3.1 Microgrid 운영 기법

본 논문은 Two-Step 구조의 인공신경망을 적용한 소규모 Hybrid AC/DC 마이크로그리드의 운영 기법을 제안한다. 마이크로그리드의 MGCC는 Two-Step 구조의 인공신경망으로 구성하였으며 1-Step의 인공신경망은 마이크로그리드의 운영 모드를 결정하고 2-Step의 인공신경망은 ESS의 충·방전 전력 지령을 결정하게 된다. 자세한 Two-Step 구조의 인공신경망은 3.2절에 나타내었다. 먼저 인터링킹 컨버터는 DC 배전망과 기존 AC 계통의 연계를 위해 필수적이며, 각 컨버터는 계통 연계 모드와 단독 운전 모드 각각 운전 모드에 따라 제어 방법이 결정된다.

계통 연계 시 인터링킹 컨버터는 DC 배전망의 전압 제어와 AC 계통 전류 제어를 수행하고 PV, WT 컨버터는 최대 전력점 추종(Maximum Power Point Tracking, MPPT) 제어를 수행하며, ESS는 MGCC의 지령에 의해 충·방전 전력을 결정하게 된다. 단독 운전 모드의 경우 인터링킹 컨버터는 AC 전압을 제어하게 되며, WT 컨버터가 DC 배전망의 전압을 제어하게 된다. PV 컨버터는 모드에 따라 MPPT 제어와 전력 제한 모드로 동작하게 된다. 자세한 운영 모드는 3.3절에 나타냈다. 그림 2는 Two-Step 구조의 MGCC와 Hybrid AC/DC 마이크로그리드의 전체 구성도를 나타낸다.

Microgrid State($MG_{state}$)는 4가지로 나누어지며 0, 1은 계통 연계 모드에 해당하고 2, 3은 단독 운전 모드에 해당한다. 계통 연계 모드와 단독운전은 주 AC 계통의 Fault 유무에 의해 결정된다. 계통 연계 모드의 경우 인터링킹 컨버터는 DC 전압을 유지하기 위해 약 400W를 계통으로부터 수전을 받게 된다. 수전 받는 최소 전력량에 2.5배의 마진을 두어 1kW 이하라면 마이크로그리드 내에서 자체적으로 전력 수급이 가능한 상황으로 상정하였으며, 수전 받는 전력은 $P_{ILC}$로 표현하였고, $MG_{state}$는 0이다. 계통 연계 운전의 경우 ESS의 SOC는 단독 운전 모드로의 절환을 대비해 50% 이상으로 유지해야 한다. ESS의 SOC가 50% 이하라면 ESS의 SOC가 80%가 될 때까지 AC 계통으로부터 전력을 수전 받아 ESS를 충전하고 DC 부하에 전력을 공급하며 해당 상황의 $MG_{state}$는 1이다. 이와 같이 $MG_{state}$를 분리한 이유는 AC 계통으로부터의 전력 수전을 최소화하여 경제적인 마이크로그리드의 이점을 최대화하기 위함이다.

주 AC 계통 Fault로 인해 AC 계통이 차단된 경우 마이크로그리드는 단독으로 운전하게 된다. 기존 계통 연계 모드와 같이 전력을 수전하거나 회생할 수 없으므로 마이크로그리드의 전력 상황을 상시 파악해야한다. 마이크로그리드의 분산 발전원의 발전량보다 부하 수요량이 크고 ESS의 SOC가 20% 이하로 떨어져 전력을 공급할 수 없는 상황에선 마이크로그리드의 배전망 전압의 강하 혹은 ESS의 과방전이 일어나게 되므로 비중요 부하를 차단해야 한다. 이러한 상황에서 비중요 부하의 차단과 연계 기준을 명확히 하지 않다면 차단과 연계가 ESS의 SOC에 따라 무한히 반복되는 상황이 일어날 수 있으므로 $MG_{state}$를 통해 부하의 상태를 상시 알아야 한다. 앞의 이유로 단독 운전 시에도 $MG_{state}$를 2와 3으로 나누어 나타냈다. $MG_{state}$가 2일 경우 부하 연계 상황을 의미하며 $MG_{state}$가 3일 경우 부하가 차단된 상황을 의미한다. 표 1은 각 상황 별 $MG_{state}$를 나타낸다.

