장루이화
(Rui Hwa Zhang)
1iD
송진욱
(Jin-Uk Song)
2iD
임성일
(Seong-Il Lim)
3iD
오윤식
(Yun-Sik Oh)
†iD
-
(Master course, Department of Electrical Engineering, Kyungnam University, Korea)
-
(Ph.D. course, Department of Electrical Engineering, Kyungnam University, Korea)
-
(Professor, Department of Electrical Engineering, Kyungnam University, Korea)
Copyright © The Korean Institute of Illuminating and Electrical Engineers(KIIEE)
Key words
Connectivity matrix, ID management, IT system, Local ID mapping, Power industry
1. 서 론
1.1 연구의 필요성
스마트그리드의 도입과 함께 전력회사는 발전, 송전 및 배전 분야에 걸쳐 많은 수의 IT 시스템을 운영하고 있으며, 해당 시스템들의 효율적인 운영을
위해 시스템 간 다양한 데이터 교환이 요구될 것으로 예상되고 있다. 특히, 분산형전원 및 전기자동차 등 전력계통 내 새로운 컴포넌트가 도입되고 있으며,
배전계통운영자(DSO : Distribution System Operator) 개념 및 가상발전소(VPP : Virtual Power Plant)
등 전력산업의 구조 변화를 야기하는 참여자들이 늘어나고 있다[1, 2]. 이러한 추세에 따라 전력산업 내 신규 IT 시스템의 도입 또한 증가할 것으로 예상되며, 레거시-레거시 혹은 신규-레거시 시스템 간 연계 인터페이스의
숫자 또한 기하급수적으로 증가한다.
일반적으로 IT 시스템 내 존재하는 인스턴스의 로컬 ID는 개별 시스템 관리자의 철학에 따라 다양한 형태로 생성 및 관리된다. 하지만 시스템 간의
데이터 연계를 위해서는 개별 시스템 관리자 간의 협의에 따른 일대일 로컬 ID 맵핑을 수행해야 하며, 교환이 필요한 시스템 수가 증가하면 할수록 기하급수적으로
늘어나는 인터페이스 숫자로 인해 수동 방식의 데이터 맵핑이 어려워질 수 있다. 이러한 데이터 맵핑 문제는 전력계통 상호운용성 확보에 가장 큰 문제
중 하나로 거론되고 있다[3, 4]. 따라서 이종 시스템 간 원활한 데이터 교환을 위해 로컬 ID를 자동으로 맵핑하는 알고리즘이 요구되며, 이를 통해 수신 데이터의 효율적인 활용을
기대할 수 있다.
서로 IT 시스템 간 데이터 교환을 위한 ID 관리에 대해 다양한 연구들이 수행되어 왔다[4-6]. 참고문헌 [4]에서는 전통적인 수동 방식의 데이터 맵핑을 수행하고 별도의 맵핑 데이터베이스(DB : Database)를 도입하는 것이 하나의 방법이 될 수 있다고
언급하지만 맵핑 대상 연계 인터페이스의 수가 증가하면 할수록 수동 맵핑 작업은 시간이 많이 소요되고 유지보수가 어렵다. 참고문헌 [5, 6]에서는 공통정보모델(CIM : Common Information Model) 도입과 함께 글로벌 ID를 생성하여 이를 체계적으로 활용하는 방법이 고려되었지만
이미 운영 중인 레거시 시스템에 대해서는 로컬 ID 맵핑이 선행될 필요가 있다. 이와 유사하게, 유럽의 ENTSO-E는 전력 도메인 전체 영역에서
일관성 있는 ID 생성을 위해 CIM 표준 기반 글로벌 ID의 활용을 제안하고 있지만 현실적으로 모든 시스템이 글로벌 ID를 공유하도록 조정하는 것은
아직 도전과제로 남아있다[7]. 기존연구에서는 시스템 간 데이터 교환을 위한 ID 맵핑이 수동으로 수행되어야 한다. 하지만 이 방식은 관리자의 판단에 의한 수동 맵핑으로 인해
필연적으로 휴먼 에러의 가능성이 존재한다. 반면, 본 논문에서 제안하는 방법은 설비의 고유값 도출을 통한 ID 자동 맵핑을 수행함으로써 기존의 수동
방식에 비해 정확성 및 관리 측면에서 장점을 가질 수 있다.
