 추출하는 기능(“Data”), 그래프로 표현하는 기능(“Graph”)을 가지고 있다. 해당 기능을 통해 발전원별 시간별 전력 생산량, 탄소 배출량, 메탄 누설량, 전력 생산 단가(LCOE, Levelized Cost of Electricity), 발전원별 가동률, 발전원별 출력량 등의 정보를 제공한다. “Build”에서 지원하는 기능은 시뮬레이션 실행(“RUN”), 시뮬레이션 중지(“Stop”), 최적 탄소 배출량 탐색(“Optimizer”), 시뮬레이션 기간 변경(“Simulation Unit Time”)의 기능이 있다. “Optimizer”는 주어진 다른 입력 최적의 태양광과 풍력 발전소의 발전설비 용량과 탄소세에 대한 최적 탐색 기능을 제공한다. “Simulation Unit Time”을 활용하면 일 단위 기동정지 계획 결정 방식이 아닌 더 긴 단위로의 기동정지 계획 결정 연산 결과에서 하루만 사용하여 기동정지 계획 결정을 진행한다. 해당 변수를 수정하게 되면 시뮬레이션 연산에 필요한 시간이 더 길어진다. Help 버튼에서는 연구실에 대한 정보와 사용 매뉴얼을 볼 수 있다.

4.2 주입력창

실험에서 받는 입력으로는 “Baseline Policy”와 “Climate Impact”가 있다. “Baseline Policy”는 9th 전력수급기본계획(9th BPE)과 10th 전력수급기본계획(10th BPE)에서 요구하고 있는 2030년의 발전설비 용량이 선택하는 옵션에 맞게 시뮬레이션이 생성된다. 표 6를 보면 구체적인 수치를 확인할 수 있다. “Climate Impact”는 GWP(Global Warming Potential)의 지수로 1kg 배출이 얼마나 지구 온난화에 영향을 미치는지에 대한 표준화된 지수이다. 만약 ${CH}_{4}$ 10kg을 배출했고, “GWP100”의 시나리오를 가정한다면${CO}_{2}$ 210kg을 배출한 것과 같다. GWP변수는 표 7에서 확인할 수 있다.

표 6 9·10차 전력수급기본계획의 2030 발전설비 계획 용량[GW]

Table 6 Planned Capacity of Power Generation Facilities in the 9th and 10th Basic Plan for electricity Supply and Demand in 2030[GW]

PV

WT

LNG

Coal

Oil

Nuclear

9th BPE

45.6

24.9

54.5

32.6

1.19

20.4

10th BPE

46.5

19.3

58.3

31.7

0.85

28.9

표 7 GWP 변수

Table 7 GWP Parameters

원소

GWP 20

GWP 100

${CO}_{2}$

1

1

${CH}_{4}$

21

84

표 8 HY-PSS-LCS의 Fuel Cost 옵션

Table 8 Fuel Cost Option of HY-PSS-LCS

연료 종류

설명

단위

ICoal

무연탄

천원/Gcal

DCoal

유연탄

천원/Gcal

Oil

석유

천원/Gcal

LNG

LNG

천원/Gcal

Ammonia

암모니아

천원/Gcal

Hydrogen

수소

천원/Gcal

Uranium

우라늄 천원

천원/Gcal

“Fuel Cost”는 발전소에서 소모하는 순수 원료의 비용을 의미한다. 해당 옵션은 최근 국제 정세의 불안으로 인하여 특정 연료 가격이 급등하는 시나리오를 적용할 수 있도록 하기 위해서 개발되었다. 해당 옵션을 이용하면 특정 연료가 일정 % 만큼 가격이 올라 해당 발전 대신 다른 발전을 하게 되는 경우에 탄소 배출량은 얼마나 증가하는지, 비용은 얼마나 증가하게 되는지에 대한 실험 결과를 얻을 수 있다. 디폴트로 들어가 있는 값은 20년과 21년도의 평균적인 연료 가격을 가지고 계산된 값이며 미래의 연료 가격 변화에 따라서 원하는 값을 입력하면 변경할 수 있다.

