오은성
(Eunsung Oh)
†iD
Copyright © The Korean Institute of Electrical Engineers(KIEE)
Key words
Community solar, electricity bill, energy community, fairness, implementation, photovoltaic.
1. 서 론
에너지시스템은 대형 발전기 중심의 중앙 집중관리 단방향 시스템에서 정보통신기술(ICT, information and communication technology)
기술을 도입한 양방향 관리가 가능한 스마트그리드(smart grid)로 발전하였으며, 분산 발전 자원을 활용한 분산형, 지역적 관리의 개념이 양방향
분산 시스템 형태로 발전하고 있다(1). 일반적으로 수요와 가까운 위치에 설치되는 분산 발전 자원은 송배전 거리의 감소, 활용 자원의 증가 등으로 인하여 에너지시스템 운영의 새로운 기회
요인으로 작용한다. 그러나, 분산 발전 자원의 낮은 관리 범위 및 발전의 불확실성은 에너지시스템 운영의 안정도 및 탄성도를 악화 시키는 요인으로 작용할
수 있다(2).
특히 기후 변화 위기에 대응하기 위하여 급속도로 증가하고 있는 재생에너지 기반 분산 발전 자원의 경우 자연 현상에 기반한 동작으로 인하여 발전 불확실성이
내재된다. 국제에너지기구(IEA, international energy agency)가 제시하는 net zero scenario(NZE) 기준에 따르면,
에너지시스템에서 이를 수용하기 위해서는 2022년부터 2030년까지 기존 대비 매년 두 배의 망 보강 비용이 필요한 것으로 예측된다(3). 따라서 분산 발전 자원 활용에 따른 이득을 최대화 하면서, 에너지시스템 운용성 및 안정도 악화 등의 문제를 최소화 할 수 있는 연구 개발이 필요하다.
에너지 공유 시스템은 공유 경제의 개념을 에너지시스템에 도입한 것으로 재생에너지 등을 기반으로 하는 분산 발전 자원과 적응적 사용자로 구성된다 (4)(5). 생산 측면에서의 공유 태양광 (6)(7), 공유 에너지저장장치 (8)(9), 가상발전소 (10)(11) 등과 소비 측면에서의 스마트에너지커뮤니티 (7)(9)(11)(12), 사용자 간 에너지거래 (13) 등의 개별 연구가 진행되고 있다. 이러한 에너지 공유 시스템은 규모의 경제(economics of scale)로 인하여 발전 자원 설치에 필요한
단위 비용을 감소시키고 일정 규모 이상의 자원을 제공함으로 인하여 발전 자원의 제어 가능성을 증대시킨다. 또한 자원 공유는 다중 사용자 다양성(multi-
user diversity) 측면에서 시스템 운용 범위를 증대시켜 운용 효율과 시스템 활용 측면에서 이득을 얻을 수 있다.
에너지 공유 시스템에 대한 연구는 주로 에너지 공유 시스템 운영 문제를 다루고 있다(6-13). 이때 다루어지는 에너지 공유 시스템 운영 문제는 에너지 공유 서비스에 참여하는 다중 자원 또는 다중 사용자 집합이 고정되어 있는 경우이다. 그러나
에너지 공유 서비스를 제공하기 위해서는 에너지 공유 시스템 구성 문제가 선행되어야 한다. 에너지 공유 시스템 구성 문제는 서비스에 참여하는 다중 자원
또는 다중 사용자 집합을 구성하는 집합 구성 문제로 대표적인 Knapsack problem이다(14). Knapsack problem은 집합의 크기가 증가함에 따라서 풀이를 위한 복잡도가 지수적으로 증가하는 NP-hard 문제이다.
본 연구에서는 에너지 커뮤니티에서 커뮤니티 태양광 구성에 관한 문제를 다룬다. 에너지 커뮤니티 집합이 확정되어 있는 상태에서 커뮤니티 태양광 구성에
관한 문제는, 쌍대적으로 커뮤니티 태양광이 설치되어 있는 경우에서 에너지 커뮤니티 집합 선정 문제로 나타난다. 본 연구에서는 먼저 에너지 커뮤니티
집합 선정에 대한 효율 파라미터 분석을 진행한다. 분석된 파라미터를 기반으로 집합의 크기가 증가하더라도 복잡도가 선형적으로 증가하는 에너지 커뮤니티
집합 선정 방안을 제시한다.
