Mobile QR Code QR CODE : Journal of the Korean Institute of Illuminating and Electrical Installation Engineers

Journal of the Korean Institute of Illuminating and Electrical Installation Engineers

ISO Journal TitleJ Korean Inst. IIIum. Electr. Install. Eng.

  1. (Ph.D. Course, Department of Electrical Engineering, Gangneung-Wonju National University, Korea)



Big data, Correlation, Instantaneous voltage fluctuation rate, PMU, Power quality, Renewable energy sources

1. 서 론

최근 산업부는 1MW 이하 소규모 신재생발전 전력망 접속을 보장하겠다고 발표하였고 제8차 전력수급기본계획, 재생에너지 3020 이행계획 등을 통해 2030년까지 재생에너지 발전량 비중 20% 달성을 목표로 하고 있다. 한전에서도 재생에너지원을 우선 수용하는 “오픈 그린그리드” 정책을 추진하고 있다. 강원지역에서도 2025년까지 약 3GW의 재생에너지원이 연계될 예정에 있는 바, 대규모 민간 재생에너지원의 계통연계가 증가하는 추세에 있다. 이에 기존 송전 인프라의 포화와 재생에너지원의 계통연계가 증가함에 따라 전력품질이 떨어질 수 있다. 이러한 문제를 개선하기 위해서 현재 SCADA 및 RTU의 지원을 받아 전력계통을 운영하고 있지만, 이는 수 초 주기로 전압, 전류 등을 감시하고 있어 재생에너지원의 출력 변동으로 인한 전력품질 저하 문제를 분석하기 어렵다. 이를 위해 체계적이고 종합적인 전력품질 감시수단으로서 세밀하게 전력을 측정할 수 있는 시각 동기 페이저 기술이 주목받고 있다(1).

시각 동기 페이저 기술은 전압 및 전류 등의 신호를 GPS 시각 동기화하여 측정하는 기술로 1PPS (Pulse Per Second)의 정밀 시각정보가 요구된다(2). 시각동기화 위상측정기술은 IED (Intelligent Electronic Device) 및 고장점 표정장치 (Fault Location Device)에도 적용되고 있으며 PMU (Phasor Measurement Unit) 빅 데이터 기반 전력망 안정화, 감시 및 제어기술로서 전 세계적으로 주목받고 있다(3,4).

국내에서는 풍력발전기의 계통연계기준 (FRT : Fault Ride Through)을 고려한 순간전압강하 취약지역 분석(5), 독립형 마이크로그리드의 전력품질 감시를 위한 PMU(6)와 WAMAC 시스템의 PMU 측정 데이터 기반 전압 안정도 평가지수가 개발되었다(7). 최근 강원지역의 신재생발전 비중확대에 대비한 PMU 기반 재생에너지 전력계통 실시간 감시시스템이 구현되고 있다(8,9). 해외에서는 R언어를 이용하여 PMU 빅 데이터를 분석하는 방법(10), 기존 SCADA와 PMU를 비교하여 분석 및 데이터 활용 방법(11), PMU를 통한 고장점 표정방법(12), 스마트 그리드의 PMU 데이터 분석을 사용한 분산전원(Distributed Energy Resources)의 출력 전력의 불규칙성 검출(13) 등이 연구되고 있다.

본 논문에서는 강원지역의 재생에너지원 연계 용량이 증가함에 따라 전력계통에 미치는 영향을 알아보고자 한다. 먼저, 강원지역에 설치한 GPS 기반 PMU를 이용하여 빅 데이터를 수집한다. 다음으로 순간전압변동률, 상관관계 지수, 고조파함유율 등을 통하여 계통의 전력품질을 검토하고자 한다.

2. 상관관계 지수 및 순간전압변동률

2.1 상관관계 지수

상관관계 지수는 연속형 두 변수 간 일대일로 대응하는 상관관계를 확인하는 방법으로 변수의 특성을 대략적으로 파악할 수 있다. 한 변수가 증가할 때 다른 변수가 증가하면 양의 선형 상관관계, 한 변수가 증가할 때 다른 변수가 감소하면 음의 선형 상관관계라 표현 할 수 있으며 이 수치를 –1에서 1사이로 나타낸다. +1은 완벽한 양의 선형 상관관계, 0은 선형 상관관계 없음, -1은 완벽한 음의 선형 상관관계를 의미한다. 본 논문에서 사용하는 상관관계 지수는 식 (1)와 같이 계산된다(14).