본 연구에서는 연결행렬 기반 전력 분야 IT 시스템 간 로컬 ID 맵핑 방법을 제안한다. 제안된 방법은 전력설비의 연결관계 정보를 포함하고 있는 연결행렬을
기반으로 특정 설비의 특징값을 추출한다. 또한 해당 특징값을 이용하여 동일한 특징값에 대한 서로 다른 로컬 ID를 맵핑함으로써 동일 설비에 대한 인식이
가능하다.
2. 연결행렬 기반 로컬 ID 맵핑 방법
2.1 행렬 기반 전력설비 연결관계 표현
전력계통은 발전기, 변압기, 개폐기, 선로 등 다양한 설비들을 포함하는 네트워크의 형태로 구성된다. 설비 간 연결관계는 다양한 행렬에 의해 표현될
수 있으며, 그 중 인접행렬(Adjacency Matrix)은 전력계통을 구성하는 노드 간의 직접적인 연결 여부를 나타내는 이진 행렬이다. 계통 내
노드의 개수를 $N$개로 가정한다면, 인접행렬 $A$는 $N\times N$ 크기의 행렬로 정의된다. 행렬의 요소 $A_{ij}$는 노드 $i$와
노드 $j$가 직접 연결되어 있을 경우 1의 값을 가지며, 그 외의 경우에는 0의 값을 가진다. 다만, 행렬 요소 $A_{ii}$에 대해서는 0의
값으로 설정한다. 예를 들어, Fig. 1에 나타나 있는 노드에 대한 인접행렬은 식 (1)과 같다.
Fig. 1. Example of node connections in a power network
식 (1)의 행렬 $A$와 같이 설비 간 연결관계를 행렬로 표현하는 것은 계통의 토폴로지 및 특성을 수학적으로 분석 및 활용에 유용하며, 본 논문에서는 설비
간 연결관계를 정의한 인접행렬을 변환하여 특정 설비의 고유한 특징값을 도출한다.
2.2 연결행렬 기반 설비 특징값 도출
인접행렬은 특정 설비(혹은 노드)와 직접적으로 연결된 노드에 대한 정보만을 포함함에 따라 개별 노드가 가지고 있는 정보의 범위가 다양하지 않다. 따라서
직접적인 연결 정보뿐만 아니라 다른 노드를 통해 연결되는 간접적인 연결 정보를 생성하여 특정 노드의 특징값으로 사용하는 것이 더욱 효율적이다.
본 논문에서 제안하는 로컬 ID 맵핑 방법은 모든 노드 쌍(pair) 간의 최단 경로를 이용하여 특정 설비의 특징값을 도출한다. 노드 간 최단 경로를
계산하기 위해 플로이드(Floyd)-워셜(Warshall) 알고리즘을 사용하며, 해당 알고리즘은 동적 계획법에 기초하여 비교적 간단한 구현을 통해
최단 경로를 효율적으로 계산할 수 있음에 따라 다양한 분야에서 활용되고 있다[8]. Fig. 2는 플로이드-워셜 알고리즘의 순서도를 보여준다.
Fig. 2. Flowchart of the Floyd-Warshall algorithm[8]
인접행렬 $A$는 플로이드-워셜 알고리즘을 통해 노드 간 최단 경로 정보를 포함하는 연결행렬 $D$로 변환된다. 식 (2)는 식 (1)의 인접행렬 $A$에 대한 변환 결과를 나타내며, 연결행렬의 요소 $D_{ij}$는 노드 $i$와 노드 $j$를 연결하는 최단 경로를 의미한다.
인접행렬을 통해 계산된 연결행렬에서 특정 행에 포함된 모든 요소의 합을 노드의 고유한 특징값($S$)으로 선정하며, $S$는 인근 노드와의 최단 경로
정보를 종합적으로 반영하는 지표로 로컬 ID 맵핑에 활용된다. 노드 $i$에 대한 특징값 $S_{i}$는 식 (3)을 통해 도출되며, $N$은 전체 노드 수를 의미한다.
