Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers

  1. (Dept. of Electrical Engineering, Gyeonsang National University, Republic of Korea)
  2. (Dept. of Electrical Energy Engineering, International University Korea, Republic of Korea)
  3. (Korea South-East Power Co.Ltd, Republic of Korea)
  4. (Dept. of Electrical Eng., RIGET, ERI, Gyeongsang National University, Republic of Korea)



Effective Load Carrying Capability(ELCC), Capacity Credit(C.C.), Wind Turbine Generator(WTG)

1. 서론

현재까지 불확실성을 갖는 발전원의 실질적인 공급능력 평가에 관한 국내외 연구가 끊임없이 이어져 오고 있다. 1966년도에 L. L. Garver에 의하여 발전기의 사고확률을 감안하고 확률론적인 신뢰도평가기법을 적용하여 투입되는 발전기가 부하를 실제로 얼마나 담당할 수 있는가를 나타내는 유효부하전달용량(ELCC: Effective Load Carrying Capability [MW])개념이 처음으로 개발되어 전원개발계획에 실제적으로 많이 활용되었다[1].

그 후 1997년도에 미국의 NREL(National Renewable Energy Laboratory)에서 Michael Milligan 연구원과 Brian Parsons 연구원에 의해서 간헐적(Intermittent)인 출력을 지닌 신재생에너지발전기의 투입에 대하여 자원공급중단에 의한 출력변동성을 기존의 발전기의 사고확률과 동일한 의미로 보고 해당 발전기의 유효부하전달용량(ELCC)을 산정하고 이를 그 발전기의 용량신용도(C.C.: Capacity Credit)라고 정의한 알고리즘을 처음으로 제안하고 사례연구[2]를 하였다. 나아가 2006년도에는 캐나다 Saskatchewan 대학교의 Wijarn Wangdee 박사와 Roy Billinton 교수팀이 몬테카를로 시뮬레이션을 이용하여 풍속을 예측하고 간헐적인 풍력발전기(WTG: Wind Turbine Generator)의 투입에 따른 유효부하전달용량(ELCC)을 평가하는 연구[3]를 했으며, 2010년도에는 동 대학교의 Roy Billinton 교수, D. Huang 교수 및 Rajesh Karki 교수팀이 기존의 전원으로 구성된 시스템에서 신재생에너지발전원인 풍력발전기의 투입에 따른 용량신용도 평가로 시스템의 계획 및 운용에 관한 연구[4]를 하였다. 더불어 같은 해에 Texas A & M University의 Lingfeng Wang 박사와 Chanan Singh 교수팀에서는 PIS(Population-based Intelligent Search) 기법을 이용하여 풍력발전원의 투입에 따른 확률론적인 신뢰도 평가모델을 제시하고 이를 이용하여 용량신용도를 평가하는 연구결과를 발표하였다[5]. 2011년에는 IEEE RRPA Task Force팀에서 유럽과 북미지역을 대상으로 풍력발전기 투입에 따른 용량신용도를 분석한 연구를 발표[6] 하였으며, 최근 2017년 Egill Tómasson 박사와 Lennart Söder 박사는 전력계통 해석에서 여러 지역의 발전기의 적정성과 용량신용도를 발표[7]하였다. 국내에서는 2006년도에 한국전기연구원의 이창호 박사팀에서 신재생에너지발전 전원 중 단속적 특성이 강한 풍력발전원의 용량가치를 확률론적인 모의가 아닌 평균가동율을 이용하여 계산한 평가기법에 관한 연구[8]를 하였고, 2007년도에는 본 연구진에서 신재생에너지발전원을 포함한 확률론적인 발전 및 신뢰도프로그램을 개발하고 이를 이용하여 제주도계통과 유사한 모델계통을 대상으로 풍력발전기의 계통투입에 따른 용량신용도, 유효설비예비율(EIRR: Effective Installed Reserve Rate)등을 추정하는 연구결과를 발표[9]하였다. 이외에도 에너지저장장치와 결합한 풍력발전기를 포함하는 전력계통의 용량신용도의 평가방안을 모색하는 등 국내외적으로 많은 관련연구들이 진행되고 있다.