(1)
$r=\dfrac{\sum_{i}(x_{i}-\overline{x})(y_{i}-\overline{y})}{\sqrt{\sum_{i}(x_{i}-\overline{x})^{2}}\sqrt{\sum_{i}(y_{i}-\overline{y})^{2}}}=\dfrac{1}{n}\sum_{i}z_{x_{i}}z_{y_{i}}$

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.

2.2 순간전압변동률

순간전압변동률은 급격한 전압변동을 수 주기에 걸친 기본파 전압 실효값의 변동으로 정의되며 실효값의 최대값과 최소값의 차이를 계통의 공칭전압에 대한 백분율로 나타낸다. 본 논문에서의 순간전압변동률은 총 12 주기이내의 최대값과 최소값의 차이를 공칭전압에 대한 백분율로서 식 (2)와 같이 계산된다.

(2)
$\dfrac{V_{\max}(k_{n-11}\cdots k_{n})- V_{\min}(k_{n-11}\cdots k_{n})}{nominal \enspace Voltage}\times 100[\%]$

3. 재생에너지원의 전력품질 분석

3.1 재생에너지원 분석

전력계통 실시간 모니터링 시스템(1)에서 취득되는 PMU 빅 데이터를 통하여 강원지역의 재생에너지원의 순간전압변동률을 분석하였다.

평일 및 주말의 부하가 다르기 때문에 나뉘어 분석하였으며 각 재생에너지원별 1주기 (16.67ms)로 샘플링된 데이터를 사용하였다. 표 1은 평일 기간 PV와 ESS가 연계된 양구 해안 D/L의 종합 분석을 보여준다. 표 1의 분석 결과, 주로 빈도가 나타난 구간은 순간전압변동률이 0∼0.1%, 유효전력 변화량이 0∼10kW, 무효전력 변화량이 0∼10kVar에서 변화가 나타났고 이 구간에서의 전압과 전류의 상관지수는 각각 0.3127, 0.3356, 0.3356이다. 순간전압변동률이 가장 높은 구간은 1.3%였으며 이때의 전압과 전류의 상관지수는 0.8701, 유효전력 변화량이 가장 높은 구간은 180kW였으며 이때의 전압과 전류의 상관지수는 0.9752, 무효전력 변화량이 가장 높은 구간은 40kVar였으며 이때의 전압과 전류의 상관지수는 0.7106으로 나타났다. 종합적인 결과, PV는 전력변환장치에 의해서 전압이 안정적으로 출력되고 있었으며 순간전압변동률이 1%가 넘는 구간은 ESS가 병입 또는 병해하면서 출력에 영향을 주어 전압이 변동되는 것으로 판단되었다.