Table 1은 식 (2)의 연결행렬($D$)을 이용한 설비별 특징값을 나타낸다. 설비의 특징값은 해당 설비와 연결된 다른 모든 설비와의 연결관계를 포함하는 고유값으로 동일한
전력계통을 바라보는 다른 시스템 내 특정 설비가 동일한 고유값을 가진다면 두 설비를 동일 설비로 간주하고 로컬 ID를 맵핑할 수 있다.
Table 1. Feature value for each equipment
Equipment Number
|
Feature Value($S$)
|
1
|
18
|
2
|
13
|
3
|
10
|
4
|
11
|
5
|
14
|
6
|
19
|
7
|
15
|
2.3 연결행렬 기반 로컬 ID 맵핑 방법
Fig. 3은 본 논문에서 제안하는 로컬 ID 맵핑 방법의 순차적 프로세스를 보여준다. 먼저 데이터 교환을 위한 시스템 연계가 필요한 두 시스템은 각각의 DB로부터
맵핑 대상 설비 정보를 취득한다. 이 과정에서 두 시스템은 동일한 의미 및 관점으로 설비를 취급해야 하며, 이를 위해 전력계통 내 자원들에 대한 합의된
의미론적 관점을 제시하는 IEC TC57 CIM 표준을 활용할 수 있다. 설비 정보를 취득한 뒤 개별 설비는 노드로 변환되며, DB로부터 취득한 설비
간 연결관계를 이용하여 모든 설비에 대한 인접행렬을 생성한다. 대칭 토폴로지에 대한 동일한 특징값을 피하기 위해 분기 경로에 대한 인접행렬의 요소는
1이 아닌 다른 값으로 설정되는 것이 필요하다. 생성된 인접행렬은 플로이드-워셜 알고리즘을 통해 최단 경로 정보를 포함하는 연결행렬로 변환되며, 연결행렬
내 행(혹은 열) 요소들의 총합을 계산하여 개별 설비에 대한 특징값을 도출한다. 이러한 과정들은 시스템 별로 수행되어야 하며, 각각의 시스템은 특정
설비에 대한 로컬 ID – 특징값 맵핑이 가능하다.
Fig. 3. Process of the proposed local ID mapping method
각 시스템 별로 도출된 설비의 특징값에 기반하여 로컬 ID 맵핑을 수행할 수 있다. Fig. 4는 로컬 ID 맵핑 테이블 예시로 시스템 별 도출한 특정 설비의 특징값과 동일한 값을 가진 다른 시스템 내 설비를 1:1로 맵핑하여 테이블을 구성한다.
개별 시스템에서 도출된 특징값을 오름차순(혹은 내림차순)으로 정렬하여 순차적으로 맵핑시킴으로써 1:1 맵핑과 관련된 연산시간을 향상시킬 수 있다.
Fig. 4. An example of local ID mapping table
2.4 로컬 ID 및 글로벌 ID 관리 방안
전력 IT 시스템 간 원활한 데이터 교환을 위해서는 글로벌 ID 관리가 필수적이다. 이를 위해 CIM 표준에 정의된 명명(naming) 관련 데이터
모델을 활용할 수 있다. IEC 61970-301 표준에는 전력계통 내 자원들을 식별하기 위해 Table 2와 같이 ‘IdentifiedObject’ 및 ‘Name’ 클래스가 정의되어 있다. ‘IdentifiedObject’ 클래스의 ‘mRID’ 속성은
설비의 글로벌 식별을 위한 것으로 본 논문에서 제안된 로컬 ID 맵핑 결과를 기반으로 글로벌 ID를 중앙에서 발급하여 지속적으로 관리하는 것이 가능하다.
또한 기존 시스템 내 존재하는 로컬 ID는 ‘Name’ 클래스의 ‘name’ 속성을 통해 시스템 내부적으로 관리 및 활용할 수 있다. Fig. 5와 같이 ‘IdentifiedObject’ 및 ‘Name’ 클래스는 연결관계를 가지고 있기 때문에 로컬 ID와 글로벌 ID 간의 연결성 확보가 가능하다.
