• 대한전기학회
Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers
  • COPE
  • kcse
  • 한국과학기술단체총연합회
  • 한국학술지인용색인
  • Scopus
  • crossref
  • orcid

  1. (Department of Information and Electronic Engineering, Mokpo National University, Korea.)
  2. (Korea Power Exchange.)



Supply Reserve Power, Operating Reserve, Demand-side Volatility, Supply-side Volatility

1. 서 론

기후변화문제와 같은 전력시스템 외부 환경 변화에 따른 정부의 적극적인 신재생에너지 보급정책으로 신재생발전의 보급률이 증가하고 있다. 이에 따라 전력계통의 발전원 중 신재생발전이 차지하는 비중이 높아지고 있다. 국제재생에너지기구(IRENA, International Renewable Energy Agency)의 2019년 보고서에 따르면 국내 신재생발전 설비용량은 2018년 기준 12,641 MW로 조사되었다. 신재생발전 중에서 비중이 가장 큰 태양광발전의 경우, 설비용량은 7,862 MW이며 이 수치는 한국전력거래소가 운영하는 전력시장에 참여하는 설비용량과 한국전력공사와 PPA 계약을 한 태양광발전 설비용량을 합한 값이다(1). 일반적으로 BTM(behind the meter) 태양광발전의 설비용량(예를 들어 한전과 상계거래를 하는 태양광발전)을 고려하면 전체 태양광발전 설비용량을 10GW 이상으로 추정하는 것이 합리적이다. 또한 이 수치는 계속해서 해마다 증가하는 경향을 보인다.

신재생발전 자원은 기존 화석연료 기반의 발전과 달리 발전 출력을 제어하기 힘들고 전력생산의 간헐성과 불확실성으로 인해 전력계통 운영의 어려움을 가중시킨다. 또한 전력시장에서는 신재생발전의 간헐성과 불확실성을 대비하기 위해 출력 응동은 빠르지만 발전단가가 상대적으로 비싼 발전원이 예비력으로 선정되는 비경제적 상황도 발생한다. 이를 개선하기 위해 전력계통 및 전력시장 운영기관에서는 신재생발전 자원의 출력 예측 정확성 개선과 전력시장 제도 개선을 통한 신재생발전을 고려한 정확한 예비력 선정 기술 확보에 많은 노력을 기울이고 있다. 국내 전력계통과 전력시장을 운영하는 한국전력거래소에서도 신재생발전 출력 예측 알고리즘 및 프로그램 개선 업무를 지속적으로 진행하고 있다. 또한 국내 전력시장에서는 2019년 11월 전력시장운영규칙 내에 운영예비력 확보 기준을 개정하여 신재생발전원의 출력 불확실성을 대비하는 자원을 확보하였다. 하지만 운영예비력의 경우 실시간 운영에 대한 예비력이기 때문에 전력계통 수급의 신뢰성을 확보하기 위힌 공급예비력 측면에서도 신재생발전원의 영향성을 고려해야 한다.

본 논문에서는 신재생발전원의 보급률 증가에 따른 전력계통 영향성을 최소화하기 위해 필요한 공급예비력을 산정하기 위해 신재생 발전 출력의 불확실성과 변동성을 분석하며 이를 이용하여 신재생발전원을 고려한 공급예비력 산정 방법을 도출하고자 한다.

본 논문의 2장에서는 연구의 주제인 공급예비력의 개념과 국내・외 공급예비력 운영 현황을 제시하였다. 3장에서는 공급예비력 증가 요인별 분석 방법과 필요공급예비력 추정방법을 제시하였다. 4장에서는 3장에서 제시한 적정 공급예비력 산정 방법을 적용한 사례연구 결과를 도출하였다. 5장에서는 제안된 방법의 기여점을 분석하고 개선하기 위한 방안에 대해 논할 것이다.

2. 연구 개요

2.1 공급예비력

전력계통에서 예비력은 전력설비의 비정상 고장 시에 전력을 공급하여 계통의 안정성에 기여한다. 전력계통 신뢰도 및 전기품질 유지기준 고시와 전력시장운영 규칙에 따르면, 예비력이란 전력수급의 균형을 유지하기 위하여 전력수요를 초과하여 보유하는 중앙급전발전기의 발전력 및 전기저장장치의 용량을 말하며, 공급예비력과 운영예비력으로 구분한다. 공급예비력은 우선적으로 확보해야하는 운영예비력과 이를 초과하여 급전정지 중인 발전력을 의미한다(2)(3).