에너지 공유 시스템이 지속되기 위해서는 시스템의 효율화 뿐 아니라 운영에 따른 이득의 공정한 분배가 진행되어야 한다(15). 공정성의 개념은 정성적인 기준으로 하나의 개념으로 정의되지는 않지만, 일반적으로 시스템 참여자들 간의 이득 분포로 검토된다. 본 연구에서는 이러한
공정성을 간접적으로 보장하기 위한 커뮤니티 태양광 서비스 가격 모델의 영향 평가가 추가적으로 검토된다.
2장에서는 에너지 커뮤니티를 위한 커뮤니티 태양광 시스템 모델과 본 연구에서 다루고자하는 문제가 서술되면, 3장에서는 에너지 커뮤니티를 위한 커뮤니티
태양광 구성 전략이 제시된다. 4장에서는 사례연구를 통하여 본 연구에서 제시된 기법의 적정성을 검토되며, 5장에서는 전체 연구에 대한 정리와 앞으로의
연구 진행 방향을 제시한다.
2. 에너지 커뮤니티를 위한 커뮤니티 태양광 시스템
2.1 시스템 구성
그림. 1. 에너지 커뮤니티를 위한 커뮤니티 태양광 시스템 모델
Fig. 1. A community solar system model for smart energy community
에너지 커뮤니티를 위한 커뮤니티 태양광 시스템은 그림 1과 같이 에너지 커뮤니티 사업자(Energy community service provider, ECSP), 에너지 커뮤니티 구성원(Energy community
member, ECM), 커뮤니티 태양광, 그리고 전력 유틸리티로 구성된다.
이때 커뮤니티 태양광은 제 3의 서비스 사업자 또는 ECSP에 의하여 구성될 수 있다. 본 연구에서는 연구의 간소화를 위하여 커뮤니티 태양광이 ECSP에
의하여 구성된 경우를 가정한다.
ECSP는 커뮤니티 태양광의 운영과 커뮤니티 태양광에서 생산된 전력을 ECM에게 판매하는 에너지 중개사업자의 역할을 수행한다. 이때 ECSP는 영리
또는 비영리 사업자로 동작할 수 있다. 본 연구에서 ECSP는 ECM에 의하여 커뮤니티 태양광 구성 및 운영을 위하여 조직된 비영리 사업자로 가정한다.
전력 유틸리티는 커뮤니티 태양광에서 생산되는 전력의 부가 부분에 대하여 ECM에 필요한 전력을 공급한다.
2.2 비용/이득 모델
ECSP의 비용은 커뮤니티 태양광의 설치 및 운용비용에 의하여 발생한다.
이때, $e_{PV}$는 태양광 시스템 설치 용량, $p_{PV}(e_{PV})$는 용량에 따른 단위 비용을 의미한다.
태양광 설치 및 운용비용은 규모의 경제에 의하여 그림 2에서 보는 것과 같이 태양광의 설치 용량이 증가함에 따라 단위 비용이 감소한다 (7)(16). 태양광 설치 및 운용의 단위비용은 균등화 발전비용을 기준으로 다음과 같이 모델링된다.
수식(2)에서 $\alpha_{1}$, $\alpha_{2}$, $\alpha_{3}$는 각각 태양광 가격 파라미터이다. 리포트 (15)를 기준으로 그림 2에서 사용된 $\alpha_{1}$, $\alpha_{2}$, $\alpha_{3}$는 각각 1.03, 0.016, 1.76이다. 각각의 계수는 설치
위치와 환경에 따라 달라질 수 있다. 또한 균등화 발전비용이 높은 경우 커뮤니티 태양광 시스템 구성 자체가 무의미해질 수 있으나, 지속적으로 감소하는
균등화 발전비용을 고려하여 이러한 경우는 고려하지 않는다.