본 논문은 2015년에 설치된 제주 서쪽의 용량이 30[MW] (1대당 3[MW], 총 10대)이고 평균풍속이 12[m/s]인 탐라해상풍력발전단지를 대상으로 확률적인 시뮬레이션 방법을 이용하여 용량신용도(C.C.)를 평가하였다. 탐라해상풍력단지가 들어가기 전후에 대하여 동일한 신뢰도를 기준으로 수용할 수 있는 최대부하의 크기(MW)를 살펴보았다. 발전기의 사고율 등이 존재할 때 지수 공급지장시간기대치(LOLE: Loss of Load Expectation)의 측면에서 추가로 발전기를 설치할 때 계통이 부하에 얼마나 기여하는지 유효부하전달용량(ELCC)를 이용하여 용량신용도 값을 산정하였다. 제주 탐라해상풍력발전단지의 풍속에 따른 공급능력을 비교하여 얼마나 공급능력을 증가시켜줄 수 있는가를 평가하였다.

2. 유효부하전달용량과 용량신용도

2.1 유효부하전달용량(ELCC: Effective Load Carrying Capability)

1966년도에 L. L. Garver는 확률론적 신뢰도 측면에서 전력계통에 사고확률과 같은 불확실성을 갖는 발전원의 현실적인 공급능력을 평가하기 위해 유효부하전달용량(ELCC: Effective Load Carrying Capability)의 개념을 처음으로 제안하였다[1]. 이는 “그 전원이 투입되기 전후의 전력계통의 확률론적인 적정신뢰도 수준(Target risk level)에서 바라본 증대 가능한 부하량”으로 정의하였으며 그림. 1과 같다. 여기서 R*는 전원개발 신뢰도 기준을 의미한다.

그림. 1. 유효부하전달용량(ELCC)의 개념도

Fig. 1. Concept of Effective Load Carrying Capability

../../Resources/kiee/KIEE.2019.68.2.228/fig1.png

이때 통상 사용되는 신뢰도 기준 지수로는 공급지장시간기대치인 LOLE(Loss of Load Expectation)이다. 이를 구하는 식을 정식화하면 식(1)과 같고, 풍력발전기를 포함하는 LOLE를 구하는 식은 식(2)와 같다[5]. 여기서 $t$는 이산적인 부하지속곡선으로 모델링할 때 부하의 계단 번호 즉, 부하시간대 번호이며 $NT$는 총 부하계단수이다.

(1)
$L O L E = \sum _ { t = 1 } ^ { N T } P \left( C _ { G t } < L _ { t } \right) \times \Delta t _ { t } \quad$ [hours/year $]$

(2)
$L O L E = \sum _ { t = 1 } ^ { N T } P \left( C _ { G t } + C _ { W T G t } < L _ { t } \right) \times \Delta t _ { t }$ [hours/year $]$

단, $P$ : 공급지장이 일어날 확률

$C _{Gt}$ : $t$번째 부하시간대의 일반발전기의 용량[MW]

$C _{WTGt}$ : $t$번째 부하시간대의 풍력발전기의 확률론적 출력[MW]

$L _{t}$ : $t$번째 부하시간대의 부하크기[MW]

$\Delta t _{t}$ : $t$번째 부하시간대의 지속시간[hours]

2.2 용량신용도(Capacity Credit: C.C.)