Table 1. Reserve Power Configuration

구분

설비예비력

공급예비력

운영예비력

적용 예비력

중・장기 전력수급계획

단기 전력수급계획

일일운영계획

실시간 운영

적용

기간

2년~15년

1일~2년

24시간

예비력 활용

∙연간 최대수요를 초과하여 보유하고 있는 설비용량

∙중・장기 전력수급계획에 사용

∙연・월간 최대수요를 초과하여 보유하고 있는 공급 용량

∙발전기 정지 계획 및 동・하절기 전력수급계획에 사용

∙일일 최대 수요를 초과하여 보유하고 있는 운영용량

∙일일전력수급계획 및 실시간 운영에 사용

Fig. 1. Peak Demand and Reserve Power

../../Resources/kiee/KIEE.2020.69.12.1816/fig1.png

운영예비력은 평상 시 안정적으로 주파수를 유지하기 위한 주파수제어예비력과 고장발생 시 주파수 회복을 위한 1차예비력, 2차예비력, 제3차예비력을 말한다. 주파수제어예비력이란 발전기의 자동발전제어(AGC) 운전을 통해 5분 이내에 동작하여 30분 이상 출력을 유지할 수 있는 예비력을 말한다. 1차예비력이란 발전기의 조속기(Governor Free) 운전 및 전기저장장치의 주파수추종 운전을 통해 주파수 변동 10초 이내에 동작하여 5분 이상 출력을 유지할 수 있는 예비력을 말하며, 2차예비력은 발전기의 자동발전제어(AGC) 운전을 통해 10분 이내에 동작하여 30분 이상 유지할 수 있는 예비력을 말한다. 3차예비력은 중앙급전발전기를 통해 30분 이내에 확보할 수 있는 예비력을 말한다. 2019년 11월에 개정된 고시와 규칙에는 속응성자원이라는 예비력 자원이 추가되었다. 속응성자원이란 운영예비력과는 별도로 중앙급전발전기 중 20분 이내에 동작하여 4시간 이상 출력을 유지할 수 있는 발전력을 말한다. 속응성 자원은 전력계통 환경 변화에 따라 발생할 수 있는 과도한 변동성에 신속하게 대응할 수 있는 발전자원을 의미한다. 이외에도 설비예비력이 있는데 설비 예비력은 연간 최대수요를 초과하여 보유하고 있는 설비용량으로 정의된다. 예비력을 구분하면 표 1과 같다(4). 예비력의 구조를 크기순으로 살펴보면 그림 1과 같이 최대전력수요 → 운영예비력 → 공급예비력 → 설비예비력의 순서로 크기가 커진다.

공급예비력은 동・하절기 전력수급계획 수립 시 계통 신뢰도의 지표로 활용되고 있다. 공급예비력은 총 발전설비용량 중에서 예측이 가능한 출력 감소분을 제외한 공급가능용량과 전력수요와의 차이를 의미한다. 설비용량에서 출력감소요인으로는 계획 예방정비, 수력발전의 댐 수위저하에 의한 발전력 감소, 성능저하, 열 공급 발전기의 열공급 시 출력 감소 등이 있다. 이전 공급예비력에 관하여 전력시장운영규칙에 따르면 공급예비력을 아래 두 식으로 표현될 수 있다.

(1)
공급예비력 = 공급가능용량 - 최대전력수요

(2)
공급예비력 = 운영예비력 + 급전정지

운영예비력은 앞 서 언급한 것처럼 미소 수요변동에 따른 주파수 조정용, 일간수요예측오차 대비, 상정사고 대비, 후속사고 대비 예비력 회복용(30분 이내)으로 활용된다. 운영예비력을 초과하여 보유하는 예비력, 즉 (공급예비력 - 운영예비력)은 운영예비력이 고려하지 못하는 상황을 대비하기 위함이고, 아래와 같이 정리할 수 있다.

∙ 일간수요예측오차 범위를 벗어나는 예측오차

∙ 상정사고 장기화에 따른 대체 예비력의 부족

∙ 이상기온에 따른 최대전력수요 갱신 상황

∙ 비중앙발전기(신재생)의 출력 변동성

위와 같은 상황에 대비하기 위해서는 (공급예비력 - 운영예비력)의 값이 증가되어야 하고, 결국 확보기준이 고시나 규정으로 정립되어 있는 운영예비력이 아닌 공급예비력을 추가적으로 확보해야 함을 의미한다. 운영예비력을 제외하고 추가적으로 필요한 공급예비력에 대해서는 앞서 언급한 것처럼 고시나 전력시장운영규칙 어디에도 구체적인 방법이나 용량이 명시되어 있지 않다. 통상적으로 한국전력거래소는 운영예비력에 급전정지중발전력 1,000 MW를 추가한 용량을 공급예비력의 최소 한계로 전력계통을 운영해왔다. 하지만 이러한 설정에 대한 명확한 근거는 불명확하다.

2018년 전력거래소에 발표된 하계기간 공급능력 점검 및 안정대책에 따르면 수급경보준비단계(5,000 MW) 이상 공급예비력을 확보하기 위해 7,000 MW 이상을 하계기간을 대비한 공급예비력으로 추정하였다.1) 이때는 수요예측 평균오차량과 발전기 최대단위기 고장을 고려하여 추가 2,000 MW(= 수요예측 평균 오차량 (600 MW) + 발전기 최대단위기 고장(1,400 MW))에 대한 용량을 산정하였다.

2.2 국내 공급예비력 운영 현황

전력거래소는 시장운영규칙에 따라 연・월・주간 단위로 수요예측을 진행하고, 발전사가 제출한 정비일정을 원안 승인 또는 조정하는 방법으로 적정 예비력을 확보하기 위한 전력수급 계획을 수립하고 있다. 현 공급예비력 및 예비율 현황을 연도별, 월별로 나누어 살펴보면 그림 2그림 3과 같다. 먼저 연도별 최대전력수요 대비 공급예비율 수준은 그림 2와 같다. 2010년 초반 대비 현재 공급예비율 수준은 비교적 안정적이며, 2010년 초반 이후 8%이상의 공급예비율을 유지하고 있다. 국내 월별 공급예비력의 경우 그림 3에서 확인할 수 있듯이 2012년 8월 최저 2,791 MW를 기록한 후 2013년 10월 이후로는 항상 5,000 MW 이상을 유지해 왔다.