Table 1. Comprehensive analysis table of Yanggu Coast D/L

PMU 15

12 Cycle

PMU 15

12 Cycle

PMU 15

12 Cycle

del_Va

빈도

VI

상관지수

del_Pa

빈도

VI

상관지수

del_Qa

빈도

VI

상관지수

0.0%

0.1%

3299503

0.3127

0

10

3205645

0.3356

0

10

3200518

0.3356

0.1%

0.2%

105174

0.4409

10

20

16949

0.5416

10

20

11918

0.3862

0.2%

0.3%

15015

0.3237

20

30

9980

0.4501

20

30

20241

0.5589

0.3%

0.4%

3414

0.3187

30

40

6

0.5998

30

40

10

0.7106

0.4%

0.5%

2863

0.3472

40

50

6

0.4681

40

50

0

0.0000

0.5%

0.6%

394

0.3814

50

60

3

0.5818

50

60

0

0.0000

0.6%

0.7%

20

0.7536

60

70

3

0.9337

60

70

0

0.0000

0.7%

0.8%

24

0.9624

70

80

7

0.9270

70

80

0

0.0000

0.8%

0.9%

31

0.9030

80

90

8

0.9699

80

90

0

0.0000

0.9%

1.0%

16

0.8806

90

100

2

0.9749

90

100

0

0.0000

1.0%

1.1%

16

0.6666

100

110

5

0.9822

100

110

0

0.0000

1.1%

1.2%

14

0.7690

110

120

5

0.9927

110

120

0

0.0000

1.2%

1.3%

14

0.8701

120

130

6

0.9910

120

130

0

0.0000

1.3%

1.4%

0

0.0000

130

140

8

0.9905

130

140

0

0.0000

1.4%

1.5%

0

0.0000

140

150

11

0.9869

140

150

0

0.0000

1.5%

1.6%

0

0.0000

150

160

5

0.9736

150

160

0

0.0000

1.6%

1.7%

0

0.0000

160

170

18

0.9821

160

170

0

0.0000

1.7%

1.8%

0

0.0000

170

180

20

0.9752

170

180

0

0.0000

1.8%

1.9%

0

0.0000

180

190

0

0.0000

180

190

0

0.0000

1.9%

2.0%

0

0.0000

190

200

0

0.0000

190

200

0

0.0000

2.0%

2.1%

0

0.0000

200

210

0

0.0000

200

210

0

0.0000

2.1%

2.2%

0

0.0000

210

220

0

0.0000

210

220

0

0.0000

2.2%

2.3%

0

0.0000

220

230

0

0.0000

220

230

0

0.0000

2.3%

2.4%

0

0.0000

230

240

0

0.0000

230

240

0

0.0000

2.4%

2.5%

0

0.0000

240

250

0

0.0000

240

250

0

0.0000

2.5%

2.6%

0

0.0000

250

260

0

0.0000

250

260

0

0.0000

2.6%

2.7%

0

0.0000

260

270

0

0.0000

260

270

0

0.0000

2.7%

2.8%

0

0.0000

270

280

0

0.0000

270

280

0

0.0000

2.8%

2.9%

0

0.0000

280

290

0

0.0000

280

290

0

0.0000

2.9%

3.0%

0

0.0000

290

300

0

0.0000

290

300

0

0.0000

3.0%

10.0%

0

0.0000

300

100000

0

0.0000

300

100000

0

0.0000

그림 1은 양구 해안 D/L에서 순간전압변동률이 1%가 넘은 구간을 보여준다. 저녁시간이 되어 ESS가 병입되면서 전압이 117V 상승하였고 출력이 약 200kW를 나타내고 있음을 알 수 있다.

Fig. 1. Voltage and power at Yanggu D/L
../../Resources/kiiee/JIEIE.2020.34.5.018/fig1.png

