1. 서 론
최근 태양광과 풍력이 전력계통의 주요 발전원으로 결정되었기에 2040년 신재생에너지는 발전설비 비중 최대 발전원으로 부상할 전망이다. 이에 변동성을
갖고 있는 재생발전원(RES : Renewable Energy Sources)의 전력계통 용량 급증이 예상되고 있다[1]. 강원지역에서도 RES의 계통연계 용량이 급속하게 증가하고 있어 전압변동 및 전력품질의 저하가 예상되고 있으나 이에 대한 새로운 감시수단과 대책이
없다. 그러므로 종래의 SCADA 기반 감시․분석 시스템 보다는 더 정밀하고 실시간으로 데이터를 수집하여 감시 분석할 수 있는 시스템이 필요하다[2-3].
1988년 미국 Virginia Tech에서 시제품이 최초로 제작된 PMU(Phasor Measurement Unit)는 계통의 주요지점에 설치하여
3상 전압 및 전류의 시각동기 페이저(Time-synchro Phasor)를 측정하여 상위시스템으로 전송하는 장치이다. 미국 BPA PMU 프로젝트를
통하여 Dynamic Stability 이벤트 발생시 PMU로 저장한 데이터를 통해 파급 전 과정을 분석하는 성과를 얻은 후, 본격적으로 WAMS
구조의 설계 및 PMU 확대 설치가 시작되어 WAMAC을 거쳐 WAMPAC으로 진화하며 주목을 받고 있다[4-6]. 최근 이 PMU를 신재생에너지원 연계 전력계통의 광역 감시, 상태추정 및 안정도 등의 다양한 분야에 응용하려는 연구가 진행되고 있다[2-3,7].
국내의 PMU 관련 연구로는 계통에 연계되는 풍력발전량이 증가하면서 풍력발전기의 계통연계기준(FRT : Fault Ride Through)을 고려한
순간전압강하 취약지역 분석이 IEEE-14 모선 계통 대상 사례 연구[8]가 수행되었고, 독립형 마이크로그리드의 전력품질 감시를 위한 PMU를 개발하여 성능을 검증하고 활용하는 방법[9], 분산전원의 FRT 능력을 고려한 계전기 최적 정정법[10]이 제안되었고, KPX에서 운영 중인 WAMAC 시스템의 PMU 측정 데이터 기반 전압 안정도 평가 지수가 개발되었다[11]. 최근 강원지역에서는 신재생발전 비중확대에 대비한 PMU 기반 실시간 감시, 분석, 제어시스템을 구축하고 있다[3,7].
해외의 PMU 적용 연구로는 풍력발전기를 위한 PMU 기반 전압 안전도 평가[12], RES의 PMU를 이용한 실시간 감시에 따른 주보호의 상실, 등가 관성 계산(Equivalent Inertia Calculation), 소신호
안정도 평가 등의 방안[13]이 제시되었다. 국내에서는 스마트 그리드에서 전력 PMU 데이터의 빅 데이터 분석[14], 역 전력 흐름을 검출하기 위한 PMU 배치[15], 고 정밀도 PMU 데이터를 사용하는 새로운 이벤트 검출 방법[16], IEEE 123-모선 계통 대상 PMU 데이터 분석을 이용한 분산전원(DERs : Distributed Energy Resources)의 출력
전력의 불규칙성 검출[17]에 관한 논문이 발표되었다.
본 논문에서는 RES 계통연계 용량이 증가하고 있는 강원지역의 감시 및 분석을 위하여 수행하고 있는 신재생발전원 실시간 감시/분석/제어 시스템 개발
과제의 결과 일부를 기술하고자 한다. 먼저, 강원 지역에 설치한 GPS 기반의 시각동기 페이저를 이용한 감시․분석 시스템의 소프트웨어를 간단하게 소개한다.