표 9 HY-PSS-LCS의 Capacity Level 변수

Table 9 Capacity Level Variable in HY-PSS-LCS

변수

설명

단위

Photovoltaic

태양광 발전 설비의 정격 출력

GW

Wind Turbine

풍력 발전 설비의 정격 출력

GW

ESS Storage

배터리 저장 장치의 충전 용량

GWh

ESS Converter

배터리 저장 장치의 컨버터 사이즈(한 시간 동안 낼 수 있는 최대 충방전량)

GW

“Capacity Level”는 전력수급기본계획와 다르게 친환경 발전의 경우 추가적인 변경을 가능하게 하기 위해 태양광, 풍력, 배터리 저장장치(ESS)의 사이즈를 변경할 수 있도록 했다. 해당 옵션을 이용하면 태양광을 기준 정책보다 더 많이 설치하거나 더 적게 설치하게 되면 어떤 방식으로 발전기 기동정지 계획(UC)이 변화하는지를 관찰할 수 있다.

표 10 HY-PSS-LCS의 Cofiring Ratio 옵션

Table 10 Cofiring Ratio Option of HY-PSS-LCS

변수

설명

Coal-${NH}_{3}$ Cofiring

석탄 발전의 일부를 ${NH}_{3}$로 대체하는 비율(%

LNG-${H}_{2}$ Cofiring

LNG발전의 일부를 ${H}_{2}$로 대체하는 비율(%)

Cofiring Constraint

혼소 발전의 최소 발전량 제약

“Cofiring Ratio”는 10차 전력수급기본계획에서 제시한 무탄소 발전 계획으로 석탄 발전의 일부를 암모니아로, LNG 발전의 일부를 수소로 대체하여 발전하는 방식을 의미한다. 해당 옵션을 통해서 발전 시 사용하는 연료의 일부를 무탄소 연료로 대체할 수 있다. 해당 값은 연료가 가지는 칼로리를 기준으로 혼소양에 대해서 결정하였다. ${Coal}-{NH}_{3}$20을 입력하면 석탄 80% ${NH}_{3}$ 20%의 비율을 가지도록 하여 동작한다. 만약 “Cofiring Constraint”의 제약을 제공하게 되면 해당 제약을 통해서 혼소 발전 시에 혼소 연료의 최소 발전량에 대한 제약을 통해서 발전소 운영에 추가적인 제약을 가한다.

표 11 HY-PSS-LCS 기타 변수

Table 11 Other Variables in HY-PSS-LCS

변수

설명

Methane Leakage(%)

LNG발전 파이프라인상에서 누출되는 메탄량(%)

Carbon Tax(만원)

발전과정에서 발생한 이산화탄소에 의한 세금($만원/{ton CO}_{2}{e}$)

Health Damage Multiplier

건강피해비용의 강도

RE-Spinning Reserve

신재생 에너지의 경우 발전량의 일부를 날씨 예측 불확실성을 위해서 순동예비력(SR)으로 남겨두는 전력의 정도(%)

ESS State

발전기 기동정지 계획(UC) 모델에서 시뮬레이션 사이인 24시에 배터리 저장 장치에 남아있는 전력의 비율(%)

표 11에서 설명한 기타 변수로는 메탄 누설, 탄소세, 건강 피해 비용, 24시의 최소 저장량의 제약이 있다. 메탄 누설은 LNG 발전 시에 LNG 파이프라인 상에서 발생하는 일부 메탄 누출을 고려하기 위해서 해당 모델에서는 사용하는 연료의 일정 비율을 누출되는 연료로 계산했다. 탄소세는 석탄, LNG, OIL 발전 등 탄소를 배출하는 모든 발전에서 발생하는 탄소에 비례하는 세금을 부과하도록 하여 탄소를 활용한 발전을 하는 비용 상승으로 인한 탄소 감축을 유도하는 변수이다. 건강 피해 비용의 강도는 이산화황, 질산화 황과 같은 발전 시에 발생하는 오염물질에 대한 추가 세금을 부과하는 방식을 통해서 오염이 심한 발전은 덜 하도록 설계되어 있다. 신재생의 순동 예비력(SR)은 신재생 발전의 경우에는 발전 불확실성이 심하기 때문에 발전량의 일정 %를 우선적으로 순동 예비력으로 전환하도록 하였다. 이때, 발전량의 얼마만큼을 순동 예비력으로 전환할지에 대한 계수이다. ESS State는 발전기 기동정지 계획(UC) 문제를 완화하기 위해서 고안된 변수로 24시에 일정량의 전력을 배터리 저장 장치(ESS)에 저장하기 위해서 추가 발전을 하기 위한 용도의 변수이다. 해당 값을 0이 아닌 값을 넣게 되면 발전기 기동정지 계획(UC) 시 24시 배터리 저장 장치(ESS) 저장 목표를 달성하기 위해서 기존보다 더 많은 발전을 하게 된다. 하지만, 다음날 저장된 전력을 소모하면서 기존보다 발전소를 덜 가동하도록 하는 24시 기준 첨두 부하 삭감(Peak Shaving)으로 사용할 수 있다.