발전기의 사고율을 고려할 때 계통의 신뢰도를 유지하는 수준에서 유효한 공급능력을 평가할 수 있는 ELCC를 이용하여 자원(풍속, 태양광)공급의 불확실성에 기인한 출력의 변동성(불확실성)이 큰 신재생에너지발전원의 유효부하전달용량(유효공급)의 평가가 재조명 받고 있다. 특히 설비용량(투자량)의 증가에 따른 유효공급능력의 평가는 신재생에너지발전원의 적정규모를 결정함에 매우 중요하다. 투입되는 전원이 증가할수록 ELCC가 계속 증가하는데[1], ELCC만으로는 신규설비의 적정용량 즉, 가치성을 결정하기 어렵다. 특히 변동성이 매우 큰 신재생에너지발전원의 경우는 더욱 어렵다. 따라서 ELCC를 투입용량으로 나누어 백분율로 표현하면 이는 투자량에 대한 유효공급능력을 의미하므로 어느 정도 투자에 대한 실질적인 이득률(효과율)을 표시할 수 있다. 이는 설비이용율과 깊은 관련을 가지므로 신규발전원의 경제성을 암암리에 내포한다. 이를 용량신용도(C.C.: Capacity Credit)라고 정의하고 변동성이 매우 큰 신재생에너지발전원의 가치평가의 지수로서 활용하고 있다. 이를 정식화 하면 식(3)과 같다[10-12].

(3)
$Cacity Credit ( C . C . ) = \frac { E L C C } { C _ { A } } \times 100 [ \% ]$

단, CA : 투입되는 새로운 전원(발전기)의 용량 [MW]

3. PRAWIN Simulation System

3.1 PRWIN

최근, 인터넷 및 컴퓨터 통신 분야 특히 스마트폰 등의 급격한 기술 개발로 언제 어디서나 원하는 정보를 얻는 사회문화가 일반화되고 있다. 이러한 요구에 부합하도록 경상대학교 전력계통 연구진들이 개발한 PRWIN (Probabilistic Reliability Assessment Wind) 이라는 클라우딩형(Clouding type) 신뢰도 분석모의 시스템을 이용 하였다. 웹 사이트에 접속하고 주어진 입력데이터를 적절히 선택하거나 이의 입력포맷에 맞게 입력시키면 원하는 발전계통의 신뢰도를 언제 어디서든지 평가할 수 있다[12].

평가기법으로는 발전계통의 운전상태 내지 고장상태를 모두 절차에 따라서 열거하여 나타내는 상태열거법을 사용하였으며, 산정하는 메인 엔진 프로그램 언어로서는 Fortran이 사용되었다. 이을 통하여 모델계통의 발전기 특성 데이터를 입력하면 LOLE 등을 알 수 있다.

3.2 풍력발전기의 확률론적 모의

풍력발전기를 고려한 전력계통의 확률론적인 신뢰도를 평가하기 위하여 풍력에너지원의 공급의 불확실성을 고려한 풍력모델과 풍력발전기의 출력 특성모델을 결합하여 얻어진 다개상태로된 풍력발전기의 사고용량확률분포함수를 구하였다. 그리고 주어진 부하지속곡선과 상승적분하여 유효부하지속곡선을 구하고 신뢰도지수를 얻었다. 그림. 2는 풍속확률밀도함수와 풍력발전기의 출력특성곡선을 결합하여 풍력발전기의 다개상태로된 가용용량확률분포함수를 얻는 모습이다. 여기서,($P _{SWbi}$, $PB _{SWbi}$)는 $i$번째 풍속밴드의 풍속인 $SW _{bi}$일 때의 풍력발전기의 출력 및 풍속을 의미한다. 이 방법으로 풍력 발전기 사고용량확률분포 함수를 얻을 수 있으며 기존의 신뢰도평가방법을 그대로 이용하여 풍력발전기를 고려한 전력계통의 신뢰도평가를 할 수 있다[13].

그림. 2. 풍력발전기의 가용용량확률분포함수를 얻기 위한 풍속모형과 출력특성곡선과의 결합모습

Fig. 2. The combination of wind speed model and WTG power output model to obtain the available capacity probabilistic distribution function(PDF) of WTG

