(A) study on the automatic control of digital substation using integrated IED

다국어 초록 (Multilingual Abstract)

This study presents the development of an automated control logic system for Intelligent Electronic Devices (IEDs) within digital substations, aimed at enhancing operational stability and reliability. By integrating core power equipment such as transformers, circuit breakers, protective relays, and SCADA systems with modern Information and Communication Technology (ICT), digital substations support more efficient and intelligent power grid management.
The proposed system continuously collects real-time data on load conditions, voltage, frequency, and power factor, enabling optimized power distribution through automated load adjustment. Voltage regulation is achieved using an On Load Tap Changer (OLTC), which responds dynamically to fluctuations. A centralized IED platform allows seamless network-based communication, ensuring timely data sharing across substation components. Real-time data exchange via the process bus enhances the precision and responsiveness of transformer and breaker operations. To further boost reliability, a machine learning-based fault prediction module is incorporated to detect abnormalities before they escalate allowing for immediate corrective actions.
At the heart of the predictive engine lies the Random Forest algorithm, which demonstrated superior performance among the models tested. It achieved a precision of 75%, a recall of 82%, an F1-score of 78%, and an overall accuracy of 74%, making it the most suitable model for fault detection in this context. A user-friendly visualization system was also developed, offering both manual and autonomous control modes for substation operators.
The system was tested across multiple fault scenarios, and the results confirmed its effectiveness in identifying failures and initiating timely responses. The OLTC function successfully stabilized voltage levels within a ±5% range through automatic tap adjustments. The IED control system leverages machine learning, particularly Random Forest, to predict faults and automatically adjust parameters like voltage, frequency, and temperature.
In summary, this study demonstrates the potential of IED-based automation combined with machine learning for fault prediction in enhancing the reliability of digital substations. The findings validate the practical applicability of these technologies in real-world operational settings. Future work should expand on this foundation by addressing a wider range of fault conditions, improving model resilience, and incorporating support for inverter-based resources and complex multi-fault scenarios.

국문 초록 (Abstract)

통합형 IED(Intelligent Electronic Device) 자동제어 시스템은 전력 시스템의 효율을 높이기 위해 머신러닝을 활용하여 고장을 예측하고 실시간으로 전압, 주파수, 역률 등을 제어한다. 이 시스템은 전력 데이터를 지속적으로 수집하고 분석하여 고장 발생 가능성을 예측하고, 예측된 고장에 대해 알람 분류 및 고장 유형을 분석한 후 자동으로 OLTC 제어, 리액터 제어, 차단기 제어 등의 조치를 통해 시스템을 안정화시킨다. 이를 통해 전력 품질을 유지하고 시스템의 신뢰성을 확보할 수 있다.
통합형 IED는 전기 설비의 상태를 실시간으로 감시하고 필요한 제어 동작을 수행하는 중요한 역할을 한다. 예를 들어, 154kV, 22.9kV, 6.6kV 계통에서 변전소의 차단기, 변압기, 리액터, 콘덴서 등의 전기적 특성을 감시하고 분석 및 제어하여 전력 시스템을 안정적으로 운영한다. 각 설비는 전압, 전류, 주파수, 전력, 역률 등을 기준으로 감시 항목을 설정하고, 이를 통해 실시간으로 시스템의 상태를 모니터링하며 고장을 예방 진단한다.
디지털 변전소에서 계통 모델링은 전력 흐름을 최적화하고 보호 계전 시스템의 정확성을 높이기 위해 필수적이다. 통합형 IED 자동제어 시스템은 변전소 154kV 계통의 주요 전력 설비를 모델링하여 실시간으로 감시하고 보호 기능을 수행하며, 고장 발생 시 계전기 보호협조를 통해 차단기를 제어하여 사고 범위를 최소화한다. 이를 통해 변전소의 동작 신뢰성과 운영 효율성을 향상시킨다.
통합형 IED 자동제어 시스템은 각 전압 레벨별로 감시 항목과 기준값을 설정하여 안정적인 전력 공급과 장비 보호를 보장한다. 예를 들어, 154kV 계통에서는 전압과 주파수를 감시하며, 변압기의 유온도를 70도 이하로 유지하고, 6.6kV 계통에서는 전압, 전류, 역률 등을 감시하며 변압기와 주요 부하 설비의 과부하 및 이상 상태를 조기에 감지하고 대응할 수 있다. 이를 통해 변전소 및 부하 측의 안정적인 전력 운용을 가능하게 한다.
자동제어 시뮬레이션을 위해서는 데이터의 전처리 과정이 필요하다. 연구에서는 고장 발생 전후의 데이터를 분석하여 고장 여부를 예측할 수 있도록 모델을 학습시켰다. 이 데이터는 정규화 과정을 통해 효율적으로 처리되어 모델의 성능을 향상시킨다. 또한, 고장 예측 모델을 평가하기 위해 Decision Tree, Random Forest, XGBoost 모델을 비교한 결과, Random Forest 모델이 가장 높은 성능을 보였으며, 이는 고장 예측에 가장 적합한 모델로 평가되었다.
자동제어 로직의 시각화 시스템을 구축하여 실시간 데이터 기반의 운영 및 제어 기능을 구현하였다. GUI, 제어 로직, 데이터 관리 시스템을 포함하여 변전소의 안정적인 운영을 지원할 수 있도록 설계되었으며, 머신러닝을 활용하여 고장 발생 가능성을 예측하고 이를 시각적으로 표현할 수 있도록 하였다. 자동제어 모드는 운영자가 직접 목표 값을 설정하는 A 수동 설정 모드와, Random Forest 모델을 활용하여 자동으로 기준값을 조정하는 B 자동제어 모드로 구분되어 설계되었다.

목차 (Table of Contents)

• Chapter 1. INTRODUCTION 1
• 1. Research Background 1
• 2. Literature Review 2
• 3. Purpose and Methods of the Study 4
• 4. Contribution of the Paper 6
• 5. Structure of the Paper 7
• Chapter 2. ANALYZING AND REMEDIATING IEDs 9
• 1. Analyzing Problems with Existing Modules 9
• 2. Design and Features of Integrated IEDs 11
• 3. Performance Comparison of Traditional Modules, Current IEDs, and Integrated IEDs 11
• Chapter 3. ESTABLISHING THE IED AUTOMATIC CONTROL CONCEPT 14
• 1. Integrated IED-based Automatic Control Algorithm 14
• 2. Power Grid Modeling 18
• 3. Designing an Automatic Operating Range 22
• Chapter 4. AUTOMATED CONTROL SIMULATION METHODS 27
• 1. Data Preprocessing 27
• 2. Establishing Criteria for Fault Prediction 28
• Chapter 5. COMPARISON OF FAULT PREDICTION RESULTS FOR AUTOMATIC CONTROL 30
• 1. Comparison of Machine Learning Model Concepts 30
• 2. Comparison of Fault Prediction Performance Metrics 31
• 3. Model Error Matrix Results 32
• Chapter 6. AUTOMATIC CONTROL LOGIC AND IMPLEMENTATION 38
• 1. Structure of the Automatic Control System 38
• 2. Implementation of the Visualization System 39
• Chapter 7. CONCLUSION 42
• 1. Research Summary 42
• 2. Study Limitations and Future Research Directions 43
• References 45
• Korean Abstract 47