Table 2. CIM classes and attributes regarding resource names
Class Name
|
Attribute
|
Discription
|
Identified
Object
|
aliasName
|
human readable
|
mRID
|
machine readable
|
name
|
human readable
|
Name
|
name
|
human readable
|
Name Type
|
name
|
-
|
Name Type
Authority
|
name
|
-
|
Fig. 5. CIM UML diagram for object naming
3. 사례연구
3.1 대상 시스템
본 논문에서 제안한 로컬 ID 맵핑 방법의 검증을 위해 Fig. 6의 토폴로지를 갖는 테스트 시스템이 고려되었다. 테스트 시스템은 33개의 개폐기(switch)로 구성된 배전 피더로 이종 시스템 A, B가 해당 피더에
설치된 개폐기에 대한 정보를 교환하기 위해 로컬 ID 맵핑이 요구되는 상황을 상정하였다. 피더 내 각각의 개폐기에 대한 로컬 ID는 시스템 별로 독립적으로
할당되었으며, Table 3에 제시되어 있다. 대칭 토폴로지에 대한 동일 특징값 생성 방지를 위해 개폐기 지점으로부터 분기되는 경로(ex : 2-3, 2-19 등)에 대한 인접행렬의
요소는 10으로 설정하였으며, 미분기 개폐기 간 경로는 1로 할당된다.
Fig. 6. Test feeder system with 33 switches
Table 3. Local ID assignment for each switch
No.
|
ID(A)
|
ID(B)
|
No.
|
ID(A)
|
ID(B)
|
1
|
101
|
201
|
18
|
118
|
218
|
2
|
102
|
202
|
19
|
119
|
219
|
3
|
103
|
203
|
20
|
120
|
220
|
4
|
104
|
204
|
21
|
121
|
221
|
5
|
105
|
205
|
22
|
122
|
222
|
6
|
106
|
206
|
23
|
123
|
223
|
7
|
107
|
207
|
24
|
124
|
224
|
8
|
108
|
208
|
25
|
125
|
225
|
9
|
109
|
209
|
26
|
126
|
226
|
10
|
110
|
210
|
27
|
127
|
227
|
11
|
111
|
211
|
28
|
128
|
228
|
12
|
112
|
212
|
29
|
129
|
229
|
13
|
113
|
213
|
30
|
130
|
230
|
14
|
114
|
214
|
31
|
131
|
231
|
15
|
115
|
215
|
32
|
132
|
232
|
16
|
116
|
216
|
33
|
133
|
233
|
17
|
117
|
217
|
-
|
-
|
-
|
3.2 로컬 ID 맵핑 결과
Table 4는 시스템 A 및 B에 대한 로컬 ID – 특징값 맵핑 결과를 나타낸다. 각각의 개폐기는 본 논문에서 제안된 연결행렬을 이용하여 특징값이 계산된다.
동일한 개폐기는 동일한 특징값이 도출되지만, 서로 다른 개폐기는 동일하지 않은 특징값이 계산되는 것을 알 수 있다. 이는 개별 개폐기는 자신을 특정할
수 있는 고유한 지표를 가질 수 있다는 것을 의미하며, 이러한 지표의 비교를 통해 서로 다른 로컬 ID 생성 체계를 가지는 이종 시스템의 로컬 ID
맵핑이 가능하다는 것을 나타낸다.
Table 4. Mapping of local ID and feature value for system A and B
SW No.