../../Resources/kiee/KIEE.2019.68.2.228/fig2.png

한편, 풍속모형과 풍력발전기의 발전출력특성곡선을 결합하여 얻어진 가용용량확률분포함수는 소수점이하의용량을 갖는 상태가 얻어지는 등 일관성이 없다. 그러므로 미리 지정한 상태들에 대한 상태확률값을 얻기 위하여 선형분할방법(Linear rounding)을 사용하였다. 식(4)-식(5)는 정확도면에서 손해를 보지 않는 적절한 사고용량간격으로 재설정하고 그 간격사이의 사고용량에 해당하는 확률에 대한 식이며, 그림. 3은 이를 보인 것이다. 여기서 사고용량간격사이에 놓이는 사고용량 $P _{i}$의 확률인 $PB _{i}$를 발전계통의 당초의 최대공약수보다 좀 더 크게 미리 설정한 사고용량 $P _{K+i}$ 및 사고용량 $P _{k}$의 상태에 각각 성현으로 분할하는 모습을 보인 것이다.

(4)
$P B _ { k } = \left( \frac { P _ { k + 1 } - P _ { S W _ { i i } } } { \triangle P } \right) \times P B _ { S W _ { b i } }$

(5)
$P B _ { k + 1 } = \left( \frac { P _ { S W _ { i } } - P _ { k } } { \Delta P } \right) \times P B _ { S W _ { i } }$

그림. 3. 풍력발전기의 가용용량확률분포함수의 선형분할방법

Fig. 3. Rounding method of the available capacity PDF of WTG

../../Resources/kiee/KIEE.2019.68.2.228/fig3.png

단, $\Delta P=P _{K+1} -P _{k}$ [KW]

$k$ : 미리 설정한 상태공간모형의 상태번호

현재까지 확률론적 신뢰도 평가를 위한 기법은 몬테카를로 모의(Monte Carlo simulation)방법과 해석적 상태누적(Analytical enumeration)방법으로 크게 두 가지로 나눈다. 본 연구에서는 보다 용이하게 검증할 수 있는 후자의 방법을 토대로 한 유효부하지속곡선을 이용하였다[14]. 상승적분식을 이용하여 다개상태를 갖는 #$i$ 풍력 발전기의 사고용량확률분포함수를 고려한 새로운 유효부하지속곡선인 $\Phi _{i}$(ELDC: Effective Load Duration Curve)를 구하는 점화식은 식(6)과 같다.

(6)
$\Phi _ { i } = \Phi _ { i - 1 } \otimes f _ { o i } = ( 1 - \sum _ { j = 1 } ^ { N S } q _ { i j } ) \Phi _ { i - 1 } ( x ) + \sum _ { j = 1 } ^ { N S } q _ { i j } \Phi _ { i - 1 } ( x - C _ { i j } ) $

단, $\otimes$ : 합성적(Convolution) 적분 연산자

$\Phi _{0}$ : 원래의 부하지속곡선(ILDC)

$\Phi _{i-1}$ : #1에서 #$i$-1 발전기까지 고려한 유효부하지속곡선

$f _{oi}$ : #$i$ 풍력발전기의 사고용량확률분포함수

$NS$ : 풍력발전기의 상태의 수

$x$ : $\Phi$의 임의의 변수

$q _{ij}$ : #$i$ 풍력발전기의 #$j$ 상태의 고장률

$C _{ij}$ : #$i$ 풍력발전기의 #$j$ 상태의 사고용량

그러므로 우선순위에 의해 첫 번째 발전기부터 #NG 발전기까지 상승적분하여 얻어진 유효부하확률분포함수 $\Phi _{NG} (x)$를 이용하여 신뢰도지수인 공급지장시간기대치(LOLE) 및 공급지장에너지기대치(EENS: Expected Energy Not Served) 그리고 상대적신뢰도지수인 EIR(Energy Index of Reliability)를 각각 식(7)-식(9)처럼 구할 수 있다.[15-16]

(7)
$L O L E = \Phi _ { N G } \left. ( x ) \right| _ { x = I _ { C } }$

(8)
$E E N S = \int _ { I _ { C } } ^ { I _ { C } + L _ { P } } \Phi _ { N G } ( x ) d x$

(9)
$E I R = 1 - E E N S / E D$

단, $L _{P}$ : 최대부하[MW]

