2.1 154kV 변전소의 고정밀 감시시스템

Fig. 1은 154kV 영광 변전소의 단선도를 나타낸다. Fig. 1과 같이, 영광 변전소는 T/L 구역, M.Tr 구역, D/L 구역 총 3개의 구역으로 구분되는데, 총 35대의 PMU를 설치하였다. T/L 구역에는 백수풍력, 재원태양광, 함구미 태양광이 연계되어 있으며, D/L 구역에는 호남풍력, DSE(태양광), 전남 T/P(태양광)이 연계되어 있다^[2].

Fig. 1. Single line diagram of 154kV Yeonggwang substation

2.2 시각동기 페이저 데이터의 수집 및 전처리

변전소에서 저장된 시각동기 페이저 데이터는 PMU의 내부연산 과정을 통해서 CSV 형식의 파일로 저장된다. Fig. 2는 영광 변전소 1차 Raw 데이터의 구조를 나타낸다. Fig. 2와 같이, 35대의 PMU에서 저장된 파일들은 모두 동일한 주기의 TimeTag를 기반으로 수집 당일 00시00분00초부터 24시간동안 1초에 60개씩 각각 3상 전압ㆍ전류의 동기페이저, 주파수, 주파수 변화율, PMU ID 및 PMU 상태 등의 23가지 데이터를 수집한다. 즉, PMU 기반 상태감시 시스템을 통해 5,184,000 × 23의 크기의 1차 Raw 데이터는 CSV 파일이 매일 35개씩 저장되게 된다^[2].

Fig. 2. Structure of Yeonggwang substation raw data

1차 Raw 데이터는 방대한 양으로 PMU 1대의 모든 정보가 나열되어 있으므로, 원하는 정보를 서로 비교하기 위해서는 해당 파일을 일일이 읽어야 하는 번거로움이 있어서 시간이 오래 걸린다. 따라서 시간을 기준으로 35대의 PMU로부터 수집되는 데이터를 편하게 확인하기 위하여, 35대의 별도 데이터를 병합하여 Snapshot 형식의 데이터 구조로 변환하는 전처리를 수행해야 한다. 따라서, 하나의 1차 Raw 데이터에서, 24시간 데이터를 Timetag를 기준으로, 35대의 PMU에서 3상 전압의 크기, 3상 전압의 위상각, 3상 전류의 크기, 3상 전류의 위상각, 주파수, 주파수 변화율을 추출하여 6개의 파일로 재구성하였다. 즉, 전처리한 6개의 5,184,000 × 106 × 6 형태에서, 106은 기준으로 삼은 Timetag 포함 35대의 3상 전압의 크기, 3상 전압의 위상각, 3상 전류의 크기, 3상 전류의 위상각, 주파수, 주파수 변화율을, 6은 6개의 파일을 나타낸다.

3.1 계통현상 분석

변전소의 시각동기 페이저 데이터로는 정상상태, 고장상태, M.Tr 탭 상승 및 탭 하강, 발전 및 정지의 총 6가지 계통현상 등을 알 수 있다. 고장상태는 송전선로 고장에 의한 재폐로 동작을 나타낸다. M.Tr 탭 상승 및 탭 하강은 OLTC 동작에 의한 것으로 Tap 당 1.25%의 전압이 상승 또는 하강한다. 발전은 발전원이 연계된 선로에서 전류가 나타나는 시점 또는 (-)에서 (+)로 전류 방향이 바뀌는 시점이며, 정지는 전류가 0으로 감소하는 시점 또는 (+)에서 (-)로 전류 방향이 바뀌는 시점이 된다.

3.1.1 고장상태

Fig. 3은 고장상태의 전압 및 전류를 나타낸다. Fig. 3과 같이, 2023년 7월 11일 11시 02분 48초에 고장이 발생하여, 전압은 90,491V에서 70,134V로 20,357V(22.5%) 감소하였고, 전류는 89.84A에서 283.96A로 194.12A 상승하는 것을 알 수 있었다.

