2.1 AC 마이크로그리드 구성

본 연구에서 고려한 마이크로그리드 형상은 Fig. 1과 같다. 해당 시스템은 PV 발전원, ESS와 부하로 구성되어 있다. 계통의 연결여부에 따라 Fig. 1과 같은 시스템은 독립형 (Islanded Mode) 또는 계통연계모드 (Grid Connected Mode)로 운영될 수 있으나, 본 연구에서는 독립형 모드로 동작되는 전력시스템에 대해서 고려한다.

Fig. 1. AC microgrid

독립형 모드로 동작하는 마이크로그리드의 안정적인 운영을 위해서는 발전과 수요간의 전력균형 (Power Balance)이 유지되어야 한다. 높은 변동성을 지니는 PV 전원이 연결된 Fig. 1과 같은 시스템에서는 ESS를 활용하여 전력균형이 유지되도록 설계 및 운영하는 것이 일반적이다. 부하 수요전력이 신재생 에너지원의 출력보다 큰 경우에는 ESS에서 전력을 공급하게 되며, 수요전력이 신재생 에너지원의 출력보다 작은 경우에는 적용되는 시스템 제어 기법에 따라 각 전원에서 일정 비율만큼 출력하도록 전력시스템에서의 에너지 흐름이 제어되어야 한다.

전력시스템의 성능은 해당 시스템에 적용되는 제어기법의 특성에 따라 좌우된다. 전력시스템의 성능을 특성화할 수 있는 다양한 성능지표가 있으나, 본 연구에서는 ESS의 SOC 수준과 경제성을 고려하였다. 동일한 운영조건에 대해서 높은 수준의 SOC가 확보될 경우에는 갑작스러운 에너지원의 차단이 발생하는 경우나 고장이 발생할 경우에는 ESS의 방전을 통하여 부하에 에너지를 공급할 수 있는 시간이 높아지기 때문에 시스템의 신뢰성 향상에 기여할 수 있다. 경제성은 해당 분산전원을 운영하는 전기판매사업자의 입장에서는 운영을 통해 발생되는 판매수익 향상에 기여할 수 있다는 점에서 시스템의 성능을 분석함에 있어서 중요한 평가기준으로 고려할 수 있다.

2.2 퍼지제어기 설계

본 연구에서 고려한 퍼지 제어기의 블록도는 Fig. 2와 같다. 본 논문에서는 태양광 발전시스템과 ESS가 있는 Fig. 1과 같은 형상의 마이크로그리드를 기준으로 퍼지제어기를 구성하였고, 퍼지제어기의 입력변수로는 일사량과 부하수요전력($P_{LOAD}$)을 고려하였다. 일사량의 경우에는 태양광 발전 시스템의 출력에 직접적으로 영향을 끼친다는 점에서 선택하였으며, 부하수요전력은 ESS의 운영 프로파일 (충/방전) 및 SOC의 최종 값에 영향을 끼친다는 점을 고려하여 입력변수로 선택하였다. 제안한 퍼지제어기의 퍼지화 (Fuzzification) 단계에서 설정한 소속함수 (Membership Function)은 Fig. 3과 같이 정의하였으며, 퍼지제어기의 출력규칙은 Table 1과 같이 설정하였다. 역퍼지화 (De-Fuzzification)을 통하여 연산되는 퍼지제어기의 출력변수는 PV출력원과 ESS 간의 출력비율 K (0 <K <1)로 정의하였다. 즉, 본 연구에서 고려한 퍼지제어기는 일사량과 부하수요전력 정보를 활용하여 에너지원 간의 출력비율을 산출하는 역할을 담당한다.