|
ID(A)
|
S(A)
|
ID(B)
|
S(B)
|
1
|
101
|
948
|
201
|
948
|
2
|
102
|
917
|
202
|
917
|
3
|
103
|
707
|
203
|
707
|
4
|
104
|
577
|
204
|
577
|
5
|
105
|
566
|
205
|
566
|
6
|
106
|
557
|
206
|
557
|
7
|
107
|
647
|
207
|
647
|
8
|
108
|
658
|
208
|
658
|
9
|
109
|
671
|
209
|
671
|
10
|
110
|
686
|
210
|
686
|
11
|
111
|
703
|
211
|
703
|
12
|
112
|
722
|
212
|
722
|
13
|
113
|
743
|
213
|
743
|
14
|
114
|
766
|
214
|
766
|
15
|
115
|
791
|
215
|
791
|
16
|
116
|
818
|
216
|
818
|
17
|
117
|
847
|
217
|
847
|
18
|
118
|
878
|
218
|
878
|
19
|
119
|
1167
|
219
|
1167
|
20
|
120
|
1194
|
220
|
1194
|
21
|
121
|
1223
|
221
|
1223
|
22
|
122
|
1254
|
222
|
1254
|
23
|
123
|
977
|
223
|
977
|
24
|
124
|
1006
|
224
|
1006
|
25
|
125
|
1037
|
225
|
1037
|
26
|
126
|
727
|
226
|
727
|
27
|
127
|
746
|
227
|
746
|
28
|
128
|
767
|
228
|
767
|
29
|
129
|
790
|
229
|
790
|
30
|
130
|
815
|
230
|
815
|
31
|
131
|
842
|
231
|
842
|
32
|
132
|
871
|
232
|
871
|
33
|
133
|
902
|
233
|
902
|
Table 5는 제안된 방법을 이용한 로컬 ID 맵핑 결과를 보여준다. A 시스템 특정 개폐기의 특징값($S_{A}$)과 동일한 특징값($S_{B}$)을 갖는
개폐기를 검색하기 위해 B 시스템의 모든 개폐기에 대한 특징값을 조회하는 것은 연산량 측면에서 효율성 저감을 야기하므로 Table 5에 제시된 것과 같이 각각의 시스템에서 도출된 특징값을 오름차순(혹은 내림차순)으로 정렬하는 것이 필요하다. 정렬된 특징값은 이미 순차적으로 맵핑이
완료된 것과 동일하며 이를 기반으로 Table 5와 같이 특징값 기반 로컬 ID 맵핑이 효율적으로 이루어짐을 알 수 있다.
로컬 ID 맵핑이 완료된 설비는 사내 혹은 단체의 중앙에서 관리하는 글로벌 ID 관리시스템에 연계되어 단일의 글로벌 식별자를 가진 설비로 관리될 수
있다. 해당 관리시스템은 글로벌 ID와 로컬 ID의 맵핑 결과를 지속적으로 관리 및 갱신함으로써 다수의 IT 시스템이 데이터 교환이 필요한 상황에서
효율적인 설비 식별 및 이를 활용한 서비스가 가능하다.
Table 5. Local ID mapping results
SW No.
|
ID(A)
|
S
|
ID(B)
|
6
|
106
|
557
|
206
|
5
|
105
|
566
|
205
|
4
|
104
|
577
|
204
|
7
|
107
|
647
|
207
|
8
|
108
|
658
|
208
|
9
|
109
|
671
|
209
|
10
|
110
|
686
|
210
|
11
|
111
|
703
|
211
|
3
|
103
|
707
|
203
|
12
|
112
|
722
|
212
|
26
|
126
|
727
|
226
|
13
|
113
|
743
|
213
|
27
|
127
|
746
|
227
|
14
|
114
|
766
|
214
|
28
|
128
|
767
|
228
|
29
|
129
|
790
|
229
|
15
|
115
|
791
|
215
|
30
|
130
|
815
|
230
|
16
|
116
|
818
|
216
|
31
|
131
|
842
|
231
|
17
|
117
|
847
|
217
|
32
|
132
|
871
|
232
|
18
|
118
|
878
|
218
|
33
|
133
|
902
|
233
|
2
|
102
|
917
|
202
|
1
|
101
|
948
|
201
|
23
|
123
|
977
|
223
|
24
|
124
|
1006
|
224
|
25
|
125
|
1037
|
225
|
19
|
119
|
1167
|
219
|
20
|
120
|
1194
|
220
|
21
|
121
|
1223
|
221
|
22
|
122
|
1254
|
222
|
4. 결 론
본 논문에서는 전력 IT 시스템 간 원활한 데이터 교환을 위한 로컬 ID 맵핑 방법이 제안되었다. 제안된 방법은 설비 간 연결관계를 이용하였으며,
설비 간 최단 경로를 도출하여 이를 행렬의 형태로 표현한 연결행렬을 기반으로 설비 별 특징값을 생성하였다. 동일한 특징값을 갖는 서로 다른 시스템의
설비 ID를 맵핑함으로써 교환 데이터의 객체 혹은 인스턴스의 식별을 돕는다. 이를 통해 스마트그리드 환경의 다양한 IT 시스템은 타 시스템이 보유한
데이터를 효과적으로 활용하여 전력망 운영 효율성 향상, 신재생에너지 통합 촉진 및 새로운 비즈니스 모델 창출 등 다양한 효과를 기대할 수 있다. 본
논문에서 제안된 방법은 기본적인 설비 간 연결관계를 이용한 것으로 향후 연구에서는 연결관계 이외의 다른 설비 고유 정보를 로컬 ID 맵핑에 활용하여
더 나은 성능을 도출할 수 있을 것으로 기대된다.