$I _{C}$ : 총설비용량 ($=\sum _{} ^{} C _{i}$) [MW]

$C _{i}$ : #$i$ 발전기의 용량[MW]

$ED$ : 총부하에너지[MWh]

$NG$ : 전체 발전기 수

4. 사례연구

4.1 제주도 전력계통과 유사한 모델계통

본 논문에서는 그림. 4와 같이 행원풍력발전단지(HWN), 성산풍력발전단지(SSN), 한림풍력발전단지(HLM)가 있는 제주도 전력계통과 유사한 모델계통과, 탐라풍력발전단지(TAML)를 추가한 모델계통을 대상으로 사례연구를 하였다.

그림. 4. 사례연구의 모델계통도

Fig. 4. The model power system for case study

../../Resources/kiee/KIEE.2019.68.2.228/fig4.png

4.1.1 입력자료

표 1은 모델계통의 발전기 특성 데이터이며, 풍력발전기는 제주도 계통의 풍력발전단지(행원, 성산, 한림, 탐라)와 유사한 4개의 단지(HWN, SSN, HLM, TAML)로 나누었다. 그리고 표 2는 풍력발전단지의 특성을 나타내며 이때 풍력단지를 하나의 풍력단지로 등가화하여 사례연구를 하였다.

표 1. 사례연구 모델계통의 발전기 특성 데이터

Table 1. The generators data of case study power system

Name

Type

Capacity [MW]

Num.

$\alpha$ [Gcal/MW2h]

$\beta$ [Gcal/MWh]

$\gamma$ [Gcal/hour]

Fuel cost [$/Gcal]

FOR

1

HWN

WTG

50

1

-

-

-

-

-

2

SSN

WTG

30

1

-

-

-

-

-

3

HLM

WTG

20

1

-

-

-

-

-

4*

TAML

WTG

30

1

-

-

-

-

-

5

HVDC

HDC

150

2

0.004

1.512

45.207

43.300

0.028

6

HVDC

HDC

200

2

0.004

1.512

45.207

43.300

0.028

7

NMJ3

T/P

100

2

0.004

1.512

45.207

43.300

0.012

8

JJU1

T/P

10

1

0.062

2.100

5.971

43.599

0.015

9

JJU2

T/P

75

2

0.003

1.832

30.231

43.599

0.012

10

HNM1

G/T

35

2

0.004

2.401

20.320

77.909

0.013

11

HNM1

S/T

35

1

0.004

2.401

20.320

77.909

0.013

12

JJU3

D/P

40

1

0.025

0.364

28.484

43.599

0.018

13

NMJ1

D/P

10

4

0.006

1.999

1.360

43.300

0.018

Total

1375

21

-

-

-

-

-

표 2. 사례연구 모델계통의 풍력발전단지 특성

Table 2. Data of wind speed and WTG for wind farms

Wind Data

Wind farm

HWN

SSN

HLM

TAML

$\alpha$(scale 변수) [m/s]

3.42

3.42

3.42

3.42

$\beta$(shape 변수) [m/s]

1.85

1.85

1.85

1.85

WTG Data

Capacity [MW]

50

30

20

30

Cut-in speed (Vci) [m/s]

5

5

5

5

Rated speed (VR) [m/s]

10

10

10

10

Cut-out speed (Vco) [m/s]

25

25

25

25

여기서 α 및 β는 풍속의 Weibull 확률분포함수에서 각각 스케일 변수(Scale parameter) 및 모양 변수(Shape parameter)이다. 그림. 5는 사례연구 모델계통의 부하 변동 곡선(Pattern)을 나타낸 것이며 그림. 6은 제주도에서의 1998~2007년도까지의 평균풍속 변동곡선을 참고로 보인 것이다.