Table 2. Comprehensive analysis table of Daegi-ri #1 D/L

PMU 15

12 Cycle

PMU 15

12 Cycle

PMU 15

12 Cycle

del_Va

빈도

VI

상관지수

del_Pa

빈도

VI

상관지수

del_Qa

빈도

VI

상관지수

0.0%

0.1%

2441820

0.2502

0

10

81

0.3215

0

10

67

0.3829

0.1%

0.2%

11338887

0.2598

10

20

47235

0.2569

10

20

41906

0.2680

0.2%

0.3%

4269335

0.2769

20

30

1044427

0.2513

20

30

986799

0.2641

0.3%

0.4%

819240

0.2916

30

40

4218123

0.2530

30

40

4108792

0.2645

0.4%

0.5%

119812

0.3019

40

50

5995817

0.2590

40

50

6049672

0.2650

0.5%

0.6%

15800

0.3089

50

60

4421816

0.2676

50

60

4534275

0.2655

0.6%

0.7%

1854

0.3126

60

70

2143998

0.2784

60

70

2185554

0.2663

0.7%

0.8%

280

0.3038

70

80

798838

0.2903

70

80

788777

0.2669

0.8%

0.9%

105

0.3528

80

90

247909

0.3039

80

90

233562

0.2656

0.9%

1.0%

76

0.3590

90

100

67449

0.3153

90

100

60023

0.2661

1.0%

1.1%

63

0.3376

100

110

16818

0.3238

100

110

14113

0.2858

1.1%

1.2%

60

0.2578

110

120

3904

0.3373

110

120

3193

0.2698

1.2%

1.3%

15

0.2016

120

130

759

0.3625

120

130

622

0.3031

1.3%

1.4%

28

0.3898

130

140

220

0.4319

130

140

75

0.3562

1.4%

1.5%

15

0.5861

140

150

49

0.3598

140

150

10

0.3194

1.5%

1.6%

18

0.3761

150

160

5

0.3363

150

160

8

0.3678

1.6%

1.7%

7

0.5270

160

170

0

0.0000

160

170

0

0.0000

1.7%

1.8%

8

0.3360

170

180

0

0.0000

170

180

0

0.0000

1.8%

1.9%

3

0.7134

180

190

0

0.0000

180

190

0

0.0000

1.9%

2.0%

9

0.4880

190

200

0

0.0000

190

200

0

0.0000

2.0%

2.1%

2

0.3241

200

210

0

0.0000

200

210

0

0.0000

2.1%

2.2%

9

0.0540

210

220

0

0.0000

210

220

0

0.0000

2.2%

2.3%

2

0.0725

220

230

0

0.0000

220

230

0

0.0000

2.3%

2.4%

0

0.0000

230

240

0

0.0000

230

240

0

0.0000

2.4%

2.5%

0

0.0000

240

250

0

0.0000

240

250

0

0.0000

2.5%

2.6%

0

0.0000

250

260

0

0.0000

250

260

0

0.0000

2.6%

2.7%

0

0.0000

260

270

0

0.0000

260

270

0

0.0000

2.7%

2.8%

5

0.4393

270

280

0

0.0000

270

280

0

0.0000

2.8%

2.9%

1

0.2380

280

290

0

0.0000

280

290

0

0.0000

2.9%

3.0%

1

0.1946

290

300

0

0.0000

290

300

0

0.0000

3.0%

10.0%

5

0.1061

300

100000

12

0.1190

300

100000

12

0.1190

표 2는 평일 기간 풍력발전이 연계된 변전소 측에서 측정한 대기리 풍력 #1 D/L의 종합 분석을 보여준다. 표 2의 분석 결과, 주로 빈도가 나타난 구간은 순간전압변동률이 0∼0.3%, 유효전력 변화량이 30∼70kW, 무효전력 변화량이 30∼70kVar에서 변화가 나타났고 이 구간에서의 전압과 전류의 상관지수는 각 각 0.2625, 0.2622, 0.2652이다. 순간전압변동률이 가장 높은 구간은 3%이상이었으며 이때의 전압과 전류의 상관지수는 0.1061, 유효전력 변화량이 가장 높은 구간은 300kW이상이었으며 이때의 전압과 전류의 상관지수는 0.1190, 무효전력 변화량이 가장 높은 구간은 300kVar이상이었으며 이때의 전압과 전류의 상관지수는 0.1190으로 나타났다. 종합적인 결과, 풍력은 순간전압변동률이 태양광보다 0.2% 높게 나타났으며, 최대 3%이상인 경우도 있었다.

그림 2는 대기리 풍력 #1 D/L에서 순간전압변동률이 큰 경우를 보여준다. 그림 2에서 전압과 출력의 변화가 유사한 것으로 보아 출력이 전압에 영향을 크게 미치고 있음을 알 수 있다.

Fig. 2. Voltage and power at Daegi-ri #1 D/L
../../Resources/kiiee/JIEIE.2020.34.5.018/fig2.png

3.2 고조파에 의한 분석

각 재생에너지원별 전압 및 전류 THD를 1초 단위로 분석하였으며 재생에너지원의 영향을 알기 위하여 발전 중일 때와 발전하지 않을 때를 구분하여 분석하였다.

표 3은 고조파 분석 결과표를 보여준다. 표 3에서 영월 솔라 #1, #2가 발전하지 않는 새벽시간인 00:00∼04:00와 가장 발전량이 큰 12:00∼16:00에서의 전압 THD를 비교한 결과이다. 전반적으로 발전하지 않을 때의 전압 THD가 발전량이 클 때의 전압 THD보다 0.01∼0.5% 더 낮게 나타났음을 알 수 있다.

Table 3. Harmonic analysis result table considering generation time

THD [%]

영월 솔라 #1

영월 솔라 #2

V_R

V_S

V_T

V_R

V_S

V_T

2019. 8. 8. 00:00 – 04:00

1.233

1.294

1.212

1.180

1.003

1.025

2019. 8. 8. 12:00 – 16:00

1.305

1.178

1.315

1.292

1.059

1.188

2019. 8. 9. 00:00 – 04:00

1.098

1.111

1.186

1.286

1.288

1.287

2019. 8. 9. 12:00 – 16:00

1.144

1.053

1.197

1.457

1.300

1.470

2019. 8. 10. 00:00 – 04:00

1.288

1.294

1.255

1.222

1.059

1.155

2019. 8. 10. 12:00 – 16:00

1.587

1.425

1.535

1.721

1.573

1.669

2019. 8. 11. 00:00 – 04:00

1.166

1.236

1.133

1.420

1.260

1.362

2019. 8. 11. 12:00 – 16:00

1.353

1.276

1.349

1.507

1.328

1.444

2019. 8. 12. 00:00 – 04:00

1.210

1.219

1.301

1.298

1.131

1.158

2019. 8. 12. 12:00 – 16:00

1.359

1.233

1.313

1.323

1.207

1.321

4. 결 론

본 논문은 PMU기반 시스템 과제의 일부 결과로서, 강원지역의 재생에너지원에 대하여 순간전압변동률, 전력변화량, 고조파 분석 등을 통하여 전력품질을 검토하였다.

