배전 계통의 PV 수용용량 향상을 위한 HVAC 시스템 및 ESS의 가격-최적수요 모델링과 소매 전기가격 결정 전략에 관한 연구 = Price-Optimal Demand Modeling of HVAC and Energy Storage Systems for Retail Electricity Pricing to Improve PV Hosting Capacity in Distribution Networks

국문 초록 (Abstract)

배전계통에서 수요 유연성은 재생에너지원의 변동성과 증가하는 전력 수요를 효과적으로 관리하는 데 중요한 역할을 한다. 본 논문은 세가지 방법으로 수요자원의 고유 특성을 고려한 가격-최적 수요 모델을 개발하고, 이를 소매 전기가격 결정 전략에 적용하여 전압 안정화, 피크부하 감소 등과 같은 배전계통 운영 관리를 고려한다.
먼저, 상업용 건물 냉·낭방 공조 시스템 (heating, ventilation, and air-conditioning, HVAC)의 가격 기반 최적 수요반응 (demand response, DR)을 활용하여, 배전 계통에서 발생하는 과전압 문제를 고려한 재생에너지 수용용량 (hosting capacity, HC) 향상 방법을 제안한다. 제안된 방법은 배전 회사의 (distribution company, DisCo) 이익과 최종 사용자의 비용을 모두 고려 가능한 이중 구조 의사결정 모델 구조에 기반하고, 부분 선형 근사를 적용한 HVAC 시스템의 실험적 열역학 모델을 사용한다. 대규모 배전 네트워크를 시뮬레이션한 사례 연구 결과, HVAC 시스템의 최적 수요반응 운영 스케줄은 건물 거주자의 열적 쾌적성을 유지하면서, 전압 안정성을 확보하고 태양광 수용율을 향상할 수 있음을 보여준다. 이는 추가 설비 없이 배전계통에서 재생에너지 수용용량을 개선할 수 있는 HVAC 시스템의 가격 기반 수요반응의 가능성을 입증한다.
둘째, 머신러닝 알고리즘을 사용하여 에너지 저장 시스템 (energy storage system, ESS)의 최적 운영 모델을 수립하고, 이를 반영한 소매 전기가격 결정 전략 (retail electricity pricing)을 제안한다. ESS의 가격-최적 수요 모델은 인공 신경망(artificial neural network, ANN)을 통해 도출되며, 이는 전기 가격과 건물 에너지 관리 시스템에서 도출된 최적 수요를 포함한 과거 운영 데이터를 사용해 학습된다. 제안된 모델은 수요반응 최적화 문제를 수학적 방정식으로 대체하여, 배전 관리 시스템의 소매 전기가격 최적화 문제의 제약 조건에 직접 통합된다. 즉, 인공신경망 기반 최적수요 모델을 기반하여, 제안한 소매 전기가격 결정 전략은 단일 구조 의사 결정 모델로 DisCo와 건물 운영자의 의사결정 과정을 모두 반영 가능하다. 사례 연구를 통해 제안된 인공신경망 구조가 가격-최적수요 모델을 성공적으로 예측하고 높은 실용성을 지녔음을 검증하였다. 도출된 소매 전기가격은 제안된 전략이 계통 부하를 이동시키며, 최적 운영점을 정확성 높게 결정할 수 있음을 보여준다.
셋째, 전기 소매 시장에서 건물 HVAC 시스템의 최적 입찰 전략을 제안하고, 이를 DisCo의 최적 소매 전기가격 결정 전략에 적용한다. 제안된 계단식 입찰 곡선은 HVAC 시스템의 열응답 모델을 기반으로 거주자의 열적 쾌적성을 보장하며, 최적 가격기반 수요반응을 반영한다. 또한, 입찰 블록에 따라 건물 운영 비용이 부분 선형 함수로 표현되어, 소매 전기가격 최적화 문제의 제약 조건으로 용이하게 통합 가능하다. 이러한 접근법은 단일 의사 결정 구조에서 DisCo와 최종 사용자의 의사결정을 포함할 수 있어, 실제 배전 시장에서의 실용성을 향상시킨다. 대규모 배전계통 사례 연구 결과, 제안된 HVAC 시스템의 24시간 입찰 곡선을 기반으로 도출된 최적 소매가격이 태양광 확대로 인한 과전압 문제를 효과적으로 완화할 수 있음을 보여준다.
마지막으로, 확장된 활용방안으로서 HVAC 시스템의 최적 가격-최적 수요 모델을 기반으로 수요 유연성을 평가하는 새로운 방법을 제안한다. HVAC 시스템의 열역학적 특성을 반영하기 위해, 과거 운영 데이터를 사용해 인공 신경망 기반 모델을 개발하고, 온라인 학습을 활용하여 모델링 정확도를 향상시킨다. 학습된 인공 신경망 모델을 기반으로, 계시별 전기 가격에 따라 건물의 전기요금을 최소화하는 최적 수요 스케줄을 도출하고, 이를 기준 소비량을 비교하여 HVAC 시스템의 유연성을 정량화 한다. 한국의 실제 데이터를 기반으로 한 사례 연구는, 계시별 전기 가격에 따른 상업용 건물 HVAC 시스템의 수요 유연성만으로도 전체 전력망의 유연성을 효과적으로 제공할 수 있음을 보여준다.