그림. 5. 사례연구 전력계통의 부하 변동 곡선

Fig. 5. The load variation curve (pattern) of power system

../../Resources/kiee/KIEE.2019.68.2.228/fig5.png

그림. 6. 사례연구 모델계통의 풍속 변동 곡선(α=3.42, β=1.85) (1998~2007)

Fig. 6. The wind speed variation curve of power system (α=3.42, β=1.85) (1998~2007)

../../Resources/kiee/KIEE.2019.68.2.228/fig6.png

4.1.2 PRAWIN의 소개

본 논문의 사례연구를 수행하기 위하여 “PRAWIN” 을 이용하였다. 제주도 전력계통 규모의 모델계통을 대상으로 모의를 평가하여 임의의 조건하에서 평균 풍속에서의 용량을 결정하였다. 앞서 전술한 모델계통의 발전기 특성 데이터를 가져온 후 그림. 7처럼 모델계통에 데이터를 입력하였다. 그림. 7에서 주요입력 데이터를 소개한다.

그림. 7. PRAWIN 시스템의 샘플 입력 데이터

Fig. 7. The sample input data of PRAWIN program

../../Resources/kiee/KIEE.2019.68.2.228/fig7.png

모델 계통의 데이터를 입력 후 시스템을 실행하여 그림. 8과 같은 결과를 얻었다. 본 결과에서 보다시피 LOLE=0.02[hours/year]로 얻어진다.

그림. 8. 입력 데이터 모의 결과

Fig. 8. The simulation result of input data

../../Resources/kiee/KIEE.2019.68.2.228/fig8.png

4.1.3 각 Case에 따른 유효부하전달용량(ELCC)와 용량신용도(C.C.)의 감도해석

풍력발전기의 ELCC와 C.C.의 신뢰도 측면에서 다양하게 살펴보기 위하여 다음과 같은 3개의 가상모델계통을 설정하였다. 제주도의 탐라해상풍력발전단지는 풍속의 변화가 매우 심하다. 따라서 수용한 신뢰도 기준을 최대한 수용할 수 있는 부하의 크기를 살펴보기 위하여 1[m/s]가 차이가 나는 평균 풍속을 선정하였다.

Base System : 탐라풍력발전기가 설치되기 전 모델 계통

System A : 탐라풍력발전기가 설치된 평균 풍속 11.8[m/s]의 모델 계통

System B : 탐라풍력발전기가 설치된 평균 풍속 12.8[m/s]의 모델 계통

그림. 9는 Peak Load를 변화 시켰을 경우의 각각의 모델계통 LOLE 변동을 나타낸 것이다. 여기서 본 계통의 신뢰도 기준으로는 LOLE=0.1[hours/year]로 설정하였다.

그림. 9. Peak Load에 따른 모델 계통들의 LOLE 변화

Fig. 9. Variation of LOLE of three model systems according to changing of peak load

../../Resources/kiee/KIEE.2019.68.2.228/fig9.png

그림. 9로부터 산정된 Base System과 System A, B의 ELCC와 C.C.는 아래처럼 계산된다.

1) System A Capacity Credit(C.C.)= 26.7[%]

$- E L C C = 866 - 858 = 8 [ \mathrm { MW } ]$

$- C . C . = \frac { 8 } { 30 } \times 100 = 26.7 [ \% ]$

2) System B Capacity Credit(C.C.)= 36.7[%]

$- E L C C = 869 - 858 = 11 [ \mathrm { MW } ]$

$- C . C . = \frac { 11 } { 30 } \times 100 = 36.7 [ \% ]$

탐라풍력발전단지의 풍속이 11.8[m/s]에서 12.8[m/s]로 증가함에 따라, ELCC는 8[MW]에서 11[MW]로 약 1.3배 증가하며 C.C.는 26.7[%]에서 36.7[%]로 약 10[%]가량 증가함을 알 수 있다. 따라서 탐라해상풍력발전단지의 신뢰도 가치를 정량적으로 평가할 수 있었다.

표 3. LOLE=0.1[hours/year]에서 평균 풍속에 따른 ELCC와 C.C.