수집한 PMU 데이터의 파일 처리에 대하여 기술한다. 끝으로 시각동기 페이저 데이터를 이용한 전압변동, 상관관계(Correlation) 및 고조파함유율(THD
: Total Harmonic Distortion)을 통하여 강원지역 연계 RES의 전력계통 영향을 분석하고자 한다.
2. PMU 기반 실시간 감시․분석시스템
2.1 PMU 기반 실시간 감시⋅분석시스템
개발한 PMU와 도입한 PMU 기능이 있는 고장기록장치(F/R : Fault Recorder)을 이용하여 강원지역의 RES 연계 154/22.9kV
횡계변전소내 8개소에 PMU와 F/R을, 154/22.9kV 영월변전소내 5개소에 PMU를 각각 설치하였다. 이 PMU와 F/R로 수집된 시각동기
페이저는 페이저 데이터 집중장치(PDC : Phasor Data Concentrator)와 데이터 서버를 통하여 작성된 감시⋅분석 소프트웨어에 의하여
RES의 계통연계 상태를 실시간으로 감시하고 분석하게 된다. 그림 1은 제작한 실시간 감시⋅분석 소프트웨어의 초기화면을 나타낸다. 각 PMU에 따라 전압, 전류, 주파수, 위상을 실시간으로 확인할 수 있으며, 계통의
전력품질 위반 및 FRT 위반사항이 화면의 하단에 표시된다. 또한 [PMU Data 조회]를 통하여 과거 데이터를 조회할 수 있으며, [상관관계 분석]을
통하여 각 PMU의 실시간 상관관계를 알 수 있도록 하였다[3,7].
Fig. 1. Initial screen of real-time monitoring and analysis software
2.2 PMU 데이터 프레임과 처리
PDC를 통해서 수집한 데이터는 데이터 수집서버에서 전 처리를 거쳐서 데이터베이스 또는 파일로 저장이 된다. 취득된 PMU 데이터는 많고 주기가 빠르기
때문에 전 처리를 위해서 PDC로부터 수신한 데이터 스트림(data stream)을 파일로 일정기간 저장을 하고 이 파일을 batch 방식으로 전력연산을
수행하고 데이터베이스에 순차적으로 저장을 하도록 하였다. 실시간 데이터는 메모리영역에서 따로 분리하여 실시간 화면을 처리하는 기능에서 사용하고 저장
프로세스에서는 안정성이 우선이므로 파일처리 후 데이터베이스로 전송을 한다. RAW 데이터는 향후 빅 데이터 분석을 위해서 따로 저장을 하고 FIFO(First
In First Out) 기능을 통해서 자동으로 파일 정리를 하고 데이터 파일은 누구나 활용이 가능한 CSV(comma-separated values)파일로
저장하도록 하였다. 그림 2는 데이터베이스와 CSV 파일 처리 개념과 처리 결과를 나타낸다[3].
Fig. 2. Database & CSV file
2.3 상관지수
상관지수는 피어슨(Pearson) 상관계수를 사용하였으며, 이는 두 변량 사이의 상관관계의 정도를 나타내는 수치로서 식(1)과 같이 계산할 수 있다[18].
여기서 $z_{x_{i}}$와 $z_{y_{i}}$는 각각 $(x_{i}-\overline{x})/\sqrt{\sum_{i}(x_{i}-\overline{x})^{2}/n}$과
$(y_{i}-\overline{y})/\sqrt{\sum_{i}(y_{i}-\overline{y})^{2}/n}$으로 정의된다. 피어슨 상관계수$(r)$는
두 변량의 선형적인 관계를 -1에서 1사이로 나타내는 방법이며, +1은 완벽한 양의 선형 상관관계, 0은 선형 상관관계 없음, -1은 완벽한 음의
선형 상관관계를 각각 의미한다. 본 논문에서 사용하는 상관지수$(R)$는 식(2)와 같이 계산하였다.