다국어 초록 (Multilingual Abstract)

Integrating demand flexibility into distribution networks (DNs) is significant for effectively managing the fluctuating generation of renewable energy resources (RESs) and the growing electricity demand. This dissertation develops price-optimal demand models for demand response (DR) resources by reflecting their inherent characteristics and applies them to retail pricing strategies through three distinct approaches, while considering DN management aspects such as voltage stability and peak load reduction.
First, a hosting capacity (HC) enhancement method based on an optimal price-based DR program of heating, ventilating, and air-conditioning (HVAC) systems in commercial buildings is proposed, considering the overvoltage issue in the DN. The proposed method is based on a bi-level decision model that considers the profits of the distribution company (DisCo) and the costs of end-users, along with an experimental thermal dynamics model of HVAC systems with piecewise linearization. The case studies simulated in a large-scale distribution network reveal that the optimal DR schedules of HVAC systems enhance photovoltaic (PV) penetration while maintaining voltage stability and ensuring thermal comfort of the building occupants. The results demonstrate the prospects of developing a DR program via HVAC systems as a HC improvement method without additional facilities in DNs.
Second, an electricity retail pricing strategy is proposed that reflects the optimal operation of an energy storage system (ESS) using a machine learning algorithm. An artificial neural network (ANN) is employed to develop an optimal model of the DR scheduling of an ESS. This model is trained using historical data that include the electricity price and the corresponding optimal demand obtained from the building energy management system. The proposed model is replicated using mathematical equations and directly integrated into the constraints of the retail pricing optimization problem of the distribution management system. The proposed ANN-based DR model of the ESS allows the development of an optimal pricing strategy with a single-level structure while reflecting the decision-making process of both the DisCo and the building operator. The proposed ANN-based DR model is verified through case studies, which prove that the model successfully expresses the price-optimal demand function and has high practical applicability. The results of the retail pricing demonstrate that the proposed strategy can accurately determine the balancing points while achieving load shifting.
The third approach proposes an optimal bidding strategy for building HVAC systems in the retail market and incorporates it into the retail pricing scheme of the DisCo, while considering voltage stability and power losses. The proposed stepwise bidding curve reflects the optimal price-based DR of the HVAC system, ensuring occupant thermal comfort based on its thermal dynamic model. It also represents building operational costs as a piecewise linear function according to bid blocks, enabling straightforward integration as constraints into retail pricing. This approach allows the proposed pricing scheme to incorporate the decision-making models of both the DisCo and building end-users within a single-level framework, thereby supporting its potential applicability to realistic distribution markets. Case studies on a large-scale DN demonstrate that, based on the established 24-hour bidding curves for commercial HVAC systems, the proposed retail pricing scheme can effectively mitigate overvoltage issues from high PV penetration.
Lastly, as an extended application, a novel method for evaluating the demand flexibility is proposed, based on an optimal price-based DR model of HVAC systems. To reflect the thermal dynamic response of HVAC systems, a data-driven model utilizing an ANN with online learning is developed, enhancing modeling accuracy using historical operation data. Considering the replicated ANN model, the optimal demand response (DR) schedules in response to time-of-use (TOU) prices from the grid operator are determined to minimize building electricity costs. Consequently, the flexibility quantification of HVAC systems is evaluated by comparing the derived optimal DR schedules with baseline consumption. Case studies simulated using real-world data from South Korea demonstrate that the demand flexibility of HVAC systems can effectively provide overall grid flexibility, even when solely responding to commonly used TOU prices. The proposed flexibility evaluation method is valuable for grid operators in managing grid problems that arise from the increasing integration of RESs and rising electricity demand, from a stable network operation perspective.

목차 (Table of Contents)