그림 2그림 3의 연도별/월별 공급예비력 실적에서 확인할 수 있듯이 공급예비력을 5,000 MW 이상으로 유지하고 있다. 9・15 순환단전 이후로 수급비상준비단계가 5,000 MW으로 설정되어 있기 때문에 공급예비력은 최소한 5,000 MW 이상을 유지하고 있다.

과거 연구사례2)에서는 공급예비력 증가요인을 5가지(이상고온영향, 발전기 2기 동시 고장용량, 1,000 MW이상 발전기 정지, 2시간 이내 발전기 계통 병입 불가, 단기전력 수요예측오차)로 분석하여 요인별 용량의 평균을 운영예비력에 더해주는 형태로 추정하였으며, 과거 5개년 실적분석을 통해 당시 기준으로 운영초과예비력 1,750 MW ~ 2,000 MW를 적정 수준으로 제안하였다. 이 내용은 표 2수식 (3)과 같다.

Fig. 2. Supply Reserve Power and Supply Reserve Level

../../Resources/kiee/KIEE.2020.69.12.1816/fig2.png

Fig. 3. Monthly Supply Reserve Power

../../Resources/kiee/KIEE.2020.69.12.1816/fig3.png

Table 2. Example of Reserve Power Calculation

증가요인

내 용

1

이상고온 발생시 : 정상기온(32.5℃) 대비 2℃ 증가한 34.5℃

→ 실적 : 1,000MW/℃ (2,000MW 적용)

2

과거 1,000MW 2기 동시 정지

→ 실적 : ’04년 2회, ’05년 2회, ’06년 6회, ’07년 2회

3

과거 1,000MW 이상 발전기 정지

→ 연평균 12.5회 발생

4

120분 이내 계통병입 불가 발전기

→ 2,000MW(Cold 상태 화력발전기, 신재생/집단에너지)

5

월・주간 단기 전력수요예측계획 대비 증가량

→ 1,500MW~2,000MW (1,750MW 적용)

(3)
$운영초과예비력 =\dfrac{\sum_{i=1}^{5}증가요인_{i}}{5}$

위와 같은 연구사례도 존재하지만, 그간 국내에서 단기 전력수급에 활용되는 공급예비력에 대해서는 연구가 미진한 상황이다. 현재 실시간 운영에 필요한 예비력 기준은 고시 및 시장운영규칙에 명확하게 명시되어 운영되고 있는 반면에 단기(연・월・주간) 전력수급계획에 필요한 공급예비력 확보기준은 부재한 상황이다. 신재생발전원을 포함한 발전설비용량이 지속적으로 증가하여 전력계통 운영의 변동성 증가가 예상되는 상황에서 최근에는 봄, 가을철 미세먼지 감축을 위한 노후 석탄발전소의 가동중단과 같은 계절 특성 등과 같은 내・외부적 상황을 고려하였을 때 적정 수준의 공급예비력 확보 기준 등을 종합적으로 검토하여 적용하는 것이 요구되는 상황이다.

1) 전력거래소 수급계획팀, 18년 8월 공급능력 점검 및 안정대책, 2018.

2) 안대훈 외 3인, 전력계통 안정을 위한 공급예비력 적정수준에 대한 연구, 2008.

2.3 국내 비중앙급전발전기의 공급능력 및 변동성 분석

비중앙발전기는 2018년 12월 기준으로 IGCC, LNG, 가스압, 매립가스, 바이오가스, 부생가스, 소수력, 수력, 연료전지, 유연탄, 중유, 폐기물, 태양광, 풍력, 해양에너지(조력), 기타로 구분되며 총 설비용량이 13,621 MW가 전력시장에 등록되어 있다. 이 중 신재생에너지발전원(태양광, 풍력, 해양에너지)를 제외하고는 일정한 출력을 보인다. 신재생에너지발전은 연료원의 특성 상 출력의 변동성이 다른 비중앙발전기의 비해 크다. 해양에너지원의 경우 조수간만의 차를 이용하는 조력발전이기 때문에 출력이 특정 시간에서만 발생한다.

국내 전력시장에서 비중앙급전발전기의 경우 설비용량과 실제 발전출력이 상대적으로 작아서 전력계통에 주는 영향이 미미하였다. 현재까지 비중앙급전발전기의 출력은 순부하(net-load) 형태로 취급되었다. 따라서 실시간 수급 측면에서 공급능력을 따로 추정할 필요가 없었다. 하지만 최근 태양광발전을 비롯한 신재생발전원의 보급률이 증가하고 있기 때문에 국내 전력시장에서도 신재생에너지발전원에 대한 공급능력 추정이 필요한 시점이다.