Fig. 3. Voltage and current in fault condition

3.1.2 M.Tr 탭 상승

Fig. 4는 M.Tr 탭 상승의 전압 및 전류를 나타낸다. Fig. 4와 같이, 2023년 7월 12일 9시 49분 28초에 탭이 상승하여, 전압은 13,095V에서 13,269V로 174V(1.31%) 상승하였고, 전류는 328.92A에서 323.88A로 5.04A 감소하는 것을 알 수 있었다. 또한 탭이 상승하는데 걸리는 시간은 4cycle (66.68ms)임을 확인할 수 있었다.

Fig. 4. Voltage and current in M.Tr tap-up

3.1.3 M.Tr 탭 하강

Fig. 5는 M.Tr 탭 하강의 전압 및 전류를 나타낸다. Fig. 5와 같이, 2023년 7월 14일 17시 25분 18초에 탭이 하강하여, 전압은 13,479V에서 13,318V로 161V(1.21%) 감소하였고, 전류는 90.974에서 92.97A까지 상승하였다가 92.22A로 유지되는 것을 알 수 있었다. 또한, 탭이 감소하는데 걸리는 시간은 3cycle (50ms)임을 확인할 수 있었다.

Fig. 5. Voltage and current in M.Tr tap-down

3.1.4 발전

Fig. 6은 발전시 전압 및 전류를 나타낸다. Fig. 6과 같이, 전압은 변동이 없었으며, 전류는 0A에서 약 6A로 상승하는 것을 알 수 있었다.

Fig. 6. Voltage and current in power generation

3.1.5 발전 정지

Fig. 7은 발전 정지시 전압 및 전류를 나타낸다. Fig. 7과 같이, 전압은 변동이 없었으며, 전류는 6A에서 0A로 감소하는 것을 알 수 있었다.

Fig. 7. Voltage and current in power stop

3.2 154kV 변전소의 입출력의 전력 차이 비교

시각동기 페이저 데이터를 기반으로 전압과 전류의 크기, 위상을 이용하여 전력을 계산하고 영향을 분석하였다. 영광 변전소의 M.Tr 1차측에 CT 설치가 불가능하여, 전류를 측정하지 못하였기 때문에 이 유형이 선택되었다. 한편, 송전 모선의 손실이 작을 것으로 생각되나, T/L과 M.Tr 2차측 전력 차이를 비교하였다^[2].

Fig. 8은 2023년 7월 11일 11시∼11시 5분의 전력 비교 파형을 나타낸다. Fig. 8과 같이, T/L의 유효전력 평균은 -53.17MW, M.Tr 2차측의 유효전력 평균은 57.28MW, 유효전력 차이의 평균은 4.11MW이다. 유효전력 차이는 20.083초에서 43.92MW로 가장 큰 것을 알 수 있었다.

Fig. 8. Result of power comparison of T/L and M.Tr secondary side

3.3 순간전압변동률을 이용한 통계적 분석

순간전압변동률은 급격한 전압변동을 수 주기에 걸친 기본파 전압 실효값의 변동으로 정의된다. 이동 윈도우 (Moving Window) 기법을 이용하여 12주기 이내 전압의 최대값과 최소값의 차이를 계통의 공칭전압($V_{n}$)에 대한 백분율로 표현되는 순간전압변동률($V_{change}$)은 식 (1)과 같이 나타낼 수 있다.

여기서, $V_{\max}(k_{n-11},\: \cdots ,\: k_{n})$는 12주기 이내 전압의 최대값, $V_{\min}(k_{n-11},\: \cdots ,\: k_{n})$은 전압의 최소값이다.