Table 3. ELCC and C.C. according to the different average wind speed at LOLE=0.1[hours/year]

Name

ELCC [MW]

C.C.[%]

System A (11.8m/s)

8

26.7

System B (12.8m/s)

11

36.7

5. 결 론

본 연구에서는 제주도계통 규모의 모델계통을 대상으로 모의를 평가하여 임의의 조건하에서 적정 풍속에서의 풍력발전기의 가치를 평가하였으며, 본 연구진에 의해서 개발된 “PRAWIN”이라는 시스템을 이용하여 모의하였다. 전술한 사례연구를 통하여 탐라풍력발전단지의 평균풍속이 11.8[m/s]에서 12.8[m/s]로 1 [m/s]가 증가하면, ELCC는 8[MW]에서 11[MW]로 담당할 수 있는 용량이 약 1.3배 증가하였고 C.C.는 26.7[%]에서 36.7[%]로 약 10[%]가량 증가하였다. 따라서 탐라해상풍력발전단지의 평균 풍속이 증가하면 풍력발전기의 활용도가 높아진다. 이처럼 ELCC를 이용하여 출력의 변동성(불확실성)이 큰 신재생에너지발전원의 유효공급능력 평가를 하였으며, C.C.는 변동성이 매우 큰 신재생에너지발전원의 가치평가 지수로 활용하였다.

차후 이 방법을 이용하여 실제 전력계통 규모를 적용하고 해상풍력단지의 풍력발전기에 각각 풍속 변화를 주어 연구 수행할 예정이다. 그리고 사례연구 결과를 토대로 오차를 분석하는 등 심도 있게 수행할 예정이다.

감사의 글

본 연구는 2018년도 산업통상자원부 재원으로 한국에너기술평가원(KETEP)의 지원을 받아 수행한 연구과제입니다. (NO.20174030201440)

References

1 
Garver L. L., Aug. 1966, Effective Load Carrying Capability of Generating Units, IEEE Transactions on Power Apparatus and Systems, Vol. PAS-85, No. 8, pp. 910-919DOI
2 
Milligan Michael, Parsons Brian, Mar. 1997, A Comparison and Case Study of Capacity Credit Algorithms for Intermittent Generators, NREL Report, NREL/CP-440-22591, contract No.DE-AC36-83CH10093Google Search
3 
Wangdee Wijarn, Billinton Roy, Sep. 2006, Considering Load-Carrying Capability and Wind Speed Correlation of WECS in Generation Adequacy Assessment, IEEE Transactions on Energy Conversion, Vol. 21, No. 3DOI
4 
Billinton R., Huang D., Karki B., Jun. 2010, Wind Power Planning and Operating Capacity Credit Assessment, PMAPS 2010, Singapore, pp. 814-819DOI
5 
Wang Lingfeng, Singh Chanan, May 2008, An Alternative Method for Estimating Wind-Power Capacity Credit based on Reliability Evaluation Using Intelligent Search, PMAPS 2008, Rincon, pp. 1-6Google Search
6 
Keane A., Milligan M., Dent C. J., Hasche B., D'Annunzio C., Dragoon K., Holttinen H., Samaan N., Soder L., O'Malley M., May 2011, Capacity Value of Wind Power, IEEE Transactions on Power Systems, Vol. 26, No. 2, pp. 564-572DOI
7 
Tómasson Egill, Söder Lennart, 2017, Multi-area generation adequacy and capacity credit in power system analysis, 2017 IEEE Conferences, pp. 1-6DOI
8 
Cho Ki-Seon, Rhee Chang-Ho, Jul. 2006, A Study on Methodologies of Feed-in Tariffs for Renewable Energy Generation, 2006 KIEE Summer Conference, pp. 1175-1476Google Search
9 
Park Jeongje, Choi Jaeseok, Jan. 2010, Development of Methodology of New Effective Installed Reserve Rate considering Renewable Energy Generators, Journal of KIEE, Vol. 59, No. 1, pp. 26-32DOI
10 
Soder Lennart, Amelin Mikael, Jul. 2008, A review of different methodologies used for calculation of wind power capacity credit, IEEE GM2008, Pittsburgh, PA, USADOI
11 
Ensslin Cornel, Milligan Michael, Holttinen Hannele, O'Malley Mark, Keane Andrew, Jul. 2008, Current Method to Calculate Credit of Wind Power, IEA Collaboration, IEEE GM2008, Pittsburgh, PA, USAGoogle Search
12 
Choi Jaeseok, 2013, Power System Reliability Evaluation Engineering, G & U Press (written by Korean, ISBN 978-89-6257-060-1)Google Search
13 
Park Jeongje, Liang Wu, Choi Jaeseok, Moon Seungil, Sep. 2008, A Study on Probabilistic Reliability Evaluation of Power System Considering Wind Turbine Generators, Journal of KIEE, Vol. 57, No. 9, pp. 1491-1499Google Search
14 
Bae Insu, Kim Jun-o, May 2007, Reliability Evaluation of Distributed Generation and Distribution System Using Load Duration Curve, Trans. KIEE, Vol. 56, No. 5, pp. 854-859Google Search
15 
Park Jeongje, Liang Wu, Choi Jaeseok, Cha Junmin, Nov. 2008, Probabilistic Production Cost Credit Evaluation of Wind Turbine Generators, Journal of KIEE, pp. 312-314Google Search
16 
Wu Liang, Park Jeongje, Choi Jaeseok, EI-Keib A. A., Dec. 2009, Probabilistic Reliability Evaluation of Power Systems Including Wind Turbine Generators Considering Wind Speed Correlation, Journal of Electrical Engineering & Technology, Vol. 4, No. 4, pp. 485-491DOI