3. 재생발전원의 전력계통 영향 분석
3.1 24시간 PMU 데이터 분석
그림 3은 2019년 7월 19일 00:00∼24:00, 횡계변전소의 154kV 강원풍력(98MW)의 3상 전압, 전류 및 유효전력 출력을 나타낸다. 그림 3 (a)∼3 (c)에서 24시간 중 가장 큰 순간전압변동률(이하 전압변동)은 14시 23분 20초에 발생하였으며, 약 2500V(2.8%)의 전압변동이 발생하였다.
약 2% 이상의 전압변동이 약 9회 발생하였다. 그림 3 (d)에서 강원풍력의 출력은 00:00∼03:00까지 3시간 동안 약 -15.5∼0MW로 감소하며, 3시 이후, 약 -3∼5MW로 변동하면서, 출력이 발생하지
않다가 22:00부터 출력이 급격하게 나타났다. 유효전력 출력 중의 전압변동이 유효전력 출력이 없을 경우보다 더 작은 것으로 나타났음을 알 수 있었다.
Fig. 3. Several signals of 154kV Gangwon WP in Hoenggye S/S
그림 4는 전압변동지점에서의 상관분석을 나타낸다. 그림 4에서 강원풍력의 전압변동이 약 2,070V(2.33%)가량 발생했다. 전압변동 이전의 12cycle 분석 결과, 피상전력-전압의 상관지수는 79.85%,
유효전력-전압의 상관지수는 53.20%, 무효전력-전압의 상관지수는 77.87%, 60cycle 분석 결과, 피상전력-전압의 상관지수는 16.43%,
유효전력-전압의 상관지수는 39.96%, 무효전력-전압의 상관지수는 14.9%, 120cycle 분석 결과, 피상전력-전압의 상관지수는 26.29%,
유효전력-전압의 상관지수는 29.47%, 무효전력-전압의 상관지수는 24.29%를 각각 나타냈다. 이 경우 12cycle 분석 결과, 피상전력-전압,
무효전력-전압의 상관관계가 유효한 것으로, 유효전력-전압의 상관관계는 유효하지 않은 것으로, 60cycle 및 120cycle 분석 결과, 전반적으로
상관관계가 유효하지 않은 것을 알 수 있었다.
Fig. 4. Correlation analysis at voltage fluctuation of T/L of 154kV Gangwon WP
그림 5는 24시간 출력데이터의 상관분석을 나타낸다. 그림 5에서 1∼5MW의 출력을 나타내는 부분에서 전압변동 이전의 12cycle 분석 결과, 피상전력-전압의 상관지수는 62.14%, 유효전력-전압의 상관지수는
31.42%, 무효전력-전압의 상관지수는 70.83%, 60cycle 분석 결과, 피상전력-전압의 상관지수는 21.78%, 유효전력-전압의 상관지수는
7.25%, 무효전력-전압의 상관지수는 19.25%, 120cycle 분석 결과, 피상전력-전압의 상관지수는 6.42%, 유효전력-전압의 상관지수는
13.40%, 무효전력-전압의 상관지수는 7.53%를 각각 나타냈다. 이 경우 12cycle 분석 결과, 무효전력-전압의 상관관계가 유효한 것으로,
피상전력-전압, 유효전력-전압의 상관관계는 유효하지 않은 것으로 나타냈다. 60cycle 및 120cycle 분석 결과, 전반적으로 상관관계가 유효하지
않은 것을 알 수 있었다.
10MW의 출력을 나타내는 부분에서는 전압변동 이전의 12cycle 분석 결과, 피상전력-전압의 상관지수는 56.52%, 유효전력-전압의 상관지수는
58.41%, 무효전력-전압의 상관지수는 71.89%, 60cycle 분석 결과 피상전력-전압의 상관지수는 20.34%, 유효전력-전압의 상관지수는
21.59%, 무효전력-전압의 상관지수는 13.69%, 120cycle 분석 결과, 피상전력-전압의 상관지수는 12.69%, 유효전력-전압의 상관지수는
27.83%, 무효전력-전압의 상관지수는 5.61%를 각각 나타냈다. 이 경우 12cycle 분석 결과, 무효전력-전압의 상관관계가 유효한 것으로,
피상전력-전압, 유효전력-전압의 상관관계는 유효하지 않은 것으로 나타냈다. 60cycle 및 120cycle 분석 결과, 전반적으로 상관관계가 유효하지
않은 것을 알 수 있었다.