ECSP의 이득은 다음과 같이 태양광 자원을 ECM에게 판매하는 것으로 얻을 수 있다.
그림. 2. 태양광 설치 용량에 따른 태양광 균등화 발전비용
Fig. 2. Levelized cost of energy of solar system according to system size
이때, $\vec{M}=\{1,\: 2,\:\cdots ,\: m ,\:\cdots ,\: M\}$은 ECM 집합이며, ECSP 비용과 유사한 형태로
member m에게 판매한 태양광 판매 용량 $e_{m}$과 단위 판매비용 $p_{S}(e_{m})$로 구성된다.
단위 판매비용 $p_{S}(e_{m})$은 판매 용량에 따라 다음과 같이 고려된다.
$\alpha_{4}$가 상수인 경우 단위 판매비용은 판매 용량 증가에 따라 증가한다. $\alpha_{4}$의 증가, 즉 용량 증가에 따른 단위
가격 상승은 대용량 구매자의 효용을 낮추는 효과로 나타난다. 이는 일부 ECM에게 태양광 판매가 집중되는 것을 완화시키는 효과로 작용하여. 간접적으로
ECM 간의 태양광 판매 용량의 공정성을 보장한다.
본 연구에서는 ECSP가 비영리 사업자로 가정되기 때문에 비용과 이득은 같아야 한다.
ECSP 이득은 또한 다음과 같이 개별 ECM의 비용으로 나타난다.
ECM의 이득은 태양광 활용에 따른 전기요금 저감으로 나타난다. 계시별(Time-of-use, ToU) 요금제를 사용하는 경우 전기요금 저감 이득은
다음과 같이 계산된다.
여기서 $p_{0}$와 $p_{t}$는 각각 기본요금과 전력량 요금을 나타내며, $d_{m,\:t}$는 시간 t에서의 member m의 부하, $a_{m,\:t}$는
시간 t에서 member m에게 할당된 태양광 발전량을 의미한다. 할당되는 태양광 발전량은 다음과 같이 member m이 구매한 태양광 용량에 비례하여
할당된다.
2.2 최적화 문제
본 연구에서 에너지 커뮤니티를 위한 커뮤니티 태양광 구성 문제는 전체 참여자들의 이득을 최대화 하는 문제로 구성된다. ECSP의 경우 비영리 사업자로
구성되기 때문에, 이는 다음과 같이 ECM 실제 이득 최대화 문제로 표현할 수 있다.
태양광 설치 용량 $e_{PV}$와 member m에게 판매되는 용량 $e_{m}$ 을 할당지수 $\lambda_{m}$으로 표현하면, 수식(9)는 다음과 같이 다시 쓸 수 있다.
이때, 할당지수 $\lambda_{m}$에 따라 다음과 같은 제한 조건이 발생한다.
또한, 할당지수 $\lambda_{m}$을 활용하여 시간 t에서 member m에게 할당된 태양광 발전량 $a_{m,\:t}$는 다음과 같이 고려된다.
이때, $g_{t}$는 시간 t에서의 태양광 발전량이다.
위의 조건들로부터, 본 연구에서 고려되는 에너지 커뮤니티 참여자들의 이득 최대화를 위한 태양광 구성문제는 다음과 같이 구성된다.
수식(11)에 활용된 함수들은 convex 특성을 만족하기 때문에 하나의 최적해를 갖게 되며, gradient decent 방법 등의 반복 풀이를 통하여 해를
구할 수 있다(17). 그러나 이는 ECM 집합이 늘어남에 따라 계산량과 수렴시간이 증가하게 된다. 본 연구에서는 이를 해결하기 위한 효율적인 방법을 제시한다.
3. 에너지 커뮤니티를 위한 커뮤니티 태양광 구성 전략
본 연구의 목적함수가 되는 수식(9)을 검토해 보면 다음과 같다.
이는 ECSP의 비용이 보장되는 경우에, 목적함수는 ECM의 전체 이득에 비례한다는 것을 의미한다.
ECM 전체 이득은 다시 다음과 같이 정리된다.