4.3 출력창

시뮬레이션이 끝나고 결과를 조금 더 편하게 볼 수 있도록 하기 위해서 HY-PSS-LCS에서는 시뮬레이션 결과 시각화하는 기능이 존재한다. 시간별, 일별 발전소 스케줄링 운용 결과와 운용 비용, 탄소 배출량 등 다양한 시뮬레이션 결과를 출력할 수 있다. 해당 기능을 활용하면 탄소세에 의해 석탄 발전의 축소나 태양광 설비 용량의 증가에 의한 발전 계획의 변화와 같은 현상을 관측할 수 있고, 해당 결과를 해석하여 구체적으로 얼마만큼의 차이가 나는지를 확인할 수 있다. 먼저, 시뮬레이션 결과를 출력하기 위해서 그림 4의 “Graph Options”를 통해 다양한 시뮬레이션 결과 그래프를 출출할 수 있다. 또한, “Plot Date Settings” 옵션을 통해서 그래프에 출력할 단위를 설정할 수 있다. “7 days”는 1시간 단위로 168시간 동안의 그래프가 추출되고, “30 days”, “365 days”는 하루 단위로 그래프가 추출된다. 그래프를 추출한 이후에는 “Slider Bar” 기능으로 마우스를 스크롤 하여 원하는 시점의 결과를 확인할 수 있다.

그림 4. HY-PSS-LCS 출력 창

Fig. 4. HY-PSS-LCS Output Window

../../Resources/kiee/KIEE.2024.73.3.498/fig4.png

표 12 Graph Options

Table 12 Graph Options

설정

의미

Electric Generation

발전소별 전력생산량

Cumulative Electric Generation

발전소별 누적 전력생산량

${CO}_{2}$ Emission

발전소별 탄소배출량

Cumulative ${CO}_{2}$ Emission

발전소별 누적 탄소배출량

LCOE

발전소별 균등화발전비용

Cumulative LCOE

발전소별 누적 균등화발전비용

Plant Utilization Rate

발전소 가동률

Power Mix Rate

발전소 이용률

그림 5. HY-PSS-LCS 출력 예시

Fig. 5. Example Output of HY-PSS-LCS

../../Resources/kiee/KIEE.2024.73.3.498/fig5.png

그림 5는 “Graph Options”에서 “Electric Generation”과 “Plant Utilization”에서 일부 발전소를 선택하여 출력한 예시 이미지이다. 해당 시뮬레이션은 HY-PSS-LCS의 디폴트 값을 사용했다.

5. 연료단가의 변화가 미치는 영향 실험

지금까지 HY-PSS-LCS를 통해서 원하는 발전기 기동정지 계획(UC) 프로젝트를 생성하고 분석하는 기능에 대해서 알아보았다. 본 장에서는 HY-PSS-LCS를 이용해서 2030년도의 계획된 전력 수요와 발전소 건설 계획을 고려할 때 비용 최적화된 발전 시나리오에 대한 시뮬레이션을 진행하였다. 발전기 용량 및 성능에 대한 주요 기술 파라미터는 참고문헌 [4]와 그 연구에소 인용된 데이타를 주로 사용했으며, 고장 및 유지보수계획은 발전기별 최대출력을 2019년 기준의 용량 계수(capacity factor)로 조정하여 맞추는 방법으로 반영하였다. 전력거래소에서 발표한 2021년 12월부터 2023년 11월까지의 평균 연료 단가를 이용하고, 여기에 추가로 발전 비용 상승 시나리오에 대해서 시뮬레이션을 진행했다.[18] 수소 가격은 현재는 전력 생산에 사용하지 않아서 현재의 가격이 아닌 2030년의 예상 수소 가격으로 103.243[천원/Gcal]를 적용했다.[19] 10차 전력수급기본계획을 따르는 시나리오를 선택했으며 GWP 100의 시나리오를 가정하였다. 또한, 암모니아-석탄 혼소 20%, LNG-수소 혼소 50%를 가정했으며 배터리 저장 장치(ESS)의 사이즈는 19.2GWh, 배터리 저장 장치의 컨버터 사이즈는 3.8GW를 가정했다. 본 시나리오에서는 “Health Damage Multiplier”를 0으로 두어 이산화황, 질산화 황에 의한 비용 상승을 고려하지 않았다. 탄소세 $4만원/{t CO}_{2}$을 적용했으며, “RE-Spinning Reserve”는 5%로 두었고, “ESS State”는 0%로 두어 24시에 필수로 배터리 저장 장치(ESS)에 전력을 저장하지 않도록 했다. 각 연료 가격에 대해 연료 가격을 1.5배 2배인 경우에 대해서 실험을 진행하고 해당 결과를 분석하였다.