20MW 이상의 출력을 나타나는 부분에서 전압변동 이전 12cycle 분석 결과, 피상전력-전압의 상관지수는 27.13%, 유효전력-전압의 상관지수는
43.57%, 무효전력-전압의 상관지수는 15.27%, 60cycle 분석 결과, 피상전력-전압의 상관지수는 11.89%, 유효전력-전압의 상관지수는
13.76%, 무효전력-전압의 상관지수는 9.22%, 120cycle 분석 결과, 피상전력-전압의 상관지수는 7.21%, 유효전력-전압의 상관지수는
9.30%, 무효전력-전압의 상관지수는 6.87%를 각각 나타냈다. 이 경우 12cycle, 60cycle 및 120cycle 분석 결과, 전반적으로
상관관계가 유효하지 않은 것을 알 수 있었다.
Fig. 5. Correlation analysis of 24-hour output data of T/L of 154kV Gangwon WP
3.2 24시간 PMU 데이터의 종합 분석
강원풍력, 대기리 풍력 #1, 대기리 풍력 #2, 쌍용 #1, 쌍용 #2의 7월 19일 데이터 분석 결과, 대기리 풍력 #1, #2가 처음 가동되는
부분에서 전압변동이 나타났고, 이에 따라 상관지수도 평균 80%로 크게 나타났다. 이때 같은 변전소 내에 있는 강원풍력, 쌍용 #1, 쌍용 #2 등의
다른 PMU에서도 전압변동이 약 1.5∼1.7% 발생하였다. 강원풍력과 대기리 풍력 #1, #2의 유효전력을 비교해보면, 같은 지역의 바람 영향을
받아 발전시간이 비슷하였다. 또한 쌍용 #1과 쌍용 #2를 비교한 결과, 쌍용 #2에서의 출력변동이 좀 더 많이 나타난 것을 알 수 있었다. 이에
대기리 풍력에서의 출력이 계통에 영향을 미쳤음을 확인할 수 있었고, 출력이 작거나 불안정 경우에는, 상관지수가 컸으며, 출력이 안정적으로 크게 나타났을
경우에는, 상관지수가 낮고 계통이 안정하다는 것을 알 수 있었다. 또한 출력이 안정적으로 되었을 경우의 상관지수는 30∼50% 사이로 나타났다.
영월솔라#1, #2의 7월 6일 데이터 분석결과, 발전 중에 전압변동 구간에서 상관지수가 약 70% 이상 나타났으며, 출력이 상승하는 구간은 30∼50%,
출력이 감소하는 구간에서는 20∼50%의 상관지수가 나타났으며, 출력이 급격하게 변동하는 구간에서의 상관지수는 약 90% 이상 나타났다. 또한 태양광이
발전하지 않을 때와 발전하고 있을 때의 결과를 비교한 결과, 발전하고 있을 경우의 전압변동이 더 커지는 것을 알 수 있었다. 따라서 출력변동이 계통전압에
영향을 미치는 것을 알 수 있으며, 출력이 클수록 계통에 영향을 더 많이 미칠 것으로 예상된다.
영월솔라#1, #2의 7월 7일 데이터 분석결과, 발전 중에 전압변동 구간에서 상관지수가 약 80% 이상 나타났으며, 출력이 상승하는 구간은 30∼50%,
출력이 감소하는 구간에서는 20∼50%의 상관지수가 나타났으며, 출력이 급격하게 변동하는 구간에서의 상관지수는 약 90% 이상 나타났다. 또한 태양광이
발전하지 않을 때와 발전하고 있을 때의 결과를 비교한 결과, 발전하고 있을 경우의 전압변동이 더 커지는 것을 알 수 있었다. 따라서 출력변동이 계통전압에
영향을 미치는 것을 알 수 있으며, 출력이 클수록 계통에 영향을 더 많이 미칠 것으로 예상된다.