• 제 1장 서론 1
• 1.1절 연구 동기 및 목적 1
• 1.2절 주요 내용 및 기여 12
• 1.3절 한국 분산에너지 특화지역에서 적용 제안 17
• 1.4절 논문 구성 19
• 제 2장 HVAC 시스템의 최적 DR을 고려한 이중계층 구조 기반 소매 전기가격 결정 전략 22
• 2.1절 제안된 프레임워크의 개념적 개요 25
• 2.2절 HVAC 시스템의 최적 DR 운영 29
• 2.2.1항 구간별 선형화를 적용한 HVAC 실험 모델 29
• 2.2.2항 하위계층 최적화 문제 32
• 2.3절 HVAC 시스템의 최적 가격기반 DR을 활용한 수용용량 향상 방법 34
• 2.3.1항 상위계층 최적화 문제 34
• 2.3.2항 단일계층 최적화 문제로의 등가 변환 38
• 2.4절 사례연구 및 결과 40
• 2.4.1항 시험 시스템 및 시뮬레이션 조건 40
• 2.4.2항 제안된 HVAC 시스템의 최적 DR 스케줄 44
• 2.4.3항 HVAC 시스템의 가격기반 DR이 DN에 미치는 영향 47
• 제 3장 ESS의 ANN 기반 DR 모델 수립과 소매 전기가격 결정전략 50
• 3.1절 제안된 프레임워크의 개념적 개요 52
• 3.2절 ESS의 ANN 기반 DR 모델 60
• 3.2.1항 BEMS에서의 가격기반 DR 최적화 문제 정식화 60
• 3.2.2항 ANN 기반 DR 모델 61
• 3.3절 ESS의 ANN 기반 DR 모델을 활용한 소매가격 결정전략 65
• 3.3.1항 DMS에서의 소매가격 결정 최적화 문제 정식화 65
• 3.4절 사례연구 및 결과 69
• 3.4.1항 시뮬레이션 데이터 69
• 3.4.2항 ANN 기반 DR 모델 70
• 3.4.3항 소매 전기가격 결정 전략 75
• 제 4장 HVAC 시스템의 최적 입찰 전략 수립과 소매 전기가격 결정전략 80
• 4.1절 제안된 프레임워크의 개념적 개요 83
• 4.2절 HVAC 시스템의 DR을 위한 최적 입찰 곡선 87
• 4.2.1항 구간별 선형화를 적용한 HVAC 열 응답 모델 87
• 4.2.2항 구간별 온도 기반 전력 최적화 과정을 활용한 입력 전력 시나리오 생성 방법론 89
• 4.2.3항 입찰 곡선 설계를 위한 전략적 접근 방법 91
• 4.3절 HVAC 시스템의 최적 입찰 곡선을 기반으로 한 소매가격 결정 체계 95
• 4.3.1항 DisCo의 소매가격 결정 체계에 대한 정식화 95
• 4.4절 사례연구 및 결과 100
• 4.4.1항 테스트 시스템 및 시뮬레이션 조건 100
• 4.4.2항 HVAC 시스템의 최적 입찰 곡선과 배전망에서 최적 소매가격 103
• 4.4.3항 최적 소매가격 기반의 자율 스케줄링에서 도출된 DR 프로파일 비교 108
• 4.4.4항 제안된 입찰 전략과 소매가격 결정 전략에 대한 ∆Vmax의 영향 110
• 제 5장 확장 응용: 한국 상업용 건물 HVAC 시스템의 수요 유연성 평가 112
• 5.1절 제안된 프레임워크의 개념적 개요 114
• 5.2절 상업용 건물 HVAC 시스템의 데이터 기반 모델을 활용한 최적 DR 스케줄링 123
• 5.2.1항 HVAC 시스템의 데이터 기반 모델 127
• 5.2.2항 DR 스케줄링을 위한 최적화 문제 131
• 5.3절 전력망 운영을 위한 건물 HVAC 시스템의 수요 유연성 잠재력 평가 134
• 5.4절 사례연구 및 결과 137
• 5.4.1항 시뮬레이션 조건 137
• 5.4.2항 데이터 기반 열 반응 모델의 온라인 학습 140
• 5.4.3항 제안된 최적 DR 운영과 기준 운영의 비교 142
• 5.4.4항 제주 건물 HVAC 시스템의 수요 유연성 잠재력 정량화 147
• 제 6장 결론 및 향후 연구 방향 152
• 6.1절 결론 152
• 6.2절 향후 연구 방향 157
• 참고문헌 159
• 부록 A. HVAC 시스템의 DR 전략을 통한 수용용량 향상 기법에 대한 문헌리뷰 174
• A.1절 배전망에서 분산 전원의 수용용량 182
• A.1.1항 수용용량 제한 요인 182
• A.1.2항 수용용량 향상 전략 184
• A.1.3항 수용용량 전략 분석 187
• A.2절 배전망에서의 HVAC 시스템 DR 193
• A.2.1항 HVAC 시스템의 DR 전략에 관한 분석 194
• A.2.2항 수요자원으로서 HVAC 시스템을 포함한 국가별 실제 DR 사례 200
• 부록 B. HVAC 시스템과 ESS의 가격기반 DR 및 플러스 DR 참여에 따른 계통 수요 유연성 평가 205
• B.1절 개념적 개요 205
• B.2절 수학적 정식화 206
• B.2.1항 가격기반 DR 206
• B.2.2항 플러스 DR 210
• B.2.3항 수요 유연성 정량화를 위한 기준부하 212
• B.2.4항 HVAC 시스템과 ESS의 수요 유연성 평가 213
• B.3절 사례연구 및 결과 214
• B.3.1항 시뮬레이션 조건 214
• B.3.2항 HVAC 시스템과 ESS의 가격기반 DR 협조 운영 결과 217
• B.3.3항 HVAC 시스템과 ESS의 플러스 DR 협조 운영 결과 224
• 부록의 참고문헌 231
• Abstract 247