표 14는 연료 비용에서 석탄, 유류, LNG, 우라늄, 수소 가격을 각각 1.5배와 2배를 한 실험 결과 발전원별 발전량에 대한 결과표이다. 석탄 가격을 상승시키는 시나리오에서는 LCOE를 10~15% 증가시키면서 탄소 배출량을 20~48% 감소시킨다. 기존의 석탄 발전량이 감소하고 이것이 LNG 발전으로 대체된다. 이것은 발전에서 발생하는 탄소 배출량을 크게 줄일 수 있다. 유류 비용을 증가시키는 모든 시나리오는 큰 차이가 없고, 발전단가가 소폭 상승하는 데서 그친다. LNG 비용 증가 시나리오에서는 LNG 발전량을 10% 감소 시키지만 LNG 발전이 첨두 발전으로 동작하기 때문에 발전량을 52TWh 이하로는 줄어들지 않고 탄소 배출량과 LCOE 모두 증가된다. 우라늄 발전은 발전 기본 단가가 저렴해서 발전 비용을 상승시킨다고 해도 LCOE만 소폭 상승했고, 탄소 배출량은 거의 그대로 유지되었다. 수소 발전단가를 증가시키는 시나리오에서는 LCOE는 거의 증가하지 않았지만 탄소 배출량만 큰 폭으로 증가했다. 이것은 LNG 발전에서 LNG-수소 혼소 발전과 LNG 발전 중 대부분의 발전이 혼소가 아닌 발전으로 전환되었기 때문이다. 무탄소 발전을 활용하는 발전 대신 혼소가 아닌 LNG 발전으로 전환되면서 탄소 배출량이 증가하게 된 것이다. 해당 실험 결과로 볼 때, 탄소 배출량을 지속적으로 감축하기 위해서는 석탄을 활용한 발전을 LNG 발전으로 바꾸는 것이 도움이 된다. 또한, 석탄과 달리 LNG 발전의 경우 비용이 증가하더라도 다른 연료로 대체가 불가능한 연료이기 때문에 안정적인 발전을 위해서는 LNG 연료가 중요하다는 것을 알 수 있다.

표 13 전력거래소 2021.12~2023.11 평균 연료단가[천원/Gcal]

Table 13 Average Fuel Price in the Power Exchange from December 2021 to November 2023[천원/Gcal]

유연탄

무연탄

유류

LNG

우라늄

39.765

47.813

145.513

110.424

2.563

표 14 연료 가격 변화 실험 시 발전원별 년간 발전량

Table 14 Annual Power Generation by Power Plant in Fuel Price Variation Experiment

시나리오

발전량

[TWh]

석탄

발전량

[TWh]

암모니아

발전량

[TWh]

LNG

발전량

[TWh]

수소

발전량

[TWh]

신재생

발전량

[TWh]

기타

발전량

[TWh]

전체

발전량

[TWh]

LCOE

[원/KWh]

${CO}_{2}$배출량

[${Mt CO}_{2}$]