Fig. 2. Fuzzy controller block diagram

Fig. 3. Fuzzy controller I/O membership function

(a) Irradiation (b) Demanded power of load(P$_{LOAD}$) (c) Output variable K

2.3 PV 에너지원의 출력지령 생성

본 연구에서 고려한 시스템을 구성하는 PV 전원의 지령 값은 퍼지제어기를 통해 연산된 K 값에 $P_{LOAD}$ 또는 시스템을 구성하는 에너지원의 출력가능전력의 합($P_{S}$)에 K를 곱하여 생성한다. $P_{S}>P_{LOAD}$ (생산가능출력이 부하보다 큼)인 경우에는 $P_{LOAD}$에 퍼지제어기의 출력 값인 K를 곱한 $K\times P_{LOAD}$ 값이 PV 전원의 지령으로 생성되는 반면, $P_{S}<P_{LOAD}$ (생산가능출력이 부하보다 작음)인 경우에는 $P_{S}$에 퍼지제어기의 출력 값인 K를 곱한 $K\times P_{S}$ 값이 PV 전원의 지령 값으로 사용된다.

3.1 시뮬레이션 구성

제안한 퍼지제어기의 성능을 확인하기 위해 MATLAB/SIMULINK를 이용하여 Fig. 4와 같은 시스템 형상을 대상으로 시뮬레이션을 진행하였다. 해당 시스템은 220$V_{rms}$, 60$Hz$ AC 마이크로그리드이며 PV의 출력가능용량은 25kW, ESS의 용량은 104kWh, ESS의 초기 SOC는 80%로 가정하였다.

태양광 발전출력은 충청북도 청주시 기상관측소의 2021년 07월 평균 데이터를 활용하였다^[15]. 06시부터 17시까지의 시간대별 월별 평균 온도·일사량 데이터를 이용하였으며 일사량 및 온도 변화 그래프는 Fig. 5와 같다. 본 연구에서는 2가지의 운영 시나리오를 아래와 같이 고려하였다.

Fig. 4. Circuit for simulation

Fig. 5. Change of irradiation and temperature

(a) Irradiation (b) Temperature

*. 시나리오 1: Fig. 5와 같은 실제 일사량 및 온도 변화에 따라 PV 출력이 변동하고 부하가 일정한 경우

*. 시나리오 2: 일사량을 최대값으로 일정하게 유지되는 전제하에 부하전력이 변동하는 경우

또한, 제안한 퍼지제어법칙 (Case 1)이 PV 발전원과 ESS간의 출력분담비율을 조건에 따라 가변적으로 출력하는 특성이 있음을 고려하여 PV 발전원과 ESS간의 출력분담비율을 1:1로 고정한 제어방식 (Case 2)과 1:3으로 고정한 제어방식 (Case 3)에 대한 시뮬레이션도 시나리오 1과 시나리오 2에 대해서 모두 실시하여 제안한 퍼지제어기법이 적용된 전력시스템에서의 성능에 대한 비교분석을 실시하였다.

3.2 시나리오 1

시나리오 1에 대하여 본 논문에서 제안하는 퍼지제어기가 적용된 결과는 Fig. 6을 통해 확인할 수 있다. 시간대별로 일사량 및 온도가 변화함에 따라, Table 1에서 언급한 퍼지제어기 출력규칙의 결과 값이 변화하게 된다. 해당 변화를 통해 PV와 ESS의 출력 지령값이 지정되게 되며, 이를 기반으로 실제 출력량을 Fig. 6(a)에서 확인할 수 있다. 퍼지제어기의 출력변수 K에 해당하는 비율만큼 각 전원이 전력을 공급하는 것을 해당 그래프에 나타낸 것이다. Fig. 6(a)에서 알 수 있듯이 09시를 기점으로 PV의 출력 전력이 증가하면서 ESS의 출력이 감소하는 것을 알 수 있다. 반면, 15시를 기준으로 PV의 출력가능전력이 점차 감소하게 되면서, ESS의 출력 전력량이 증가하고 PV의 출력 전력량이 감소하는 것을 볼 수 있다. 이는 퍼지제어기의 출력과 연관 지어 생각해 볼 수 있다. 일사량이 변화하게 되면서, 퍼지제어기의 출력 값은 Table 1의 퍼지제어기 출력규칙에 따라 변동하게 되며 이러한 K 값의 변화는 PV와 ESS의 출력 지령값의 변화를 발생시키게 된다.