저자소개

정 세 민 (Semin Jeong)
../../Resources/kiee/KIEE.2019.68.2.228/au1.png

1994년 8월 29일생

2013~현재 경상대 전기공학과 학사과정

Tel : 055-772-1715

E-mail : jsmin@gnu.ac.kr

ORCID ID : 0000-0002-8175-1441

오 웅 진 (Ungjin Oh)
../../Resources/kiee/KIEE.2019.68.2.228/au2.png

1985년 7월 6일생

2013년 경상대 전기공학과 졸업

2016년 동 대학원 전기공학과 졸업(석사)

2016~동 대학원 전기공학과 박사과정

Tel : 055-772-1715

E-mail : vkdlskf@nate.com

ORCID ID : 0000-0001-9105-1791

이 연 찬 (Yeonchan Lee)
../../Resources/kiee/KIEE.2019.68.2.228/au3.png

1987년 1월 5일생

2013년 경상대 전기공학과 졸업

2015년 동 대학원 전기공학과 졸업(석사)

2015~동 대학원 전기공학과 박사과정

Tel : 055-772-1715

E-mail : kkng1914@gnu.ac.kr

ORCID ID : 0000-0002-4503-3696

최 재 석 (Jaeseok Choi)
../../Resources/kiee/KIEE.2019.68.2.228/au4.png

1958년 4월 29일생

1981년 고려대 전기 공학과 졸업

1990년 동 대학원 전기공학과 졸업(공학박사)

1991년~현재 경상대 전기공학과 교수

Tel : 055-772-1715

Fax : 055-772-1719

E-mail : jschoi@gnu.ac.kr

ORCID ID : 0000-0003-0867-6251

임 진 택 (Jintaek Lim)
../../Resources/kiee/KIEE.2019.68.2.228/au5.png

1985년 8월 1일생

2011년 경상대 전기 공학과 졸업

2013년 동 대학원 전기공학과 졸업(석사)

2016년 동 대학원 전기공학과 졸업(공학박사)

2015년~현재 한국국제대 조교수

Tel : 055-751-7972

E-mail : jtl31223@naver.com

ORCID ID : 0000-0001-5192-0825

이 기 백 (Kibaek Lee)
../../Resources/kiee/KIEE.2019.68.2.228/au6.png

1978년 7월 25일생

2005년 창원대 전자공학과 졸업

2017년~현재 경상대 대학원 신재생융합학과 석사과정

Tel : 070-8898-1644

E-mail : dallimy0720@koenergy.kr