비중앙급전발전기의 설비용량은 최근 증가폭이 커지고 있으며 대다수가 태양광발전의 증가임을 그림 4에서 확인할 수 있다. 그림 4는 최근 9년의 비중앙급전발전기 설비 용량과 태양광 설비용량을 보여준다. 그림 4에서 확인할 수 있듯이 최근 비중앙급전발전기의 설비용량 중 50% 이상을 태양광발전이 차지하고 있음을 확인할 수 있다. 전력시장에 등록되지 않은 BTM(Behind The Meter) 태양광발전을 포함한다면 비율은 더 커질 것이다.

그림 5는 비중앙급전발전기 중 신재생에너지원의 최근 4년 설비용량을 비교한 그래프이다. 해양에너지의 경우 설비 용량은 255 MW로 변화가 없다. 풍력 또한 매년 설비 용량이 증가하고 있으나 증가 속도가 태양광에 비해 둔함을 확인할 수 있다. 비중앙발전기 중 태양광발전의 비중이 크다는 것을 확인할 수 있다.

그림 6에서는 실제 출력의 변동성을 분석한 그림이다. 여기서 사용된 데이터는 시간별 출력 변동성의 99퍼센타일값을 사용하였다. 변동성 계산 수식은 다음과 같으며, 발전량 감소를 의미하는 변동성 음수의 경우만 고려하여 분석하였다.

(4)
$시간별출력변동성_{t}=MW_{t+1}-MW_{t}$

그림 6에서는 신재생에너지발전원 전체의 출력 변동성과 각 신재생에너지발전원별로 변동성을 확인할 수 있다. 연도별로 비교 시 설비 용량 증가에 따라 출력의 변동성이 커짐을 확인할 수 있다. 또한 전체 변동성과 태양광발전의 출력 변동성이 유사함을 알 수 있으며, 이를 통해 태양광발전의 비중을 확인할 수 있다. 추가로 각각의 발전원의 변동성 합이 전체 변동성 크기보다 작음을 확인할 수 있는데, 이는 발전원별 출력 변동성의 평활화 효과(smoothing effect)가 있는 것으로 판단된다. 그림 7을 통해 설비용량 대비 발전원별 출력 변동률을 비교해 보면 평활화 효과를 더욱 명확히 확인할 수 있다.

Fig. 4. Accumulated Capacity of Non-Central Generation (MW)

../../Resources/kiee/KIEE.2020.69.12.1816/fig4.png

Fig. 5. Detailed Non-Central Generation Capacity (MW)

../../Resources/kiee/KIEE.2020.69.12.1816/fig5.png

그림 7의 신재생에너지발전원 전체의 99퍼센타일기준 출력 변동율 4.9%의 의미는 2018년 12월 기준 신재생에너지 발전원의 설비용량(8,805 MW)의 4.9%인 약 440 MW까지 출력 변동성이 발생할 수 있다는 의미이다. 현재 전력시장에서는 신재생에너지발전원의 출력을 순부하 형태로 취급하여 변동성에 따른 별도의 예비력을 산정하지 않고 있지만 앞서 언급한 것처럼 BTM 용량과 추가 설치되는 신재생에너지발전의 설비 용량을 고려했을 때 가까운 미래에 신재생에너지발전원의 변동성이 계통 운영의 부담을 높일 것으로 판단된다.

Fig. 6. Renewable Generator Output Volatility (99%, MW)

../../Resources/kiee/KIEE.2020.69.12.1816/fig6.png

Fig. 7. Renewable Generator Output Volatility compared to generation capacity (99%, MW)

../../Resources/kiee/KIEE.2020.69.12.1816/fig7.png

2.4 국외 공급예비력 운영 현황

북미의 경우 신뢰도지수(LOLE, Unserved Energy)를 만족하는 설비용량 선정 후 발전기 특성과 전력계통 신뢰도를 고려해서 공급능력을 추정한다. 공급예비력(율) 관련 용어를 기관마다 다르게 사용하고 있으나 개념은 설비용량과 등가고장정지율(혹은 유사지표) 곱의 형태로 공급가능용량을 추정한다. 북미 전력시장의 공통점은 공급예비력에 대해 구체적인 숫자로 규정되어 있지 않다. 다만 추정된 공급능력과 미래의 전력수요를 고려해서 비상상황에 대한 대처 위주로 매년 단기 수급계획 관련 분석 보고서를 작성한다(2-8).

유럽의 ENTSO-E는 Spare Capacity라는 개념을 통해 설비용량(Net Generating Capacity)의 5% ~ 10%에 해당하는 용량을 지역별로 확보한다. 우리나라와 비교했을 때 주파수조정예비력을 제외한 공급예비력 개념으로 Adequacy Reference Margin이라는 용어를 사용하고 있으며 이는 Spare Capacity에 해당 기간의 전력수요 피크 대비 여유분을 더하는 개념이다(9)(10). 유럽 계통은 국가별/지역별 전원구성 특성에 따라 Spare Capacity 용량을 다르게 설정하여 운영하고 있다. 예를 들어 스페인의 경우 신재생에너지발전 자원의 보급률이 높기 때문에 다른 유럽의 국가와 다르게 높은 Spare Capacity를 가지는 것으로 확인된다.