석탄 1.5배

201.64

101.47

9.58

90.68

41.59

95.56

7.84

587.30

138.94

111.73

석탄 2.0배

201.64

2.56

0.00

196.49

44.20

95.56

7.84

586.05

144.29

72.49

유류 1.5배

201.64

160.16

24.00

35.98

23.32

95.56

7.94

589.40

125.57

140.86

유류 2.0배

201.64

160.16

24.00

35.99

23.31

95.56

7.94

589.39

125.96

140.87

LNG 1.5배

201.64

163.09

24.73

32.38

23.18

95.56

8.30

590.00

131.10

142.82

LNG 2.0배

201.64

165.46

25.32

30.76

21.63

95.56

8.54

590.15

136.50

145.28

우라늄 1.5배

201.63

160.16

24.00

35.98

23.32

95.57

7.94

589.42

126.46

140.86

우라늄 2.0배

201.63

160.16

24.00

35.99

23.31

95.57

7.94

589.38

127.74

140.87

수소 1.5배

201.64

160.31

24.04

59.06

0.02

95.56

8.08

588.06

126.68

154.76

수소 2.0배

201.64

160.30

24.04

59.08

0.00

95.56

8.08

588.06

126.68

154.78

변동 없음

201.64

160.16

24.00

35.99

23.32

95.56

7.94

589.38

125.18

140.86

6. 결 론

본 논문에서는 저탄소 발전을 위한 발전기 기동정지 계획(UC) 전용 시뮬레이터를 개발하고 이를 상세히 활용하는 방법에 관해서 기술하고 있다. 발전기 기동정지 계획(UC) 문제를 풀기 위해서 전력수급기본계획에 기반한 370여 개의 발전소를 모델링하여 쉽게 사용할 수 있도록 하는 HY-PSS-LCS 시뮬레이터를 개발했다. HY-PSS-LCS는 사용자가 시뮬레이션에 필요한 발전기 기동정지 계획 모델을 모르더라도 입력값을 원하는 대로 설정하면 그에 맞는 시뮬레이션을 자동으로 생성하여 실행하고, 실행 결과를 분석하여 출력하는 기능을 가지고 있어서 발전기 기동정지 계획 모형의 쉬운 사용을 가능하게 한다.

본 논문에서 고안된 HY-PSS-LCS를 활용하여 연료 가격 상승 시나리오에 대한 실험을 진행하였다. 실험 결과 2년간의 평균 연료 가격을 적용했을 때의 총 전력 생산 단가는 125원/KWh가 되고 탄소 배출량은 $140.86{Mt CO}_{2}$가 된다. 만약 석탄 연료의 비용이 1.5배로 증가하게 되면 석탄 발전의 일부가 LNG 발전으로 대체되어 탄소 배출량을 20% 줄일 수 있다. 이에 반해 LNG 연료 비용은 증가하더라도 첨두 발전으로 동작하기 때문에 LNG 발전을 줄일 수 있는 데에는 하한이 존재하여 LNG는 대체 불가능한 종류의 자원이라고 볼 수 있다.

본 연구는 전력망을 통한 송전 제약과 주파주 제약을 고려하지 않았다. 송전 제약은 발전소에서 생산된 전력을 수요가 있는 곳으로 보낼 때 발생하는 제약을 의미한다. 발전소에서 특정 지역의 수요를 충족할 수 없게 되면 발전소의 스케줄링이 바뀔 것으로 기대된다. 또한, 주파수 제약은 일정한 주파수를 유지하기 위해 발전소 동작이 일부 변경되어야 한다. 특히, 신재생 발전량이 크게 늘어나면 일정한 주파수를 유지하는데 더 많은 손실이 발생하게 되지만 본 연구에서는 고려되지 않았다. 따라서, 향후 송전 제약과 주파수 제약을 고려하는 방향으로 모델을 개선하게 된다면 활용도가 더 높은 시뮬레이터가 될 것으로 기대된다.

본 논문에서 개발된 시뮬레이터는 전송로 제약을 추가한 후 공개할 예정이며, 발전 부문 온실가스 감축에 대해 다양한 파라미터들을 실험하는 것에 관해 관심이 있는 누구나 활용할 수 있을 것이다.

Acknowledgements

This research was supported by by Basic Science Research Program through the National Research Foundation of Korea (NRF) funded by the Ministry of Education (NRF-2021R1F1A1063812).