3.3.1 박스플롯

박스플롯(Box plot)은 데이터 분포를 시각화하는 데 사용되는 통계기법이다. 데이터, 중앙값 및 이상값의 분포를 식별하는 데 사용할 수 있으며, 상범위에서 벗어나는 Outlier 값의 유무 확인과 계통 전압이 어느 수준에서의 유지 여부를 확인한다. Fig. 9는 2023년 7월 11일 11시∼11시 5분의 박스플롯 결과를 나타낸다. Fig. 9와 같이, 순간전압변동률의 최대치는 각각 5.361%, 5.078%, 5.260%, 제3사분위수는 각각 0.066%, 0.065%, 0.065%, 중앙값은 각각 0.056%, 0.054%, 0.055%이었다.

Fig. 9. Boxplot results for July 11st

Fig. 10은 2023년 7월 16일 14시 24분∼15시 7분의 박스플롯 결과를 나타낸다. Fig. 10과 같이, 순간전압변동률의 최대치는 각각 9.795%, 3.404%, 6.115%, 제 3사분위수는 각각 0.084%, 0.086%, 0.085%, 중앙값은 각각 0.064%, 0.066%, 0.065%이었다.

Fig. 10. Boxplot results for July 16th

3.3.2 커널밀도

커널밀도 추정(KDE, Kernel Density Estimation)은 non-parametric 밀도추정 방법 중 하나로서 커널함수를 이용하여 히스토그램 방법의 문제점을 개선한 방법이다. 수학적으로 커널함수는 원점을 중심으로 대칭이면서 적분값이 1인 non-negative 함수로 정의된다. Fig. 11은 2023년 7월 11일 11시∼11시 5분의 커널밀도 결과를 나타낸다. Fig. 11과 같이, 커널밀도의 최대값은 각각 0.054%에서 16.825, 0.054%에서 16.338, 0.046%에서 16.177이었다.

Fig. 11. Kernel density results for July 11st

Fig. 12는 2023년 7월 16일 14시 24분∼15시 7분의 커널밀도 결과를 나타낸다. Fig. 12와 같이, 커널밀도의 최대값은 각각 0.064%에서 13.543, 0.056%에서 14.065, 0.071%에서 13.185이었다.

Fig. 12. Kernel density results for July 16th

3.4 결과 및 고찰

154kV 변전소의 영향을 분석하기 위하여, 시각동기 페이저 데이터 기반 정상상태, 고장상태, M.Tr 탭 상승 및 탭 하강, 발전 및 정지 등의 6가지 계통현상을 다양하게 분석하였다. 각 계통현상 중의 고장상태의 경우, 전압이 20,357V(22.5%) 만큼 감소하였고, 전류는 194.12A (28.8%) 만큼 증가하는 경향을 나타났다. M.Tr 탭 상승 및 탭 하강의 경우, 탭 변환에 따라, 약 166V(1.25%)의 전압이 증가하거나 감소하였다. 발전 및 정지의 경우, 전류가 (-)에서 (+) 변경되거나, 0으로 감소하였다. T/L과 M.Tr 2차측의 입출력 전력 차이, 즉, 전력 손실을 비교한 결과, 정상상태의 경우, 유효전력 손실의 평균은 4.11MW이었으며, 고장상태의 경우, 유효전력 손실은 43.92MW로 10.68배 상승하는 경향을 나타내었다. 순간전압변동률 기반 통계적 기법을 분석한 결과, 박스플롯의 경우, 이상치의 비율이 약 0.01%∼0.12%이었다. 커널밀도 분석의 경우, 0.046%∼0.071%에서 밀도가 13 이상이었다. 특히, 기존 상용 도구로는 시각동기 페이저 데이터를 읽고 분석할 수 없었으나, 본 논문에서는 변전소 관점에서 PMU의 용이한 분석과 활용성을 위하여, Python을 이용하여 분석프로그램을 구현하였다. 제반 결과는 PMU가 설치된 다른 변전소의 고정밀 감시시스템의 상태감시기술에 적용할 수 있을 것이다.