3.2 Two-Step 구조의 인공신경망

본 논문에서 제안하는 Hybrid AC/DC 마이크로그리드의 운영 알고리즘에 적용되는 인공신경망은 Mathwork 社의 Deep Learning Tool Box를 사용하여 학습을 진행하였다. 인공신경망의 학습은 역전파 기법을 사용하였으며, Levenberg-Marquardt 학습 알고리즘을 사용하였다.

3.3 Microgrid 운영 모드

계통 연계 시 인터링킹 컨버터는 DC 마이크로그리드의 전압을 380V로 제어하고 AC 계통의 전류 제어를 수행한다. 각 분산 발전원은 MPPT 제어를 수행하며, ESS는 SOC와 발전 전력과 부하 전력에 따라 충·방전 동작을 수행하게 된다.

계통 연계 모드는 AC 계통에서 전력을 수전 받지 않는 상황($MG_{state}$가 0일 경우)과 AC 계통에서 수전을 받는 상황($MG_{state}$가 1일 경우)으로 나누어 동작하게 된다. ESS의 SOC가 충분한 경우 MGCC의 지령에 의해 충·방전 동작을 수행하게 되며 마이크로그리드 내의 전력이 충분하므로 AC 계통으로 수전받지 않아 $MG_{state}$가 0이 된다. ESS의 SOC가 50% 이하인 경우 ESS는 SOC가 80%가 될 때까지 충전 동작만 수행하게 되며 계통으로부터 부족 전력을 수전 받기 때문에 $MG_{state}$가 1이 된다. 그림 8과 9는 ESS의 충·방전 동작 시 전력 흐름도를 나타내고 있다.

AC 계통에 사고가 일어나게 되면 Main AC Grid MC가 차단되고, 마이크로그리드는 단독운전을 하게 된다. 단독 운전 시 경우 WT 컨버터가 DC 마이크로그리드의 전압을 380V로 제어하고, 인터링킹 컨버터는 AC 전압을 선간 220V로 제어를 수행하게 된다.

Mode 3은 ESS의 SOC가 20% 이상 90% 이하인 경우 동작하며, ESS는 MGCC에 의해 충·방전 동작을 수행하게 된다. 그림 10은 Mode 3으로 동작 시 마이크로그리드의 전력 흐름도를 나타내고 있다.

Mode 3 발전량 제한 모드는 단독 운전 모드로 동작 중 SOC가 90% 이상이거나 분산 발전원의 발전 전력이 부하 수요 전력 높아 더 이상 충전할 수 없음에도 잉여 전력이 존재할 때, 분산 발전원의 발전량을 강제로 부하 전력량 만큼 제한하는 동작을 수행하는 모드이다. 해당 모드는 ESS의 과충전과 마이크로그리드의 전압 상승을 방지하는 역할을 하게 된다. 그림 11은 해당 모드로 동작할 때의 전력 흐름을 나타내고 있다.

Mode 5 부하 차단 모드는 마이크로그리드가 단독 운전 모드로 동작 중 ESS의 SOC가 20% 이하이면서 부하 전력이 발전 전력보다 큰 상황이면 부하에 전력을 공급할 수 없으므로 부하 차단 동작을 수행하는 모드이다. 해당 모드는 중요 부하를 제외한 모든 AC와 DC 부하를 계통에서 차단시키고 ESS의 충전을 우선적으로 하게 된다. 해당 모드로 동작하여 부하가 차단되게 되면 $MG_{state}$는 4가 되고, ESS의 SOC가 50%가 될 때까지 해당 모드로 동작하게 된다. ESS의 SOC가 50%까지 충전되면 Mode 3으로 절환되며 비중요 부하를 다시 연계하여 전력을 공급하게 된다. 그림 12는 해당 모드로 동작 시 전력 흐름도를 나타내고 있다.

계통 연계 시와 단독 운전 시의 특징을 표 2와 같이 나타나며 부하전력은 $P_{Load}$, 분산발전원의 발전 전력은 $P_{DG}$로 나타내었다.

4.1 계통 연계 시 실험 결과

그림 2의 주 AC 계통이 연계되어 있는 상황을 모의하기 위해 계통을 연계하여 실험을 진행하였다. 계통 연계의 경우 DC 전압은 인터링킹 컨버터가 제어를 수행하며 WT 컨버터와 PV 컨버터는 MPPT 제어를 수행하게 된다.

