이경민
(Kyung-Min Lee)
1
박철원
(Chul-Won Park)
†
-
(Ph.D. Course, Department of Electrical Engineering, Gangneung-Wonju National University,
Korea)
Copyright © The Korean Institute of Illuminating and Electrical Engineers(KIIEE)
Key words
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).
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.
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
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
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.
References
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.
1-384
Phadke A.G., Thorp J.S., January 2008, Synchronized Phasor Measurements and Their
Applications, Springer, pp. 93-105
Min J..M., 2019, 2, PMU Technology Overview and Status, PSPES Annual Conference and
General Meeting 2019, pp. 1-21
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., 20137, Analysis
of the area of vulnerability for the wind farm interconnection considering FRT requirements,
KIEE Summer Conference, pp. 115-116
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. 234-235
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
Park C.W, Kwon D.Y., Yun B.H., October 2019, Review of Instantaneous Voltage Regulation
Ratio of PV Using PMU, KIEE PES Autumn Conference
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. 1-176
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. 1-5
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. 776-781
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. 284-288
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. 454-466
No K.S., June 2016, Basic statistics to start properly (Korean Edition), Hanbit Academy,
pp. 1-312
Biography
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 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