이때, $\vec{d_{m}}=\left\{d_{m,\:1},\:\cdots ,\:d_{m,\:t},\:\cdots ,\:d_{m,\:T}\right\}^{T}$,
$\vec{a_{m}}=\left\{a_{m,\:1},\:\cdots ,\:a_{m,\:t},\:\cdots ,\:a_{m,\:T}\right\}^{T}$이며,
$\|\vec{x}\|_{\infty}$은 벡터 $\vec{x}$의 infinite norm이다,
벡터 norm의 부등식 관계와 infinite norm을 2-norm으로 근사화하면, 수식(15)에서 다음과 같은 관계식이 도출된다.
이때, $\overrightarrow{d}_{m}=\left\{d_{m,\:1},\:\cdots ,\:d_{m,\:t},\:\cdots ,\:d_{m,\:T}\right\}^{T}$,
$\vec{a_{m}}=\left\{a_{m,\:1},\:\cdots ,\:a_{m,\:t},\:\cdots ,\:a_{m,\:T}\right\}^{T}$.
수식(16)에서 $\vec{a}$는 수식(12)로부터 $\vec{g}$의 상수 변화된 벡터이다. 따라서 수식(16)은 다음과 같이 해석된다. (1) $\vec{d}^{T}\vec{d}$항을 통하여 ECM 각각의 부하 간의 상관관계가 높고, (2) $\vec{a}^{T}\vec{d}$항을
통하여 부하와 태양광 발전량과의 상관관계가 낮은 경우 값이 증가한다.
수식(15)에서 보는 것과 같이 목적함수는 수식(16)의 값을 최소화하여한다. 즉, 목적함수를 최대화 하기 위해서는 ECM 부하 간 상관관계가 낮고, 부하와 태양광 발전량과의 상관관계가 높은 집합을 구성하여야
한다.
위의 관계를 활용하여 다음과 같은 에너지 커뮤니티를 위한 커뮤니티 태양광 구성 전략이 제안된다.
제안되는 커뮤티니 태양광 구성 전략
Initialization
$\lambda_{m}=0,\:\forall m\in\vec{M}$
$\vec{d}^{T}\vec{d}-2\vec{g}^{T}\vec{d}$을 최소화하는 m 선택
$B_{m}(e_{m})-C_{m}(e_{m})$을 최대화 하는 $\lambda_{m}$ 계산 및 할당
Main loop
while $\sum_{m\in\vec{M}}\lambda_{m} < 1$,
$\vec{\widetilde d} \leftarrow \lambda\vec{d},\:$
$\vec{\widetilde d}^{T}\vec{\widetilde d}-2\vec{g}^{T}\vec{\widetilde d}$을 최소화하는 m
선택
$B_{m}(e_{m})-C_{m}(e_{m})$을 최대화 하는 $\lambda_{m}$ 계산 및 할당
end
제안되는 에너지 커뮤니티를 위한 커뮤니티 태양광 구성 전략은 부하간의 상관성이 낮고 태양광 발전량과의 상관성이 높은 ECM을 선택하고, 선택된 ECM의
이득을 최대화 하여 전체 이득을 최대화 하는 형태로 구성된다. 최적화 문제에서는 ECM 집합 증가에 따라 계산 복잡도가 지수적으로 증가하는 것에 비하여,
제안되는 방법은 ECM 집합 증가에 따라 계산 복잡도의 증가가 선형적으로 나타나는 계산 효율적인 방법이다.
4. 사례연구
본 장에서는 사례연구를 통하여 제안되는 방법의 성능을 확인한다. 사례연구에 적용되는 환경은 논문 (7)의 환경을 고려한다.
4.1 전체 참여자 이득
제안되는 방법의 기본적인 성능을 확인하기 위하여, 단위 판매가격이 일정한 경우, 즉 $p_{S}(e_{m})= P_{PV}(e_{PV})$,에 대하여
최적화 방법에서 도출된 결과와 제안하는 방법을 활용한 결과의 전체 ECM 이득 비교가 수행되었다.