그림 14는 계통 연계 시 마이크로그리드가 MGCC를 통해 개별 컨버터들과 연계운전을 하는 실험 파형으로 ESS의 SOC가 50% 이상인 상황에서 인공신경망의 지령에 따라 모드와 ESS의 충·방전 전력 지령이 결정되며, Mode 1과 Mode 2 사이에서 절환되는 실험 파형을 보인다. 그림 14 (a)는 인공신경망의 입력인 MG State와 SOC, 출력인 Mode와 ESS Power Reference를 나타내고 있으며, 그림 14 (b)는 DC 전압과 ESS, 분산발전 컨버터의 출력 전류, DC 부하 전류 파형을 나타내고 있다. 실험에서 각 전력변환 장치의 전력 흐름의 변화는 표 4와 같다.

$t_{1}$시점에 인공신경망이 투입되며, $t_{1}$∼$t_{2}$ 구간에서 부하 전력이 발전 전력보다 커서 ESS가 부하 전력을 감당하게 된다. $t_{2}$∼$t_{3}$구간은 발전 전력이 부하 전력보다 크게 되어 ESS는 충전 동작을 진행하게 된다. $t_{3}$ 이후 구간에서는 $t_{1}$∼$t_{2}$ 구간과 같은 동작을 수행하게 된다.

그림 15는 계통 연계 시 $t_{2}$ 시점에 ESS의 SOC가 50% 이하가 되어 부하가 존재함에도 불구하고 계통에서 수전 받아 ESS를 강제로 충전하기 시작하며 인터링킹 컨버터의 전력에 의해 MG State는 1로 변경되는 실험 파형을 나타낸다. 그림 15 (a)는 인공신경망의 입력인 MG State와 SOC, 출력인 Mode와 ESS Power Reference를 나타내고 있으며, 그림 15 (b)는 DC 전압과 ESS, 분산발전 컨버터의 출력 전류, DC 부하 전류 파형을 나타내고 있다. 실험에서 각 전력변환 장치의 전력 흐름의 변화는 표 5와 같다.

$t_{1}$시점에 인공신경망이 투입되며, 모든 구간에 발전 전력보다 부하 전력이 큰 상황임에도 $t_{2}$시점에 SOC가 50%가 되어 단독 운전 모드로의 절환을 대비하기 위해 ESS를 충전 동작을 수행하게 된다.

그림 16은 계통 연계 시 ESS의 SOC가 50% 이하가 되어 계통에서 수전 받는 중 $t_{2}$ 시점에서 SOC가 80% 까지 충전된 후 ESS의 충·방전이 정상적으로 이루어지는 실험 파형을 나타낸다. 그림 16 (a)는 인공신경망의 입력인 MG State와 SOC, 출력인 Mode와 ESS Power Reference를 나타내고 있으며, 그림 16 (b)는 DC 전압과 ESS, 분산발전 컨버터의 출력 전류, DC 부하 전류 파형을 나타내고 있다. 각 전력변환 장치의 전력 흐름의 변화는 표 6과 같다.

$t_{1}$ 시점에서 인공신경망이 투입되며, $t_{1}$∼$t_{2}$구간 동안은 AC 계통에서 수전받아 ESS를 충전하고 $t_{2}$ 시점에서 ESS의 SOC가 80%가 되어 충전 MG State는 0으로 변경되고 ESS는 발전 전력과 부하 수요에 따라 충·방전 동작을 수행하게 된다.

4.2 단독 운전 시 실험 결과

그림 2에서 주 AC 계통의 Fault 상황을 모의하기 위해 AC 계통을 차단하고 실험을 진행하였다. 단독 운전의 경우 DC 전압 제어는 WT 컨버터가 수행하며 인터링킹 컨버터는 AC 전압 제어를 수행하게 된다. 그림 17은 단독 운전 시 ESS의 SOC가 20% 이상 90% 이하인 상황에서 인공신경망의 지령에 따라 모드와 ESS의 충·방전 전력 지령이 결정되는 Mode 3의 실험 파형을 나타낸다. 그림 17 (a)는 인공신경망의 입력인 MG State와 SOC, 출력인 Mode와 ESS Power Reference를 나타내고 있으며, 그림 17 (b)는 AC와 DC 배전망의 전압과 ESS, 분산발전 컨버터의 출력 전류 파형을 나타내고 있다. 표 7은 각 전력변환 장치의 전력 흐름의 변화를 나타낸다.

$t_{1}$시점에 인공신경망이 투입되며, $t_{1}$∼$t_{2}$ 구간과 $t_{3}$∼$t_{4}$에서 발전 전력이 부하 전력보다 커서 ESS가 충전 동작을 수행하며, $t_{2}$∼$t_{3}$구간과 $t_{4}$구간 이후는 부하 전력이 발전 전력보다 크게 되어 ESS는 부하를 감당하게 된다. 그림 18은 AC 계통의 상전압과 각 상황에 따른 부하 전류를 나타낸다.

