2.1 재생에너지 변동성의 전력수급 변동성 영향 분석

국내 전력계통은 탄소 중립 달성을 위해 동기 발전기를 대체하여 탄소 배출을 하지 않는 태양광 및 풍력발전원의 설비용량을 확대하고 있는 추세이다. 다만 기후의존도가 높은 재생에너지 수용률 증대에 따른 전력계통 변동성 증가가 우려되는 상황이다. 재생에너지의 출력 변동성이 계통 변동성에 미치는 영향을 확인하기 위하여 기상 조건이 대비되어 태양광 출력에 차이가 발생하는 일자를 선택하여 전력수급 변동량을 분석하였다. 이때 수요 수준에 따른 전력수요 변동의 영향 차이를 최소화하기 위하여 수요 패턴이 유사한 일자를 비교군으로 선정하였다.

비교군으로 선정된 일자는 4월 8일, 4월 15일, 4월 29일로 날씨는 각각 전국적으로 맑음, 흐리고 약한비, 강한비가 내렸으며 태양광 평균 출력 및 최대출력이 높은 날일수록 계통 전력수급 변동량 분포가 넓게 나타나는 것을 그림 1로 확인할 수 있다. 일자별 태양광 평균출력, 최대출력과 출력 표준편차는 표 1과 같고, 해가 뜨지 않아 출력이 0인 구간은 제외하여 계산한 수치이다^[9].

일자별 출력 및 전력수급 변동량 분포 분석을 통해 재생에너지원의 출력 변동성이 전력계통의 전력수급 변동성을 증가시킬 수 있음을 확인할 수 있다. 이러한 전력수급 변동성은 향후 수용률이 높아질 미래 전력계통에서 증폭되어 발생할 것으로 우려되며, 이에 대응하기 위해 재생에너지 변동성에 대응할 수 있는 주파수제어예비예비력을 재산정할 필요가 있다고 판단된다.

그림 1. 기상조건 별 전력수급 변동량 분포 분석

Fig. 1. Distribution analysis of power supply and demand variation by weather conditions

2.2 국내 전력계통 주파수제어예비력 운영 현황

국내 전력계통에서는 주파수유지를 위해 정상상태와 과도상태를 구분지어 계통운영 보조서비스를 운영 중에 있으며^[10], 정상상태의 경우에는 주파수제어예비력 700 MW를 확보하여^[9] 전력수급 변동성에 대응하고 있다. 이때, 주파수제어예비력 요구량은 국내 과거 전력계통의 5분 단위 전력수요 이력데이터에서 신뢰도 99%에 해당하는 변동량으로 전력수요만을 고려하여 산정하였다^[12].

동기발전원으로 구성된 전력계통의 변동성은 수요 변동성만으로 유발되었기 때문에 기존의 주파수제어예비력 산정 방법으로 요구량을 확보하여 운영하였다. 하지만 기존 주파수제어예비력 산정 방법으로는 대규모 재생에너지 연계계통에 발생할 재생에너지 변동성까지 가늠하기엔 한계가 있을 것으로 보인다^[13]. 따라서 재생에너지 수용률이 높아지는 미래 전력계통에 적절한 주파수제어예비력 요구량을 산정하기 위해서는 재생에너지 변동성까지 고려할 수 있는 새로운 산정방법이 제시될 필요성이 있을 것이다.

또한 대규모 재생에너지 확충을 위해 예비력을 미리 산정하여 확보하는 등 대비가 필요한데, 기존 산정 방법으로는 이력데이터가 없는 미래 전력계통의 경우 주파수제어예비력 요구량을 산정하는데 한계가 존재한다. 특히 재생에너지 계통연계시 조속기 응답을 하던 화력발전기를 대체하게 되어 예비력 확보에 어려움을 겪을 수 있는데, 재생에너지 연계계통의 주파수제어예비력 요구량을 미리 산정하여 대응할 필요성이 있다고 사료된다.

3.1 이력데이터 기반의 재생에너지 변동성 도출

재생에너지 변동성을 고려한 주파수제어예비력을 산정하기 위해 이력데이터에서 전력수요 변동량과 재생에너지 출력 변동량을 모두 도출한다. 이때 재생에너지의 경우 태양광 출력과 풍력 출력의 패턴이 상이하기 때문에 각각 고려하여 전력수요 변동량, 태양광 및 풍력 출력 변동량을 계산한다^[13].

변동량 계산에 앞서, 전력수요와 태양광 및 풍력 출력 이력데이터가 있는 연도중 한 해를 Basecase로 선정한다. 이때 변동량은 5분 단위 수요 및 출력의 차이를 의미하며 전력수요, 태양광 및 풍력 출력 변동량 계산 방법은 식 (1) - 식 (3)으로 동일하다.

이때 변수 T+1는 T시점을 기준으로 단위 시간인 5분이 지난 시점이고, $P_{T+1}$ 과 $P_{T}$는 시점별 수요 및 출력을 의미한다. 따라서 $P_{VAR}$는 5분 단위 수요 및 출력 변동량을 의미한다. 연간 이력데이터의 모든 5분단위 시점의 출력 변동량($P_{VAR}$)을 계산하게 되면, 전력수요, 태양광 및 풍력 출력 변동량 데이터 표본을 생성하게 된다.