Fig. 6. Data analysis result of Yanggu beach
그림 6은 양구해안 R1, R34의 C상 전압 및 유효전력 출력 데이터 분석결과를 나타낸다. 그림 6의 양구해안 R1, R34의 데이터 분석결과, 발전 중에 전압변동 구간에서 상관지수가 약 70% 이상 나타났으며, 출력이 급격하게 상승하는 구간과
급격하게 감소하는 구간은 약 90% 이상의 상관지수가 나타났다. 평균적으로 출력이 나타나는 구간에서의 상관지수는 약 20∼50% 사이로 나타났다.
또한 태양광이 발전하지 않을 때(20:00∼06:00)와 발전하고 있을 때(06:00∼20:00)의 결과를 비교한 결과, 발전하지 않을 경우에는 전압
및 전력변동이 크지 않지만, 발전하고 있을 경우에는 전압 및 전력변동이 크게 나타났다.
3.3 고조파의 종합 분석
표 1은 고조파 분석 결과를 나타낸다. 표 1에서 시간에 따른 전압 THD의 경우, 측정한 일시의 모든 설비가 전력품질 유지기준 규정이내인 3%이하로 나타났다. 그러나 출력에 따른 전압 THD의
경우, 8월 12일 대기리 풍력 #1과 양구 해안 R34는 각각 3.77%, 3.84%로 나타났다. 이 경우 대기리 풍력 #1의 경우 출력이 8∼9MW
사이에서 전압 THD가 가장 큰 것으로 나타났고, 양구 해안 R34의 경우 출력이 300∼350kW 사이에서 전압 THD가 가장 큰 것으로 나타났다.
출력에 따른 최대 전류 THD의 경우, 양구 해안 R1과 양구 해안 R34는 매우 높게 나타났으며, 전반적으로 최대 전류 THD가 5% 이상 높게
나타났다. 최대 전류 THD가 나타난 분포를 확인한 결과, 대기리 풍력 #1의 경우 주로 0∼2MW 사이에서 높게 나타났으며, 영월 솔라 #1의 경우
주로 9∼14MW 사이에서 높게 나타났다. 영월 솔라 #2의 경우 0∼4MW 사이에서 높게 나타났다. 시간에 따른 최대 전류 THD의 경우, 양구
해안 R1과 양구 해안 R34는 매우 높게 나타났으며, 전반적으로 최대 전류 THD가 5% 이상 높게 나타났다. 최대 전류 THD가 나타난 분포를
확인한 결과, 대기리 풍력 #1의 경우 시간에 따른 평균 출력이 2MW이하인 부분에서 높게 나타났으며, 영월 솔라 #1과 영월 솔라 #2의 경우 06:00∼08:00,
16:00∼20:00 사이에 높게 나타났다. 최종적으로, 출력이 낮아지거나, 재생 발전원이 병입, 병해될 때 전압 및 전류 THD가 높게 나타나며,
계통에 영향을 미치는 것을 알 수 있었다.
Table 1. Harmonic analysis results
|
일시
|
설비
|
발전
시간
(hour)
|
최대 출력
(MW)
|
출력에 따른
최대전압
THD (%)
|
출력에 따른
최대전류
THD (%)
|
시간에 따른
최대전압
THD (%)
|
출력에 따른
최대전류
THD (%)
|
|
8. 8.