일본의 전력시장은 우리와 매우 유사한 특성을 보인다. 북미와 유럽과 달리 타 전력시장과 연결되지 않은 고립된 전력계통을 가지고 있다. 일본의 광역계통운영 기관에서는 수요측과 공급측 불확실성을 고려하여 공급예비율 수준을 특정값으로 추정하여 이를 바탕으로 수급계획을 한다. 수요측변동으로는 기온에 의한 수요변동과 기타요인으로 인한 수요변동으로 나뉘는 반면, 공급측 변동으로는 전원설비 고장, 강수변동에 의한 수력발전 출력, 바람과 일사량 변동에 의한 풍력 및 태양광 발전의 출력 변동을 고려한다(11). 이러한 예비력 설정 개념은 우리와 유사한 모습이다.

3. 적정 공급예비력 산정 방법

본 연구에서는 적정 공급예비력 확보 기준으로 기존 국내의 단기 수급계획 때 사용하는 방법과 일본에서 사용하는 방법을 현재 국내 전력계통 환경에 적합한 형태로 개선한 방법을 제안한다. 전력시장운영규칙 상에 공급예비력의 정의는 운영예비력에 급전정지 중인 발전력을 더한 것을 의미한다. 따라서 본 연구에서는 운영예비력에 공급예비력증가요인을 추정하여 전체 공급예비력 확보기준 개선안을 작성하였다. 공급예비력 산정 개념을 수식으로 나타내면 아래와 같다.

(5)

공급예비력 = 운영예비력 + 공급예비력증가요인

공급예비력증가요인

= [수요측증가요인]$+\sum_{i}공급측증가요인_{i}$

공급예비력 증가요인은 수요측면과 공급측면으로 나눌 수 있다. 표 3은 본 연구에서 제안하는 공급예비력 증가요인과 증가요인별 사용되는 지표를 정리한 것이다. 단기 수급계획을 위한 적정 공급예비력 산정을 위해 수요측에서 고려해야 하는 요소는 전력수요예측 오차와 이상기온에 따른 전력수요 증가량으로 나눌 수 있다. 전력수요예측의 경우 발전기 기동정지계획을 위해 일주일 전에 진행하는 주간수요예측과 함께 하루 전 수요예측인 일간수요예측을 고려하며, 이는 발전기정지계획 수립 이후 일일발전계획까지 발생 가능한 불확실성을 대비하는 동시에 운영예비력에서 고려하지 못하는 공급예비력증가량을 산정하기 위함이다.

이상기온에 의한 전력수요 증가량은 이상고온 혹은 이상저온으로 발생하는 추가적인 전력수요를 의미한다. 지난 2018년 7월 24일 이상고온으로 인해 최대전력수요는 92,478 MW로 갱신되었으며, 그 당시 공급예비율은 7.7%로 유지되었다.3) 수요측면의 2가지 모두 운영예비력만으로는 대비할 수 없으므로 공급예비력 증가요인으로 볼 수 있다.

수요측 공급예비력 증가요인인 주간수요예측 오차와 이상기온에 의한 전력수요 증가량은 겹치는 영역이 존재한다. 이상기온에 의해 전력수요 증가량이 발생할 경우 주간수요예측의 오차의 일부를 증가시킬 수 있는 요소로 작용할 수 있기 때문에 수식 (5)를 통해 수요측 공급예비력 증가요인 중 큰 값을 선택하는 방법을 제안하였다.

공급측면으로 고려해야 할 사항은 발전설비 고장 장기화에 대비한 대체자원과 신재생발전자원을 포함한 비중앙발전기의 출력 불확실성에 대한 대응이다. 현행 운영예비력에서는 (N-1)상정사고에 대비한 예비력을 포함하고 있다. 하지만 상정사고가 장시간화(현재 운영예비력 기준 2시간 이상) 경우 운영예비력 회복을 위한 추가 자원이 필요하다. 이를 위해 본 연구에서는 발전설비 고장의 장기화를 대비한 용량을 산정하여 공급예비력에 포함시켰다. 또한, 공급측면에서는 전력계통 환경 변화에 따라 증가하는 신재생발전원의 출력 불확실성을 반영하기 위해 신재생발전원을 포함하는 비중앙발전기의 출력 불확실성을 반영하였다.

Table 3. Factors to Increase Supply Reserve Power

No.

공급예비력 증가요인

추정방법

1

발전기정지계획 수립 이후 일일발전계획까지 발생 가능한 불확실성

(주간수요과소예측 50퍼센타일오차율- 일간수요과소예측 50퍼센타일오차율)