표 1과 2는 각각 최적화 문제를 통한 전체 ECM 실제 이득과 제안하는 방법을 적용한 경우의 전체 ECM 실제 이득 결과이다. 표에서 보는 것과 같이 같은
용량의 태양광이 설치되는 경우에도 ECM 집합 크기가 증가함에 따라서 전체 이득이 증가하게 된다. 이는 에너지 자원 공유로 인해 나타나는 다중 사용자
다양성에 따른 이득이다. 또한 같은 크기의 ECM 집합의 경우에 태양광 설치 용량이 증가하면 전체 이득이 증가한다. 이는 용량 증가로 인한 단위 설치
가격 하락과 그에 따른 판매 가격 하락으로 인한 이득으로 에너지 공유 시스템의 규모의 경제로 인한 이득이다. 이는 최적 문제를 통한 해와 제안하는
방법을 적용한 경우 모두에서 같은 경향으로 나타난다. 이를 통하여 제안하는 방법이 에너지 공유 시스템에서 얻을 수 있는 다중 사용자 이득과 규모의
경제를 통한 이득 모두를 얻을 수 있는 효율적인 방법임을 나타낸다.
표 1. 최적 전체 ECM 실제 이득 ($/월)
Table 1. 최적 전체 ECM 실제 이득 ($/월)
|
ECM 집합 크기
|
30
|
60
|
90
|
120
|
$e_{PV}$
(kWh)
|
50
|
2,493
|
2,673
|
2,678
|
2,680
|
100
|
4,611
|
5,017
|
5,169
|
5,354
|
150
|
-
|
7,136
|
7,347
|
7,719
|
200
|
-
|
-
|
9,469
|
9,886
|
표 2. 제안하는 방법을 적용한 경우의 전체 ECM 실제 이득 ($/월)
Table 2. Total net benefit applying the proposed method ($/month)
|
ECM 집합 크기
|
30
|
60
|
90
|
120
|
$e_{PV}$
(kWh)
|
50
|
2,312
|
2,455
|
2,457
|
2,458
|
100
|
4,597
|
4,733
|
4,758
|
4,885
|
150
|
-
|
7,123
|
7,093
|
7,210
|
200
|
-
|
-
|
9,451
|
9,585
|
표 3은 최적화 문제로 도출된 결과(표 1)와 제안하는 방법(표 2) 간의 성능 차이를 나타낸다. 표에서 보는 것과 같이 태양광 설치 용량이 작은 경우, ECM 규모가 큰 경우에 제안하는 방법과 최적화 문제로 도출된
결과 사이의 차이가 증가한다. 이는 제안하는 방법이 운영 영역이 제한적인 경우 성능 저하가 나타나며, 최적화 문제에 비하여 다중 사용자 이득을 적게
얻게 된다는 것을 의미한다. 그러나 모든 경우에서 최적화 문제로 도출된 결과에 비하여 9% 이내의 성능 차이를 보이는 것을 통하여, 제안하는 방법의
성능 보장성을 확인할 수 있다.
표 3. 제안하는 방법의 최적해와 비교 성능
Table 3. Optimal gap of the proposed method
|
ECM 집합 크기
|
30
|
60
|
90
|
120
|
$e_{PV}$
(kWh)
|
50
|
7.2%
|
8.1%
|
8.3%
|
7.3%
|
100
|
0.3%
|
5.7%
|
8.0%
|
8.8%
|
150
|
-
|
0.2%
|
2.4%
|
6.6%
|
200
|
-
|
-
|
0.2%
|
0.8%
|
4.2 공정성
본 연구에서는 가격 팩터를 활용하여 간접적으로 공정성을 보장한다. 표 4는 $e_{PV}=100$와 $M=90$인 경우, 가격 팩터 $\alpha_{4}$에 따른 시스템 특성 변화 결과이다. 가격 팩터가 증가하면 전체
BCM 이득은 줄어든다. 반면 서비스에 참여하는 BCM 수는 증가한다. 서비스에 참여하는 BCM 수의 증가는 참여자간 자원 분배에 대한 공정성이 증가함을
의미한다. 이는 이득과 공정성 고려 사이에 상충(trade-off) 관계가 나타남을 보여준다.
