태양광 연계 배전망에서의 제한된 계측 정보를 활용한 DNN 기반 전압 제어에 관한 연구

다국어 초록 (Multilingual Abstract)

High photovoltaic (PV) penetration causes voltage regulation challenges in distribution systems due to bidirectional power flow and intermittent generation. This paper proposes a deep neural network (DNN)-based optimal power flow (OPF) method that enables stable voltage control using limited measurement information, where a scenario-based convex chance-constrained OPF (convex-CCOPF) is used to generate training data under load and irradiance uncertainty. The proposed framework combines a regression model for PV inverter reactive power control and a classification model for OLTC tap position control. Simulation results on the IEEE 33-bus system demonstrate that the proposed method achieves voltage regulation performance comparable to convex-CCOPF while reducing computation time by approximately 97% and daily total energy loss to 4.52 MWh, corresponding to a 23% reduction compared to the conventional approach.

국문 초록 (Abstract)

최근 분산형전원의 연계가 확대됨에 따라, 기존 단방향 조류 형태의 배전계통이 양방향 조류 형태로 변화하며 계통 운용 측면에서도 다양한 문제가 발생하고 있다. 특히 태양광(PV) 발전의 간헐적인 출력 특성은 계통 전압의 급격한 변동을 유발하며, 이는 약 기존 전압조정 장치의 과도한 스위칭 동작을 초래하여 기계적 열화와 같은 문제를 발생시킬 수 있다. 이러한 문제를 해결하기 위해 현재까지 다양한 분산·계층형 전압 제어 기법이 제안되었으나, 실제 배전계통의 제한된 가시성과 통신 지연 등의 불확실성 하에서 최적화 성능이 저하되는 한계를 갖는다. 이에 본 논문에서는 PV가 대규모로 연계된 능동형 배전계통에서 제한된 계측 정보만으로도 안정적인 전압 제어가 가능한 심층신경망(Deep Neural Network, DNN) 기반의 최적 조류 계산(Optimal Power Flow, OPF) 기법을 제안하였다. 시나리오 기반 볼록 확률제약 최적 조류 계산(convex Chance-Constrained OPF, convex-CCOPF)을 활용하여 다양한 부하 및 일사 조건에서 불확실성을 반영한 최적의 제어 해를 생성하였으며, 이를 학습 데이터로 사용하여 DNN 기반의 근사 최적화 모델을 구성하였다. 해당 모델은 PV 인버터의 무효전력 제어량을 예측하는 회귀(regression) 모델과 OLTC의 이산적 탭 위치를 예측하는 분류(classification) 모델로 구성되며, 변전소 전력, PV 출력, 주요 측정부 전압 및 전류 등 실제 계통 환경에서 확보가 가능한 최소한의 입력 정보만을 사용하도록 구현하였다. IEEE 33 Bus 계통을 대상으로 한 검증 결과, 제안 기법은 기존 시나리오 기반 확률제약 OPF와 동일한 수준의 전압 제어 성능을 제공하면서도 연산 시간을 약 97% 단축하였으며, 일일 총 전력 손실은 4.52 MWh로 기존(5.87 MWh) 대비 약 23% 감소시켰다.

목차 (Table of Contents)

• 그림목차 ⅲ
• 국문초록 iv
• 제 1 장 서론
• 제 1 절 연구 배경 및 목적 1
• 제 2 장 본론
• 제 1 절 시나리오 기반 Convex-CCOPF 정식화 4
• 1.1 배전계통 모델4
• 1.2 DistFlow 모델 5
• 1.3 운영 제약조건 및 목적함수6
• 1.3.1 OLTC 모델 6
• 1.3.2 전압 제약7
• 1.3.3 PV 인버터 용량 제약 7
• 1.3.4 선로 열적 한계 8
• 1.3.5 목적함수 8
• 1.3.6 시나리오 기반 Convex-CCOPF 9
• 1.3.7 목적함수 가중치 최적화 12
• 제 2 절 DNN 기반 OPF 17
• 2.1 제안하는 DNN 모델 구조18
• 2.2 DNN 학습 프로세스 19
• 2.3 DNN 성능평가22
• 제 3 절 사례연구 24
• 3.1 모의 환경 구성 24
• 3.2 모의 결과26
• 제 3 장 결론 30
• 참고문헌 31
• Abstract 36