References

1 
UNFCCC, “Submission under the Paris agreement the Republic of Korea’s update of its first nationally determined contribution,” 2021. URL: https://unfccc.int/sites/default/files/NDC/2022-06/211223_The%20Republic%20of%20Korea%27s%20Enhanced%20Update%20of%20its%20First%20Nationally%20Determined%20Contribution_211227_editorial%20change.pdfURL
2 
MOTIE, “9th basic plan for electricity supply and demand,” 2021. URL: https://www.motie.go.kr/motie/ne/presse/press2/bbs/bbsView.do?bbs_cd_n=72&bbs_seq_n=210325, accessed on 2023-11-29.URL
3 
MOTIE, “10th basic plan for electricity supply and demand,” 2023. URL: https://www.motie.go.kr/motie/ne/announce2/bbs/bbsView.do?bbs_cd_n=6&biz_anc_yn_c=Y&bbs_seq_n=68162, accessed on 2023-11-29.URL
4 
H. Choo, Y.-G. Kim and D. Kim, “Power sector carbon reduction review for South Korea in 2030,” accepted for publication, Renewable and Sustainable Energy Reviews, Feb. 2024.URL
5 
S. Wi, Y.-S, Choi and D. Kim, ”Impact of Energy Storage Level on Achieving 2030 NDC Target Using HY-PSS-LCS,” Proceedings of the 54th KIEE Summer Conference 2023, 2023.URL
6 
S. Wi and D. Kim, ”An Operational Strategy of Energy Storage System in a 24-hour Unit Commitment Model Using Deep Learning,” Proceedings of KICS Fall conference 2023, 2023.URL
7 
S. Wi and D. Kim, ”Low-Carbon Power Supply Simulator for Achieving 2030 NDC Goal,” Proceedings of 2nd Korea Energy Conference, 2023.URL
8 
Y.-G. Kim. “Evaluation of Greenhouse Gas Reduction Potential in Power Sector - Mixed Integer Programming Approach,” Korea Environment Institute, 2019.URL
9 
Ringkjøb, H. K., Haugan, P. M., & Solbrekke, I. M. A review of modelling tools for energy and electricity systems with large shares of variable renewables. Renewable and Sustainable Energy Reviews, 96, 440-459. 2018.DOI
10 
Edgar Virguez, Xianwun Wang and Dalia Patino-Echeverri. “Utility-scale photovoltaics and storage: Decarbonizing and reducing greenhouse gases abatement costs,” Applied Energy. 2021.DOI
11 
Riverbank Computing “PyQt5”URL: https://pypi.org/project/PyQt5/, accessed on 2024-02-23.URL
12 
IBM “CPLEX” URL: https://www.ibm.com/kr-ko/products/ilog-cplex-optimization-studio, accessed on 2024-02-23.URL
13 
Bosilovich, M. G., R. Lucchesi, and M. Suarez. MERRA-2: File Specification. GMAO Ofiice Note no. 9 (Version 1.1). 2016. URL:https://gmao.gsfc.nasa.gov/pubs/index.php? sel=on.DOI
14 
Wan, C., Zhao, J., Song, Y., Xu, Z., Lin, J., and Z. Hu, “Photovoltaic and solar power forecasting for smart gird enregy management,” CSEE Journal of Power and Eenrgy Systems, vol. 1, no. 4, pp. 38-46. 2015.DOI
15 
C. Diyoke, “A new approximate capacity factor method for matching wind turbines to a site: case study of Humber region, UK,” International Journal of Energy and Environmental Engineering, vol. 10, no. 4, pp. 451-462. 2019.DOI
16 
G-D. Lee. D-O. IM, “Establishment and Operation of Long-Term LCOE Forecast System for Expansion of Renewable Energy(2/5),” korea energy economics institute, 2021. URL: https://www.keei.re.kr/main.nsf/index.html .URL
17 
DOOSAN, “WinDS3000” URL: https://www.doosanenerbility.com/kr/business/wind_energy_lineup, accessed on 2024-02- 23.URL
18 
KPX, “Electric power statistic information system – fuel price,” 2023. URL: https://epsis.kpx.or.kr/epsisnew/selectEkma FucUpfChart.do?menuId=040100, accessed on 2023-11-29.URL
19 
MOTIE, “The 1st basic plan for hydrogen economy transition,” 2021. URL: https://www.motie.go.kr/motie/ne/announce2/bbs/bbs View.do?bbs_cd_n=6&biz_anc_yn_c=Y&bbs_seq_n=67130, accessed on 2023-11-29.URL

저자소개

위성규(Seong-Gyu Wi)
../../Resources/kiee/KIEE.2024.73.3.498/au1.png

Seong-Gyu Wi received the B.S. degree in electrical engineering from Hanyang University, ERICA, Korea, in 2024. His main research focus is low-carbon power-sector policy and optimization.

김동우(Dongwoo Kim)
../../Resources/kiee/KIEE.2024.73.3.498/au2.png

Dongwoo Kim received the B.A. degree from Seoul National University, Seoul, South Korea, in 1987, and the M.S. and Ph.D. degrees in telecommunications engineering from the Korea Advanced Institute of Science and Technology, Daejeon, South Korea, in 1989 and 1994, respectively. From 1994 to 2000, he was with Shinsegi Telecomm, Inc., Seoul, where he was involved in the design, development, test, and optimization of the world-first commercial code-division multiple access cellular systems in South Korea. Since March 2000, he has been with the Department of Electrical Engineering, Hanyang University at ERICA Campus, Ansan, South Korea. His current research interests include economic pathways to net-zero economy.