표 4. $e_{PV}=100$와 $M=90$인 경우, 가격 팩터 $\alpha_{4}$에 따른 시스템 특성 변화
Table 4. System characteristic change according to the service price factor $\alpha_{4}$
with $e_{PV}=100$ and $M=90$
|
$\alpha_{4}$
|
$e_{m}$
|
0.2
|
0.3
|
0.5
|
1.5
|
전체 ECM 이득
|
4,758
|
4,690
|
4,585
|
4,338
|
3,697
|
서비스 참여 ECM
|
40
|
41
|
41
|
42
|
44
|
Jain’s fairness index [17]
|
0.44
|
0.46
|
0.48
|
0.50
|
0.69
|
정량적인 지표를 확인하기 위하여 각 BCM이 얻게 되는 실제 이득에 대한 Jain’s fairness index를 측정하였다. Jain’s fairness
index는 가장 불공정한 경우 1/n의 값을 갖고 공정성이 증가하면 1에 수렴하는 특성이 있다. 표 4에서 보는 것과 같이 가격 팩터가 증가함에 따라서 공정성 지표가 증가한다. 이를 통하여 가격 팩터를 활용하여 간접적으로 공정성에 대한 보장이 가능하다는
것을 확인할 수 있다.
5. 결 론
본 연구에서는 에너지 커뮤니티를 위한 커뮤니티 태양광 구성 전략에 관한 연구가 진행되었다. 고려되는 문제는 커뮤니티 태양광을 활용하는 에너지 커뮤니티
집합의 구성 문제로 표현된다. 본 연구에서는 에너지 커뮤니티 개별 구성원 사이의 부하 특성 관계와 태양광 발전량과의 관계성 등을 통하여 에너지 커뮤니티
집합 구성을 위한 필요조건을 도출하고, 이를 기반으로 에너지 커뮤니티 집합의 크기에 대하여 계산 복잡도가 선형적으로 증가하는 효율적인 커뮤니티 태양광
구성 전략을 제안하였다. 제안된 방법을 통하여 도출된 해는 최적화 방법을 통하여 구해진 해와 9% 이내의 성능 차이를 갖는 안정적인 성능을 보였다.
또한 가격 팩터의 활용을 통하여 에너지 커뮤니티 구성원 간의 이득 분배에 대한 공정성이 간접적으로 보장될 수 있음을 보였다.
본 연구는 다음과 같은 방향으로 확장될 수 있다. 우선 본 연구에서는 가격 팩터 a4를 사용하여 간접적으로 공정성을 보장하는 방안을 제시하였다. 이를
기반으로 시스템 운영 특성에 적합한 공정성을 고려한 가격 모델 연구가 이루어 질 수 있다. 본 연구에서는 커뮤니티 태양광을 고려한 에너지 공유 문제를
다루고 있다. 이는 공유 에너지저장장치, 가상발전소 등 다양한 공유 자원을 활용하는 시스템에 확장 개발 될 수 있다.
Acknowledgements
This work was supported by 2023 Research Grant of Hanseo University.
References
The power of transformation, Dec. 2014, International Energy Agency (IEA)
![DOI](../../Resources/images/icon_crossref.png)
F. Ostvar, H. Barati, Sep 2023, Probabilistic Risk-Based Planning of Distributed Generation
Units Using Multi Objective Hybrid Augmented Weighted ε-Constraint Approach, Journal
of Electrical Engineering & Technology, Vol. 18, No. 5, pp. 3517-3531
![DOI](../../Resources/images/icon_crossref.png)
Smart grids, Sep. 2022, International Energy Agency (IEA)
![DOI](../../Resources/images/icon_crossref.png)
E. Espe, V. Potdar, E. Chang, Sep 2018, Prosumer communities and relationships in
smart grids: A literature review, evolution and future directions, Energies, Vol.