|
대기리 풍력 #1
|
24
|
11.89
|
1.63
|
3.57
|
1.71
|
4.73
|
|
영월 솔라 #1
|
11.8
|
15.78
|
1.52
|
4.07
|
1.51
|
8.06
|
|
영월 솔라 #2
|
11.8
|
15.12
|
1.65
|
5.90
|
1.68
|
8.39
|
|
양구 해안 R1
|
22.3
|
0.81
|
2.41
|
64.08
|
2.62
|
94.31
|
|
양구 해안 R34
|
17.5
|
0.81
|
2.56
|
82.67
|
2.84
|
104.59
|
|
8. 9.
|
대기리 풍력 #1
|
23.5
|
11.72
|
2.24
|
6.91
|
1.92
|
8.54
|
|
영월 솔라 #1
|
12.2
|
14.86
|
1.69
|
6.02
|
1.45
|
5.61
|
|
영월 솔라 #2
|
12.2
|
13.88
|
1.78
|
11.26
|
1.80
|
18.40
|
|
양구 해안 R1
|
21.8
|
0.59
|
2.47
|
90.15
|
2.65
|
69.37
|
|
양구 해안 R34
|
18.7
|
0.63
|
2.51
|
77.59
|
2.86
|
70.62
|
|
8. 10.
|
대기리 풍력 #1
|
20.8
|
4.44
|
1.81
|
7.73
|
2.15
|
9.60
|
|
영월 솔라 #1
|
12
|
15.15
|
2.83
|
5.73
|
1.67
|
5.46
|
|
영월 솔라 #2
|
12
|
14.32
|
1.85
|
8.55
|
1.91
|
16.22
|
|
양구 해안 R1
|
19.4
|
0.43
|
2.56
|
109.11
|
2.80
|
77.40
|
|
양구 해안 R34
|
16.3
|
0.48
|
2.89
|
75.23
|
2.93
|
83.78
|
|
8. 11.
|
대기리 풍력 #1
|
23.5
|
10.39
|
2.23
|
2.65
|
1.76
|
2.65
|
|
영월 솔라 #1
|
12.2
|
16.46
|
1.67
|
6.26
|
1.47
|
6.21
|
|
영월 솔라 #2
|
12.4
|
15.42
|
1.69
|
3.84
|
1.69
|
8.35
|
|
양구 해안 R1
|
20.6
|
0.74
|
2.95
|
61.69
|
2.82
|
76.04
|
|
양구 해안 R34
|
16.6
|
0.82
|
2.92
|
59.51
|
2.92
|
93.95
|
|
8. 12.
|
대기리 풍력 #1
|
23.5
|
9.01
|
3.77
|
7.00
|
2.05
|
9.22
|
|
영월 솔라 #1
|
12.2
|
15.00
|
2.01
|
4.61
|
1.61
|
6.10
|
|
영월 솔라 #2
|
12.2
|
13.74
|
2.58
|
10.42
|
1.59
|
28.5
|
|
양구 해안 R1
|
21
|
0.51
|
2.46
|
97.94
|
2.50
|
79.43
|
|
양구 해안 R34
|
18.2
|
0.55
|
3.84
|
75.44
|
2.65
|
87.18
|
4. 결 론
신재생발전원을 유연하게 수용하면서 사회의 요구에 부응할 수 있도록 양질의 전력품질을 공급․관리할 수 있어야 한다. 이에 강원지역에서는 시각동기 페이저
데이터를 이용하여 재생발전원 연계 전력계통을 보다 정밀하고 실시간으로 감시․분석하기 위한 시스템 구축을 하였다.
본 논문은 이 PMU 기반 시스템 과제의 일부 결과로서 GPS 기반의 시각동기 페이저 기반 감시․분석소프트웨어를 간략히 소개한 후, PMU 데이터의
파일 처리에 대하여 기술하였다. 다양한 RES 연계 전력설비에서 수집한 시각동기 페이저 데이터를 대상으로 24시간 전압, 전류 및 유효전력 출력의
변동에 대한 검토와 전압변동지점에서의 상관분석, 전압 및 전류의 THD 등의 고조파 검토를 통하여 RES의 병입, 병해 등에 따른 전력계통에서의 영향을
분석하였다.