×해당기간기준수요전망치

2

이상기온에 의한 전력수요 증가

이상기온에 의한 전력수요 증가량

=이상기온민감도×기온간격

3

발전설비 고장의 장기화 대비

장기화된 발전설비의 정지 발전력

4

비중앙발전기의 출력 불확실성 대비

(주간비중앙발전출력과소예측 50퍼센타일오차율)×해당기간비중앙발전기 설비용량

3) http://www.kpx.or.kr/www/contents.do?key=217

3.1 수요측 공급예비력 증가요인

연・월・주・일간 등 기간에 따라 전력수급계획 시 확보해야 하는 공급예비력이 상이한 점을 고려하여, 수요예측 및 실적에 대한 데이터를 연・월・주・일간별로 구분하여 분석을 진행하였다. 발전기의 기동시간과 발전기 유지보수 계획을 고려해서 일주일 전 발전기정지계획을 수립하고 하루 전 운영발전계획을 통해 실시간 발전기 기동 여부를 확정한다. 따라서 본 연구에서는 실시간 운영에 가장 가까운 주간 발전기 정지계획 때의 전력수요예측 결과에 따른 과소 오차를 발전기정지계획 수립 이후 일일발전계획까지 발생 가능한 불확실성으로 정의하였다. 주간 발전기 정지계획을 위해 수행하는 주간전력수요예측은 운영예비력에서 포함할 수 없기 때문에 추가 공급예비력에서 확보해야 한다. 일일수요예측은 운영발전계획의 기초자료로 활용되고, 시간대별 예비력이 산정되기 때문에 운영예비력에 포함되지 않는 공급예비력 증가요인에 해당하는 예측오차를 고려하기 위해서는 주간수요예측오차의 영향에서 일간수요예측오차의 영향을 감하는 방안이 적절하다고 판단된다. 해당 산정방법으로는 주간수요예측오차율 특정 백분위수에서 일간수요예측오차율 특정 백분위수를 감하는 방안을 제안하였다.

표 4표 5는 최근 3년간 하계 전력수급기간 동안의 주간 및 일간전력수요 예측오차를 보여준다. 사용된 데이터는 3개년(2016년 ~ 2018년)의 7월, 8월 데이터 중 주말, 하계휴가기간, 특수일(광복절)을 제외한 후 평일 데이터만을 사용하여 계산된 주간 및 일간전력수요예측 오차와 오차율이다. 표에서 확인할 수 있듯이 해당 기간 주간과소예측 평균 오차는 2,166 MW로 주간전력수요 예측이 실제 전력수요보다 평균적으로 2,166 MW 부족했다는 의미이다. 50퍼센타일의 오차율은 과소 오차들 중 중간 오차율값을 의미하며 99퍼센타일 값은 과소 예측 하방 리스크를 의미하며 과거 발생된 100개의 과소 오차율 중 99번째로 큰 오차율을 의미한다.

표 6표 7은 최근 3년 간의 동계 전력수급기간에 대한 주간 및 일간전력수요 예측오차를 보여준다. 사용된 데이터는 3개년(2015년 ~ 2018년)의 12월, 1월, 2월 데이터 중 주말, 특수일(신정, 설날휴가)을 제거한 후 평일 데이터만을 사용하여 계산된 주간 및 일간 전력수요예측 오차와 오차율이다. 표에서 확인할 수 있듯이 해당 기간 과소 예측 평균 오차는 944 MW로 하계기간과 비교 시 낮으며 오차율 또한 낮다. 동계의 경우 하계에 비해 전력수요예측의 정확성이 높다는 의미이다.

위와 같이 전력수급계획 기간에 따라 해당 기간의 과거 (주간수요예측 과소오차율 - 일간수요예측 과소오차율)을 계산한 후 수급계획을 진행할 해당 기간의 전력수요예측값을 곱하게 되면 발전기정지계획 수립 이후 일일발전계획까지 발생 가능한 불확실성을 반영한 공급예비력을 추정할 수 있다. 수식으로 정리하면 아래와 같다.

(6)

주간수요예측오차에 따른 필요 공급예비력

= (주간수요과소예측오차율 - 일간수요과소예측오차율)

× 해당기간 기준수요전망치

예를 들어 2019년 하계 전력수급을 위해 필요한 수요측 증가요인을 추정하기 위해 하계기간에 예측된 기준수요 전망치(89,500 MW)에 과거 과소 99퍼센타일 오차율(5.47% - 0.78%)을 곱하면 공급예비력 필요량으로 약 4,200 MW가 도출된다.

2018년도 하계와 같이 이상고온으로 인한 최대전력수요의 갱신에 대비하여 공급예비력을 추가적으로 확보함으로써 수급능력 및 안정적 운영예비력을 확보할 수 있다. 이상기온을 대비하여 추가로 확보해야 할 공급예비력 산정방법의 개요는 표 8과 같다.

Table 4. Underestimation Error for Week Ahead Load Forecasting in Summer Season

과소 오차

오차평균 (MW)

50퍼센타일 오차율(%)

99퍼센타일 오차율(%)

2,166

2.39

5.47

Table 5. Underestimation Error for Day Ahead Load Forecasting in Summer Season

과소 오차

50퍼센타일 오차율(%)

99퍼센타일 오차율(%)

0.78

3.81

Table 6. Underestimation Error for Week Ahead Load Forecasting in Winter Season

과소 오차

오차평균 (MW)

50퍼센타일 오차율(%)

99퍼센타일 오차율(%)

944

0.92

4.05

Table 7. Underestimation Error for Day Ahead Load Forecasting in Winter Season

과소 오차

50퍼센타일 오차율(%)

99퍼센타일 오차율(%)

0.67

3.30

Table 8. Additional required supply reserve power to prepare abnormal temperatures

구분

이상기온을 고려한 추가적 필요공급예비력 산정방법

필요량

∙이상기온의 정도×온도민감도

이상기온

정의

∙세계기상기구(WMO)에 따라 과거 실적 중 기온이 90퍼센타일 초과 또는 10퍼센타일 미만일 때를 이상기온이라 정의함

이상기온의 정도

∙이상고온/저온 퍼센타일-이상고온/저온 기준 온도

온도

민감도

∙이상고온/저온 기준 온도 대비 초과/미만 일의 1℃ 변동 시 전력수요 변화량

3.2 공급측 공급예비력 증가요인

전력계통 운영자는 발전설비 고장의 장기화를 대비하여 공급예비력을 확보함으로써 안정적인 수급능력을 확보할 수 있다. 발전설비 고장의 장기화를 정의하기 위해 본 연구에서는 현 운영예비력의 대체예비력의 병입 시간인 2시간이 넘는 발전설비 사고를 고장의 장기화로 정의하였다. 최근 4년간 발전설비 고장 이력을 살펴보면 1,000 MW 이상 중복고장 사례 중 장기 고장 사례로 설비용량의 합이 가장 큰 사례는 2017년 7월에 발생한 한울원자력과 삼척그린의 고장으로 2,022 MW 탈락이 8시간 지속된 경우이다.