Acknowledgement
이 논문은 2025년도 정부(산업통상자원부)의 재원으로 한국에너지기술평가원의 지원을 받아 수행된 연구임(20225500000060, AC/DC
하이브리드 배전망 운영시스템 기술개발).
References
M. I. Alizadeh, M. Usman, F. Capitanescu, and A.G. Madureira, “A novel TSO-DSO ancillary
service procurement coordination approach for congestion management,” in Proc. of
the 2022 IEEE Power & Energy Society General Meeting (PESGM), pp. 1-5, 2022.

R. Vijay and P. Mathuria, “Reactive power limiting at TSO-DSO interface using distribution
flexibility,” in Proc. of the 2022 IEEE 10th Power India International Conference
(PIICON), pp. 1-6, 2022.

V. Perumalla, B. Jacobsen, and S. Zulkader, “Challenges, solutions and lessons learned
for centralized model management at california ISO,” IEEE Power & Energy Society General
Meeting, pp. 1-5, 2017.

PNNL, “Enabling data exchange and data integration with the common information Model,”
2022.

IEC 61970-301 Ed. 7.1, “Energy management system application program interface (EMS-API)
- Part 301: Common information model (CIM) base. IEC standards: Geneva, Switzerland,”
2022.

J. V. De Barros and J. B. Leite, “Development of a relational database oriented on
the common information model for power distribution networks,” in Proc. of the 2021
IEEE URUCON, pp. 63–66, 2021.

IEC61970-600-1 Ed. 1, “Energy management system application program interface (EMS-API)
- Part 600-1: Common grid model exchange standard (CGMES) - Structure and rules. IEC
standards: Geneva, Switzerland,” 2021.

Y. S. Triana and I. Syahputri, “Implementation floyd-warshall algorithm for the shortest
path of garage,” Int. J. Innov. Sci. Res. Technol., vol. 3, pp. 871–878, 2018.

Biography
He received his B.S. degrees from the Department of Electrical Engineering, Kyungnam
University, Changwon, South Korea in 2023. He is currently a M.S. student in Department
of Electrical Engineering at Kyungnam University, Changwon, South Korea. His research
interests include distribution network operation and protection.
He received his B.S. and M.S. degrees from the Department of Electrical Engineering,
Kyungnam University, Changwon, South Korea in 2020 and 2022, respectively. He is currently
a Ph.D. student in Department of Electrical Engineering at Kyungnam University, Changwon,
South Korea. His research interests include distribution network operation and protection.
He received his B.S., M.S., and Ph.D. degrees from the department of Electrical
Engineering, Myungji University, Yongin, South Korea, in 1994, 1996, and 2004, respectively.
He is currently a professor in the Department of Electrical Engineering at Kyungnam
University. His research interests include distribution automation and smart grid
technologies.
He received his B.S., M.S., and Ph.D. degrees from the department of Electrical
Engineering, Sungkyunkwan University, Suwon, South Korea, in 2011, 2013, and 2017,
respectively. He is currently an associate professor in the Department of Electrical
Engineering at Kyungnam University. His research interests include distribution system
operation and distributed generations.