향후, 수집한 PMU 기반 빅 데이터를 활용하여 민감도 지수 등을 통해 RES의 전력계통 응용 연구가 요구된다.
Acknowledgements
This research was supported by Gangwon Regional Headquarters of KEPCO in 2017. (C715170111-2)
References
Ministry of Commerce, Industry and Energy, December 2017, Eighth Basic Plan for Electricity
Supply and Demand, 8th Electricity Supply and Demand Basic Planning Subcommittee,
pp. 1-99
E.S. Kwak, February 2018, Expansion plan of renewable energy system acceptability
and Agendas for power system, KIEE PES Winter Seminar, pp. 16-23
C.W Park, D.Y. Kweon, B.H. Yun, et. al., August 2019, Development of Real-Time Monitoring
and Analysis Control System New and Renewable Power Plants, KEPCO, Final Report, pp.
1-384
A.G. Phadke, J.S. Thorp, January 2008, Synchronized Phasor Measurements and Their
Applications, Springer, pp. 93-105
J.M. Min, 2019 2, PMU Technology Overview and Status, PSPES Annual Conference and
General Meeting 2019, Vol. , No. , pp. 1∼21-
Shin J.Y., Song J.Y., Baek S.M., Nam S.C., Lee J.G., Shin. J.H., May 2012, Establishing
Test-bed of Wide Area Monitoring And Control system based on RTDS, 2012 KIEE PES Power
System & Power Economics Research Group Conference., pp. 94-96
Hong J.Y., Lee K.M., Jin H.S., Kwon D.Y., Kwon Y.S., Yun B.H., Jeon D.H., Park. C.W.,
February 2019, Real-time Monitoring of PMU based PV & Wind Generation Resources in
S/S, PSPES Annual Conference and General Meeting, pp. 16-23
Park. S.J., Park C.H., Yoon M.H., Song C.S., Jang M.J., Jang G.S., 2013 7, Analysis
of the area of vulnerability for the wind farm interconnection considering FRT requirements,
KIEE Summer Conference, pp. 115-116
Park S.J., Park C.H., Yoon M.H., Song C.S., Jang M.J., Jang G.S., 2013 7, Analysis
of the area of vulnerability for the wind farm interconnection considering FRT requirements,
KIEE Summer Conference, pp. 115-116
Song J.S., Kim G.J. Cho. J.S., Shin J.Y., Kim D.H., Kim. C.H., 2018, A Study on the
Optimal Setting Method of Directional Overcurrent Relay Considering Fault Ride Through
of Distributed Generation, Trans. of KIEE, Vol. 67, No. 8, pp. 1002-1008
Jung J.Y., Cho H.H., Lee B.J., July 2018, Development of evaluation index based on
PMU data, KIEE Summer Conference, pp. 176-178
Jiang Huaiguang, Zhang Yingchen, Zhangl Jun Jason, Muljadi Eduard, 2015, PMU-Aided
Voltage Security Assessment for a Wind Power Plant, IEEE Power & Energy General Meeting,
978-1-4673-8040-9/15
Rajeev Aneesh, Shanmugarajeshwaram R., Poonuragam T., Sreevalsan E., 2016, Applications
of PMU in Renewable Energy Generation, 3nd International Conference on Electrical
Energy Systems, pp. 294-297
Bhuiyan Sharif M A, Khan Jesmin F, Murphy Gregory V, 2017, Big Data Analysis of the
Electric Power PMU Data from Smart Grid, IEEE Power & Energy General Meeting, 978-1-5386-1539-3/17
Rammal Zeina Al, Daher Nivine Abou, Kanaan Hadi, Mougharbel Imad, Saad Maarouf, 2018,
Optimal PMU placement for reverse power flow detection, 4th International Conference
on Renewable Energies for Developing Countries (REDEC), 978-1-5386-4665-6/18
Cui Mingjian, Wang Jianhui, Tan Jin, Florita Anthony R., January 2019, Novel Event
Detection Method Using PMU Data With High Precision, IEEE Trans. on Power Systems,
Vol. 34, No. 1, pp. 454-466
Seyedi Younes, Karimi Houshang, Grijalva Santiago, April 2019, Irregularity Detection
in Output Power of Distributed Energy Resources Using PMU Data Analytics in Smart
Grids, IEEE Trans. on Industrial Informatics, Vol. 15, No. 4, pp. 2222-2232
Park Jong-young, March 2018, Analysis of Electrical Loads in the Urban Railway Station
by Big Data Analysis, Trans. of KIEE, Vol. 67, No. 3, pp. 460-468
Biography
He was born in Korea in 1994.