종합적으로 분석한 결과, 풍력이 태양광보다 순간전압변동률이 평균적으로 0.2% 높았으며, 풍력의 경우 허용기준 위반 사례도 있었다. 태양광의 경우 최대 1.3%까지 변동하지만 상세한 분석결과 ESS 병입 및 병해에 의한 전압변동이었다. 또한, PV 및 ESS에서는 순간전압변동률이 클수록 전압과 전류의 상관관계 지수가 높게 나타났다.

상관관계 지수가 0.7이상으로 강한 상관관계를 가질 경우가 있었지만 극히 빈도가 적어 아직 큰 문제가 없으나, 추후 재생에너지원의 연계가 많아질 경우, 계통에 영향이 크게 나타날 것으로 예상된다.

고조파 분석의 경우 재생에너지원이 발전할 때 고조파에 영향이 미치는 것을 알 수 있었으며, 아직은 미미한 영향이지만 대규모의 재생에너지원이 연계될 경우 크게 영향을 미칠 수 있어 대책마련이 시급하다.

Acknowledgements

References

1 
Park C.W, Kweon D.Y., Yun. B.H., August 2019, Development of Real-Time Monitoring and Analysis Control System New and Renewable Power Plants, KEPCO, Final Report, pp. 1-384Google Search
2 
Phadke A.G., Thorp J.S., January 2008, Synchronized Phasor Measurements and Their Applications, Springer, pp. 93-105Google Search
3 
Min J..M., 2019, 2, PMU Technology Overview and Status, PSPES Annual Conference and General Meeting 2019, pp. 1-21Google Search
4 
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. 16-23Google Search
5 
Park. S.J., Park C.H., Yoon M.H., Song C.S., Jang M.J., Jang G.S., 20137, Analysis of the area of vulnerability for the wind farm interconnection considering FRT requirements, KIEE Summer Conference, pp. 115-116Google Search
6 
Kang J.H., Jung K.C., Cha D.S., Oh S.Y., Kim. J.H., April 2017, A Development of PMU for Stand-alone Microgrid Power Quality Monitoring, KIEE EMECS Spring Conference, pp. 234-235Google Search
7 
Jung J.Y., Cho H.H., Lee. B.J., July 2018, Development of evaluation index based on PMU data, KIEE Summer Conference, pp. 176-178Google Search
8 
Park C.W, Kwon D.Y., Yun B.H., October 2019, Review of Instantaneous Voltage Regulation Ratio of PV Using PMU, KIEE PES Autumn ConferenceGoogle Search
9 
Park C.W, Kwon D.Y, December 2018, Development of Real-Time Monitoring and Analysis Control System New and Renewable Power Plants, KEPCO. 1st Report., pp. 1-176Google Search
10 
Bhuiyan Sharif M A, Khan Jesmin F, Murphy Gregory V, April 2017, Big Data Analysis of the Electric Power PMU Data from Smart Grid, SoutheastCon 2017, pp. 1-5DOI
11 
Kulkarni A.R., Ballal M.S., Rajurkar S.S., December 2017, Utilisation of PMU Data for Event Analysis:Indian Case Study, 2017 7th ICPS, pp. 776-781DOI
12 
Naseem Syed Atif, Eslampanah Raheleh, Uddin Rizaz, May 2018, Probability Estimation for the Fault Detection and Isolation of PMU-Based Transmission Line System of Smart Grid, 2018 5th International Conference on Electrical and Electronics Engineering, pp. 284-288DOI
13 
Cui Mingjian, Wang Jianhui, Tan Jin, Florita Anthony R., pp 454-466 January 2019, Novel Event Detection Method Using PMU Data With High Precision, IEEE Trans. on Power Systems, Vol. 34, No. 1, pp. 454-466DOI
14 
No K.S., June 2016, Basic statistics to start properly (Korean Edition), Hanbit Academy, pp. 1-312Google Search

Biography

Kyung-Min Lee
../../Resources/kiiee/JIEIE.2020.34.5.018/au1.png

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

Chul-Won Park
../../Resources/kiiee/JIEIE.2020.34.5.018/au2.png

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