국내 기준으로 신재생발전자원을 포함하는 비중앙발전기의 경우, 출력의 불확실성을 수반하게 되므로 이러한 출력 불확실성에 대한 대응이 필요하다. 비중앙발전기에 대한 예측모형이 없는 상황에서 이를 반영하기 위해 persistence model을 차용해서 일주일 전의 실측값을 해당 주의 예측값으로 가정하여 예측오차율을 산정하였다. 과거 3개년(하계는 2016년 ~ 2018년, 동계는 2015년 ~ 2018년)의 데이터 중 비중앙발전기 출력 1시간 단위 과소 예측 데이터를 대상으로 분석하였다. 비중앙발전기의 출력 불확실성에 대비하기 위한 용량의 산정방법은 표 9와 같다.

Table 9. Additional Required Supply Reserve Power to Prepare Uncertainty of Output from Non-Central Generators

구분

비중앙발전기의 출력 불확실성을 고려한 추가 필요공급예비력 산정방법

예측

오차율 산정

∙비중앙발전기 예측모형이 없는 점을 고려하여 1주 전의 실측값을 해당 주의 예측값으로 고려하여 다음과 같이 예측오차율 산정

∙비중앙발전기 예측오차율=(1주 전의 실측값-실측값)/실측값

필요량

∙(주간비중앙발전출력과소예측 50퍼센타일 오차율) ×해당기간 비중앙발전기 설비용량

제안된 방법으로 2019년 하계기간에 비중앙발전기의 출력 불확실성을 대비한 추가 필요공급예비력 산정 예시는 다음 표 10과 같다.

∙ 과거 3개년(2016년 ~ 2018년) 데이터 중 하계에 해당하는 7월, 8월을 대상으로 분석함

∙ 비중앙발전기 설비용량은 2019년 6월의 설비용량 적용 : 15,214 MW

Table 10. Example of Additional Required Supply Reserve Power to Prepare Uncertainty of Output from Non-Central Generators in Summer

구분

비중앙발전기의 출력 불확실성을 고려한 추가 필요공급예비력 산정예시

필요량

(주간비중앙발전출력과소예측 50퍼센타일 오차율)×해당기간 비중앙발전기 설비용량=3.81%×15,214MW

=약 600MW

4. 사례연구

제안된 적정 공급예비력 확보 기준을 이용하여 2019년 하계전력수급기간(2019년 7월 ~ 2019년 8월)의 적정 공급예비력을 추정하였다. 사례연구를 위한 기본 가정과 사용된 데이터는 아래와 같다.

∙ 2019년 하계 전력수급 대책기간 최대전력수요 예측값: 89,500 MW (2019년 7월 4일 하계 전력수급대책에서 발표된 기준수요 전망치)

∙ 최근 3년 주간수요 과소예측 오차율 99퍼센타일 = 5.47%

∙ 최근 3년 운영발전계획 과소예측 오차율 50퍼센타일 = 0.78%

∙ 이상고온 민감도: 3,743 MW/℃ (90 / 99 퍼센타일온도 = 30.23℃ / 31.21℃

∙ 비중앙발전기 설비용량 : 15,214 MW(2019년 6월 기준), 과소예측 오차율 50퍼센타일 = 3.81%

Table 11. Example of Estimating Required Supply Reserve Power in Summer of 2019

구분

증가요인

추정값

수요

측면

① 주간수요예측오차

89,500MW×(5.47-0.78)%

= 약 4,200MW

② 이상고온

3,743MW/℃×(31.21℃-30.23℃)

= 약 3,700MW

공급

측면

③발전설비 고장 장기화

약 2,000MW

④ 비중앙발전기 출력 불확실성

(3.81)%×15,214MW=약 600MW

표 11은 2019년 하계 전력수급 대책기간을 위해 필요한 공급예비력 증가요인별 필요 예비력 산정 결과이다. 공급예비력 증가요인을 모두 합산하여 공급예비력 증가량을 계산하면 아래와 같다.

공급예비력증가량

= $Max$(①, ②) + ③ + ④ = 6,800 MW

최종적으로 공급예비력을 산출하면 다음과 같다.

공급예비력 = 운영예비력 + 공급예비력증가량

= 4,500 MW + 6,800 MW

= 11,300 MW

여기서 사용된 운영예비력은 고시 값인 4,500 MW를 준용하였다.