기존 주파수제어예비력 산정 방안에 기반하여 전력수급 변동량 중 목표로 설정한 신뢰도 값을 주파수제어예비력으로 산정하는데, 목표 신뢰도 수준 변동량은 변동량 표준편차와 신뢰도 구간 길이 관계를 적용하여 표현할 수 있다^[14]-^[15]. 따라서 전력수요 변동량, 태양광 및 풍력 출력 변동량의 표준편차와 목표 신뢰도 구간 길이 값을 확보한다면, 원하는 신뢰도에 해당하는 전력수급 변동량을 도출하는 것이 가능하다.

그림 2. 신뢰도 구간 길이와 표준편차

Fig. 2. Frequency regulating reserve requirements calculation method flowchart

3.2 평가 대상 계통의 재생에너지 변동성 도출

다만 1절의 도출과정은 이력데이터가 존재하는 계통에만 적용할 수 있는데, 대규모 재생에너지 연계 계획은 미래 시점의 계통이 대상이며 이력데이터가 없어 전력수급 변동성을 가늠하기에 한계가 있다. 이러한 한계를 극복하기 위해 재생에너지 연계계통을 평가대상 계통으로 설정하고, 이력데이터에서 도출한 변동성에 ScalingUp Factor를 적용함으로써 미래 시점의 전력계통에 발생할 전력수급 변동성을 추정한다. ScalingUp Factor는 1절에서 도출한 전력수요, 태양광 및 풍력 출력의 변동량 표준편차에 각각 적용되어 평가대상 계통에 발생할 전력수급 변동성을 추정한다.

따라서 ScalingUp Factor는 평가대상 계통의 특성을 반영할뿐만 아니라 전력수요 변동성, 태양광 및 풍력 출력 변동성의 특성도 반영되도록 설정한다. 전력수요에 적용되는 ScalingUp Factor는 Basecase 계통 대비 평가대상계통의 피크부하 비율로 설정하였으며, 식 (4)와 같다. 이때 Target은 평가대상 계통을 의미한다.

평가대상계통의 태양광 및 풍력 출력 변동성 추정에 사용되는 ScalingUp Fartor는 BaseCase계통 대비 평가대상계통의 설비용량 비율로 설정하였다. 이때, 태양광과 풍력 ScalingUp Factor를 각각 적용하므로 식 (5) - (6) 과 같이 각 설비용량을 각각 고려하여 설정한다.

3.3 통계기법을 활용한 주파수제어예비력 요구량 산정

재생에너지 수용률이 높은 전력계통의 전력수급 변동성을 추정하기 위해 전력수요와 태양광 및 풍력 출력 변동량의 표준편차를 앞서 도출하였다. 각 변동성을 전력수급 변동성으로 종합하는 과정에서 통계기법을 활용하여 각 변동성의 RMS 값으로 정식화하였고, 이 과정에서 재생에너지 출력 변동성이 포함되기 때문에 재생에너지 연계계통에 발생할 변동성을 추정할 수 있다. 최종적으로 신뢰도구간 길이 k를 적용한 주파수제어예비력 요구량 산정식은 식 (7)로 정리할 수 있다.

이때 전력수요 변동량, 태양광 및 풍력 출력 변동량의 상관계수를 확인해보면, 전력수요와 태양광은 0.04, 전력수요와 풍력은 –0.02, 태양광과 풍력은 0.08이다. 각 변동량의 상관계수가 0에 가깝기 때문에 독립적인 변수로써 위 식과 같이 RMS를 적용할 수 있으며, 각 변동량을 포함한 값으로 전력수급 변동량을 표현할 수 있다.

본 논문에서 제안하는 방법은 재생에너지 변동성으로 인해 증폭된 전력수급 변동량을 도출하여 주파수제어예비력 요구량을 산정하기 때문에, 재생에너지 연계계통에 요구되는 주파수제어예비력 요구량을 산정하는데 기존의 방법보다 적절하다고 판단된다. 또한 ScalingUp Factor를 통해 이력데이터가 없는 미래 시점의 전력계통이라도, 피크부하와 재생에너지 목표 설비용량만 알고 있다면 수식에 대입하여 요구량을 바로 도출할 수 있다. 제안한 방법을 사용한다면 예비력 요구량을 미리 산정하여 확보할 수 있기 때문에, 전력계통 운영 수립 과정에서 활용이 가능하다. 최종적으로 본 논문에서 제안하는 주파수제어예비력 요구량 산정방법 순서는 그림4와 같다.