He received his B.S. degrees in Electrical Engineering from Gangneung-wonju National
University, Wonju, Korea in 2019, Currently, he is pursuing a M.S. degree at the Gangneung-Wonju
National University.
His research interests include power IT, IED, LVDC, Microgrid, PMU, power system modeling
and control, and AI application in power system. He is a member of the KIEE, and KIIEE.
Tel : (033)760-8796, Fax : (033)760-8781
E-mail : wodud7766@naver.com
He was born in Korea in 1990.
He received his B.S. and M.S. degrees in Electrical Engineering from Gangneung -Wonju
National University, Wonju, Korea, in 2014 and 2017.
At present, he is working on his Ph.D. in the Department of Electrical Engineering
at Gangneung -Wonju National University.
He is a teaching assistant at Gangneung-Wonju National University, since 2018.
His research interests include Smartgrid, LVDC, Microgrid, RES, PMU, AI application
of power system, power system modeling & control, and power system protection.
He is a member of the KIEE, KIIEE, and IEEE.
Tel : (033)760-8796, Fax : (033)760-8781
E-mail : point2529@naver.com
He was born in Korea in 1979.
At present, he is working as Manager at KEPCO, since 2004.
His research interests are RES, Smartgrid and PMU.
He is a member of the KIEE, and KIIEE.
Tel : (033)259-2515, Fax : (033)259-2514
E-mail : youngsu.kwon@kepco.co.kr
He was born in Korea in 1968.
At present, he is working as Senior Manager at KEPCO, since 1988.
His research interests are DG, Smartgrid and PMU.
He is a member of the KIEE, and KIIEE.
Tel : (033)259-2511, Fax : (033)259-2514
E-mail : boohyun.yun@kepco.co.kr
He was born in Korea in 1968.
At present, he is working as General Manager at KEPCO, since 1987.
His research interests are Smartgrid, PMU, protection & control.
He is a member of the KIEE, and KIIEE.
Tel : (033)259-2510, Fax : (033)259-2514
E-mail : boohyun.yun@kepco.co.kr
He was born in Korea in 1961.
He received his B.S., M.S. and Ph.D. degrees in Electrical Engineering from Sungkyunkwan
University, Seoul, Korea, in 1988, 1990, and 1996, respectively.
From 1989 to 1993 he was an associate researcher at Lucky GoldStar Industrial Systems.
From 1993 to 1996, he was a senior researcher at PROCOM system and lecturer at S.K.K.
University.
At present, he is a professor in the Department of Electrical Engineering at Gangneung-Wonju
National University, since 1997.
His research interests include IED, SAS, Hybrid AC-DC power grid, RES, PMU, AI application
to power grid, power grid modeling & control, and computer application in power grid.
He is a member of the KIEE, KIIEE, KIPE, and IEEE.
He is president of PSPES since 2018.
He is president of the Faculty Council at Gangneung-Wonju National University.
Dr. Park was awarded the Paper Prize of KIEE in 2010, the Paper Prize of the KOFST
in 2017, and an Academic Prize of KIIEE in 2018.
Tel : (033)760-8786, Lab : (033)760-8796
Fax : (033)760-8781, Off : (033)640-2972
E-mail : cwpark1@gwnu.ac.kr