본 연구에서 도출된 단기 수급계획을 위한 적정 공급예비력 산정 방법의 특징은 운영예비력과 달리 하나의 값으로 도출된 것이 아니라 기간에 따라 공급예비력증가요인이 비율적으로 변한다는 점이다. 사례연구에서 확인할 수 있듯이 신재생발전 및 전력수요 예측 알고리즘이 개선되어 예측의 정확성이 향상된다면 공급예비력 증가요인의 값이 작아질 수 있다. 그러한 경우 공급예비력의 구성이 운영예비력에 발전설비 고장 장기화에 따른 공급예비력 증가량을 고려하는 형태가 될 수 있다. 이처럼 제안된 공급예비력 산정 방법은 전력계통 환경 변화와 예측 기술의 발전을 고려할 수 있는 유연한 방안이 될 것으로 판단된다.

5. 결 론

국내 적정 공급예비력 확보 기준 개선안으로 본 연구에서는 기존 국내의 단기 수급계획 때 사용하는 방법과 일본에서 사용하는 방법을 현재 국내 전력계통 환경에 적합한 방법으로 개선하였다. 본 연구에서는 운영예비력에 공급예비력 증가요인을 추정하여 전체 공급예비력 산정방법을 제안하였다. 제안된 방법은 공급예비력 증가요인으로 수요측면과 공급측면의 변동성을 대비하였다. 본 연구에서 도출된 단기 수급계획을 위한 적정 공급예비력 산정 방법의 특징은 운영예비력과 달리 하나의 값으로 도출된 것이 아니라 기간에 따라 공급예비력증가요인이 상대적으로 변한다는 점이다. 이러한 점은 전력계통 환경 변화에 유연하게 적용할 수 있는 공급예비력 추정 방법이 될 것으로 판단된다. 또한 제안된 방법을 통해 연간, 월간, 주간 등 기간별로 확보해야 할 공급예비력 기준을 명확히 한다면 전력수급전망 및 정비계획 조정업무의 신뢰성 확보 및 전력자원의 공급능력에 근거한 발전계획 수립으로 전력계통의 수급 안정성 및 효율성을 증대시킬 것으로 기대된다.

Acknowledgements

This work was supported by the National Research Foundation of Korea(NRF) grant funded by the Korea government(MSIT) (No. 2020R1C1C101322811).

This Study was conducted by research funds from Gwangju University in 2020.

References

1 
IRENA, 2019, Renewable Capacity StatisticsGoogle Search
2 
PJM, 2003, PJM Generation Adequacy Analysis : Technical MethodsGoogle Search
3 
PJM, 2014, PJM Manual 10 : Pre-Scheduling OperationsGoogle Search
4 
NYSRC, 2017, New York Control Area Installed Capacity Require- ment AppendicesGoogle Search
5 
MISO, 2018, 2018-19 Winter Readiness WorkshopGoogle Search
6 
MISO, 2019, 2019 Summer Readiness WorkshopGoogle Search
7 
CAISO, 2018, 2018 Summer Loads & Resources AssessmentGoogle Search
8 
NREL, 2012, Summary of Time Period-Based and Other Approxi- mation Methods for Determining the Capacity Value of Wind and Solar in the United StatesGoogle Search
9 
ENTSO-E, 2010, Scenario Outlook and Adequacy Forecast 2012- 2030Google Search
10 
European Parliament, 2017, European Energy Industry InvestmentsGoogle Search
11 
OCCTO, 2019, 確率論的必要供給予備力算定手法 (EUE算定)についてGoogle Search

저자소개

Jaehee Lee
../../Resources/kiee/KIEE.2020.69.12.1816/au1.png

He received his M.S. and Ph.D. degrees from Korea University, Seoul, Korea, in 2009 and 2014, respectively.

From 2013 to 2015, he was a Senior Researcher of Korea Electric Power Corporation (KEPCO), Seoul, Korea.

From 2015 to 2016, he was an Assistant Professor in the Department of Electrical and Electronic Engineering at Gwangju University, Korea.

He is currently an Assistant Professor in the Depart- ment of Information and Electronic Engineering at Mokpo National University, Korea.

His research interests include power system operation and

Jonggi Lee
../../Resources/kiee/KIEE.2020.69.12.1816/au2.png

He received his M.S degree and completed his Ph.D. program in Electric Engineering from Yonsei University, Seoul, Korea, in 1999 and 2001, repectively.

From 2006 he has worked at Korea Power Exchange.

Hongseok Choi
../../Resources/kiee/KIEE.2020.69.12.1816/au3.png

He received the B.Sc. from Kyungpook National University in 1994 and M.Sc from Korea University in 2008.

He entered KEPCO in 1994 and worked at the field of power system protection area.

and He moved to KPX(Korea Powe eXchange from 2001 and engaged in developing power system operation criteria, Jeju Smart Grid Pilot project and reliability coordinator.

He is working for the CIGRE SC C2 representative of South Korea.

He is now general manager of National Electric Control Center in Korea

Young-Min Wi
../../Resources/kiee/KIEE.2020.69.12.1816/au4.png

He received his Ph.D. degree in Electrical Engineering from Korea University, Seoul, Korea, in 2013.

From 2013 to 2014, he worked at the Korea Electrotechnology Research Institute (KERI), Korea.

He is currently an assistant pro- fessor in the Dept. of Electrical and Electronic Engineering, Gwangju University, Gwangju, Korea