그림 3. 전력수요 변동량과 태양광출력 변동량 분포도

Fig. 3. Distribution of electricity demand variation and PV output variation

그림 4. 주파수제어예비력 요구량 산정방법 순서도

Fig. 4. Frequency regulating reserve requirements calculation method flowchart

4.1 재생에너지 확충계획을 고려한 주파수제어예비력 산정

국내 전력계통은 15년의 전력수요 전망 및 이에 따른 전력설비 확충 계획을 담아 2년 주기로 전력수급기본계획을 발표하는데, 10차 전력수급기본계획을 통해 2036년까지 재생에너지 100 GW 수용하는 것을 목표로 두었다. 본 사례연구에서는 대규모 재생에너지가 연계되어 재생에너지변동성이 크게 나타날 것으로 예상되는 2036년을 평가대상계통으로 설정하여 주파수제어예비력 요구량을 산정하였다.

그림 5. BaseCase 시계열 데이터(전력수요)

Fig. 5. BaseCase Time series data (electricity demand)

그림 6. BaseCase 시계열 데이터(태양광, 풍력)

Fig. 6. BaseCase Time series data (PV, Wind)

2036년 전력계통의 주파수제어예비력 요구량 산정에 앞서, 각 변동량 표본을 생성하기 위해 Basecase를 임의로 선택한다. 본 연구에서는 5분 단위 전력수요, 태양광 출력, 풍력 출력 이력데이터가 존재하는 2019년을 Basecase로 선택하여 변동량을 계산하여 각 변동량 표본을 생성하였다.

그림 7. BaseCase 변동량 표본 (전력수요)

Fig. 7. BaseCase Variance Sample (electricity demand)

그림 8. BaseCase 변동량 표본 (태양광, 출력)

Fig. 8. BaseCase Variance Sample (PV, Wind)

위의 이력데이터를 기반으로 5분단위 출력 변동량을 모두 계산하면 아래 그림과 같이 전력수요, 태양광 및 풍력 출력변동량에 대한 105,119개의 표본이 각각 생성되어, 표준편차를 계산할 수 있다.

이전 과정에서 생성한 Basecase의 전력수요, 태양광출력, 풍력 출력 변동량 표본에서 각 변동량 표준편차를 계산하면 아래 표와 같고, 변동량 표준편차는 ScalingUp Factor를 적용하여 평가대상 계통에 발생하는 변동성을 추정하는데 사용된다.

앞서 도출한 변동량 표준편차에 ScalingUp Factor를 적용하여 평가대상 계통에 발생하는 변동성을 추정한다. 이때 ScalingUp Factor 설정하기 위해 Basecase로 선택한 2019년도의 피크부하, 태양광 및 풍력 설비용량과 평가대상 계통인 2036년도의 피크부하, 태양광 및 풍력 목표 설비용량에 대한 데이터를 확보해야 한다. 10차 전력수급기본계획 기반으로 ScalingUp Factor를 설정해보면 식 (8) - 식 (10)과 같다.

이로써 2036년 전력계통의 주파수제어예비력 요구량 산정에 필요한 파라미터들을 모두 확보하였고, 식 (7) 에 적용하면 아래 식과 같이 2,072 MW로 계산된다. 이때 2.58의 경우, 기존 주파수제어예비력 산정 방안에 기반하여 신뢰도 99%를 의미하는 k 값으로 설정하였다.

4.2 주파수제어예비력 산정방법 검증

본 절에서는 시계열데이터를 활용하여 앞서 제안한 주파수제어예비력 요구량 산정방법의 유효성을 검증한다. ScalingUp Factor를 적용하여 평가대상 계통의 시계열데이터를 추정하여 전력수급 변동량을 도출한 후 산정식 결과와의 오차율을 분석한다.

그림 9. 평가대상 계통 시계열데이터 추정 과정

Fig. 9. Time series data estimation process

그림 7에 따라 BaseCase 전력수요, 태양광 및 풍력 출력 데이터에 각각 ScalingUp Factor를 적용하여 평가대상계통의 시계열데이터를 추정한다. 추정된 시계열 데이터는 아래 그림과 같다.

그림 10. 평가대상 계통 시계열 데이터 (전력수요)

Fig. 10. Evaluation target system time series data (electricity demand)

그림 11. 평가대상 계통 시계열 데이터 (태양광, 풍력)

Fig. 11. Evaluation target system time series data (PV, Wind)

2036년의 전력수요, 태양광 출력, 풍력 출력 이력데이터를 모두 합하여 5분 단위 전력수급 변동량을 계산한 후 신뢰도 99%에 해당하는 값을 산출한다. 아래 그림은 전력수급 변동량을 Duration Curve로 표현한 그래프로, 이 중 신뢰도 99%에 해당하는 변동량은 2,034 MW이다. 시계열데이터에서 도출한 전력수급 변동량은 산정식으로 도출된 2,072 MW와 1.8 %의 오차율을 보이는데, 이는 미래 전력계통의 전력수급 변동성을 예측하는데 많은 불확실성이 존재함을 감안할 때 상당히 낮은 오차율이라고 판단된다. 이를 통해 본 논문에서 제안하는 주파수제어예비력 요구량 산정방법의 유효성을 검증하였다.

그림 12. 평가대상 계통 전력수급 변동량 Duration Curve

Fig. 12. Duration Curve - Variation in electric power supply and demand in the target system