Fig. 6. Results of scenario 1

(a) Each source’s output power of case 1(b) ESS SOC per case

동일한 시나리오에 대해서 시스템 제어기법이 ESS의 SOC 수준에 끼치는 영향성에 대한 분석을 위하여 제안한 퍼지제어기법(Case 1)을 적용한 경우와 비교를 위한 고려한 기존제어기법 (Case 2 와 Case 3)에 대한 시뮬레이션 수행 결과는 Fig. 6(b)와 같다. Fig. 6의 (b)에서는 제어기법별 ESS의 SOC의 변화양상을 확인해볼 수 있다. Fig. 6의 (b)에서 알 수 있듯이, 제안하는 퍼지제어기법을 사용할 경우, ESS의 SOC가 더 높게 확보되는 것을 알 수 있다.

3.3 시나리오 2

시나리오 2에 대하여 본 논문에서 제안하는 퍼지제어기가 적용된 결과는 Fig. 7에 제시되어 있다. 일사량 및 온도가 일정하다고 가정하고 부하의 수요전력이 5kW-10kW-3kW로 순차적으로 변화하는 경우를 가정하였으며, Fig. 7(a)에서 알 수 있듯이 부하수요전력의 변화에 따라 PV와 ESS의 출력이 변동됨을 확인할 수 있다. 퍼지제어기의 입력변수 중 하나인 일사량의 값이 고정되어 있는 상황이므로, 부하의 변동에 따라 퍼지제어기의 출력이 Table 1의 출력에 해당하는 값을 갖는 것을 확인해볼 수 있다.

Fig. 7. Results of scenario 2

(a) Each source’s output power of case 1 (b) ESS SOC per Case

시나리오 1과 동일하게 Fig. 5의 일사량을 이용하였고, 해당 값 중에서 최대 일사량 값을 활용하였다. 부하 변동에 따른 Case 1의 각 전원의 전력공급량 그래프를 Fig. 7의 (a)에서 확인할 수 있다. 퍼지제어기 출력변수 K에 의하여 부하 변동에 따른 각 전원의 출력전력이 변경되는 것을 알 수 있다. 또한, Fig. 7의 (b)에서는 제어기법별 ESS의 SOC 변화그래프를 확인할 수 있다. 시나리오 1에서와 마찬가지로, 퍼지제어기법을 사용할 경우, ESS의 SOC가 더 높게 확보되는 것을 알 수 있다.

3.4 성능비교 및 분석

시나리오 1과 시나리오 2에 대해서 본 논문에서 제안한 퍼지제어기를 적용한 경우와 3.1절에서 소개한Case 2와 Case 3이 적용된 경우의 성능을 비교한 결과는 Table 3과 같다. 본 연구에서는 최종 SOC 값과 판매수익이 제어기법에 따라 어떻게 변동되는지에 대해서 확인하였다. 판매수익의 경우에는 한국전력거래소에서 제공되는 계통한계가격 (System Marginal Price: SMP)와 신재생에너지 공급인증서 (Renewable Energy Certificate: REC) 가중치 정보를 활용하였으며 본 연구에서 고려된 REC 가격, 가중치 및 시간대별 SMP는 Table 2와 Fig. 8에서 확인할 수 있다^{[16, 17]}. Table 3에 제시된 바와 같이 본 연구에서 고려한 퍼지제어기법을 사용하면 시나리오 1의 경우, 최종 SOC가 Case 2 대비 약 4.19%, Case 3 대비 약 11.16% 높은 것을 알 수 있으며, 판매수익은 각각 약 0.51%, 약 1.28% 높은 것을 알 수 있다. 또한, 시나리오 2에서는 최종 SOC가 Case 2 대비 약 15.72%, Case 3 대비 약 28.33% 높은 것을 알 수 있으며, 판매수익은 각각 약 1.35%, 약 2.22% 높은 것을 알 수 있다. 이를 통하여, 본 논문에서 제안하는 퍼지제어기법을 사용하면 AC 마이크로그리드의 경제성 및 안정성을 확보할 수 있음을 확인할 수 있다.

Fig. 8. SMP per 1 hour