그림 19는 단독 운전 시 ESS의 SOC가 90% 이상이 되면 배전망의 전압 상승과 ESS의 과충전이 우려되어 분산 발전원의 발전 전력을 부하 전력만큼 제한하여 ESS가 충전 동작을 수행하지 않도록 하는 Mode 4의 실험 파형을 나타낸다. 그림 19 (a)는 인공신경망의 입력인 MG State와 SOC, 출력인 Mode와 ESS Power Reference를 나타내고 있으며, 그림 19 (b)는 AC와 DC 배전망의 전압과 ESS, 분산발전 컨버터의 출력 전류 파형을 나타내고 있다. 표 8은 각 전력변환 장치의 전력 흐름의 변화를 나타낸다.

$t_{1}$시점에 인공신경망이 투입되고, $t_{1}$∼$t_{2}$ 구간에서는 Mode 3으로 동작되며, 발전 전력이 부하 전력보다 커서 ESS는 충전 동작을 수행하다가 $t_{2}$ 시점에서 ESS의 SOC가 90% 이상이 되어 Mode 4로 절환 되고 PV 컨버터는 출력 전력을 부하 수요 전력만큼으로 제한되어 ESS는 충전 동작을 멈추게 된다. $t_{2}$∼$t_{3}$구간 동안 Mode 4를 유지하다 $t_{3}$ 시점에서 부하 전력이 PV 최대 발전 전력보다 커지게 되므로 PV 컨버터는 출력 전력을 2kW로 제어를 수행하고 ESS는 방전동작을 수행하게 된다. $t_{4}$이후 구간에서 ESS의 SOC가 90% 이하로 떨어지게 되어 mode 3으로 절환 된다. 그림 20은 AC 계통의 상전압과 각 상황에 따른 부하 전류를 나타낸다.

그림 21은 단독 운전 시 ESS의 SOC가 20% 이하가 되면 배전망의 전압 강하와 ESS의 과방전이 우려되어 부하를 차단하고 ESS는 충전 동작을 수행하는 Mode 5의 실험 파형을 나타낸다. 그림 21 (a)는 인공신경망의 입력인 MG State와 SOC, 출력인 Mode와 ESS Power Reference를 나타내고 있으며, 그림 21 (b)는 AC와 DC 배전망의 전압과 ESS, 분산발전 컨버터의 출력 전류 파형을 나타내고 있다. 표 9는 각 전력변환 장치의 전력 흐름의 변화를 나타낸다.

$t_{1}$시점에 인공신경망이 투입되고, $t_{1}$∼$t_{2}$ 구간에서는 Mode 3으로 동작하며, $t_{2}$ 시점에서 ESS의 SOC가 20%가 되어 Mode 5로 절환된다. 해당 모드에서는 중요 DC 부하를 제외한 나머지 부하는 강제로 차단되고 ESS는 SOC가 50%가 될 때까지 충전 동작을 우선적으로 수행하게 된다. 그림 22는 AC 계통의 상전압과 각 상황에 따른 부하 전류를 나타낸다.

그림 23은 단독 운전 시 Mode 5로 동작하는 경우 ESS의 SOC가 50%가 될 때까지 부하를 차단하고 ESS의 충전 동작을 우선적으로 수행하다가 SOC가 50%가 되면 동작 모드가 Mode 3으로 절환되며 부하를 다시 연계하고 ESS는 충·방전 동작을 수행하는 실험 파형을 나타낸다. 그림 23 (a)는 인공신경망의 입력인 MG State와 SOC, 출력인 Mode와 ESS Power Reference를 나타내고 있으며, 그림 23 (b)는 AC와 DC 배전망의 전압과 ESS, 분산발전 컨버터의 출력 전류 파형을 나타내고 있다. 표 10은 각 전력변환장치의 전력 흐름의 변화를 나타낸다.

$t_{1}$시점에 인공신경망이 투입되고, $t_{1}$∼$t_{2}$ 구간에서는 Mode 5로 동작하며, $t_{2}$ 시점에서 ESS의 SOC가 50%가 되어 Mode 3으로 절환된다. 해당 모드에서는 다시 모든 부하가 연계되며 ESS는 충·방전 동작을 수행하게 된다. 그림 24는 AC 계통의 상전압과 각 상황에 따른 부하 전류를 나타낸다.