11, No. 10, pp. 2528
![DOI](../../Resources/images/icon_crossref.png)
Y. Chen, C. Zhao, Mar 2022, Review of energy sharing: Business models, mechanisms,
and prospects, IET Renewable Power Generation, Vol. 16, No. 12, pp. 2468-2480
![DOI](../../Resources/images/icon_crossref.png)
J. Radl, A. Fleischhacker, F. H. Revheim, G. Lettner, H. Auer, Sep 2020, Comparison
of profitability of PV electricity sharing in renewable energy communities in selected
European countries, Energies, Vol. 13, No. 19, pp. 5007
![DOI](../../Resources/images/icon_crossref.png)
E. Oh, S.-Y. Son, Dec 2020, Community solar photovoltaic service strategy for commercial
buildings considering profit balancing and fairness, Energy and Buildings, Vol. 229,
No. 110513
![DOI](../../Resources/images/icon_crossref.png)
B. P. Koirala, E. Oost, H. Windt, Dec 2018, Community energy storage: A responsible
innovation towards a sustainable energy system?, Applied energy, Vol. 231, pp. 570-585
![DOI](../../Resources/images/icon_crossref.png)
E. Oh, S.-Y. Son, Mar 2022, Dynamic Virtual Energy Storage System Operation Strategy
for Smart Energy Communities, Applied Sciences, Vol. 12, No. 5, pp. 2750
![DOI](../../Resources/images/icon_crossref.png)
N. Naval, J. M. Yusta, Oct 2021, Virtual power plant models and electricity markets
- A review, Renewable and Sustainable Energy Reviews, Vol. 149, pp. 111393
![DOI](../../Resources/images/icon_crossref.png)
V. Brummer, Oct 2018, Community energy-benefits and barriers: A comparative literature
review of Community Energy in the UK, Germany and the USA, the benefits it provides
for society and the barriers it faces, Renewable and Sustainable Energy Reviews, Vol.
94, pp. 187-196
![DOI](../../Resources/images/icon_crossref.png)
R. N. E. Idrissi, M. Ouassaid, Jul 2023, Game Theory Approach for Energy Consumption
Scheduling of a Community of Smart Grids, Journal of Electrical Engineering & Technology,
Vol. 18, No. 4, pp. 2695-2708
![DOI](../../Resources/images/icon_crossref.png)
E. Oh, S.-Y. Son, Dec 2021, Peer-to-Peer Energy Transaction Mechanisms Considering
Fairness in Smart Energy Communities, IEEE Access, Vol. 8, No. 1, pp. 216055-216068
![DOI](../../Resources/images/icon_crossref.png)
N. Tomin, V. Shakirov, A. Kozlov, D. Sidorov, V. Kurbatsky, C. Rehtanz, E. E. Lora,
Jan 2022, Design and optimal energy management of community microgrids with flexible
renewable energy sources, Renewable Energy, Vol. 183, pp. 903-921
![DOI](../../Resources/images/icon_crossref.png)
R. Fu, D. Feldman, R. Margolis, Nov 2018, solar photovoltaic system cost benchmark:
Q1 2018, Tech. Rep. NREL/TP-6A20- 72399, Vol. national renewable energy laboratory,
No. Golden, CO
![Google Search](../../Resources/images/icon_google.png)
S. P. Boyd, L. Vandenberghe, 2004, Convex Optimization; Cambridge University Press:
Cambridge, UK
![Google Search](../../Resources/images/icon_google.png)
A. F. Rochim, A. Muis, R. F. Sari, Jun 2020, A discrimination index based on Jain's
fairness index to differentiate researchers with identical H-index values, Journal
of Data and Information Science, Vol. 5, No. 4, pp. 5-18
![DOI](../../Resources/images/icon_crossref.png)
저자소개
He received his B.S., M.S., and Ph.D. in electrical engineering at Yonsei University,
Seoul, Korea, in 2003, 2006, and 2009, respectively.
From 2009 to 2011, he was a post-doctoral researcher in the Department of electrical
engineering at the University of Southern California's Viterbi School of Engineering.
From 2011 to 2012, he was a senior researcher at the Korea Institute of Energy Technology
Evaluation and Planning, Korea.
He is currently an associate professor in the Department of Electrical and Electronic
Engineering at Hanseo University, Korea.
His main research interests include the design and analysis of optimal resource management
for data, power, and energy networks.