심상우
(Sangwoo Shim)
1iD
김동현
(Dong-Hyun Tony Kim)
1iD
황재홍
(Jaehong Whang)
2iD
서정우
(Jungwoo Seo)
2iD
임기훈
(Kihoon Lim)
2iD
노재형
(Jaehyung Roh)
1iD
박종배
(Jong-Bae Park)
†iD
-
(Dept. of Electrical and Electronic Engineering, Konkuk University, Korea)
-
(Hanwha Solutions. Seoul, Korea)
Copyright © The Korea Institute for Structural Maintenance and Inspection
Key words
Real-Time Market, Two-Settlement, Imbalance Penalty, SMP Forecasting, Value at Risk
1. 서 론
2024년 6월부터 제주 신전력시장의 도입으로 재생에너지 사업자 및 집합자원 보유 Virtual Power Plant(VPP) 사업자들은 제주 전력시장에
입찰을 통해 참여할 수 있게 되었다[1]. 이에 따른 주요 변동사항으로는 실시간시장과 보조서비스시장의 도입, 재생에너지 입찰제도의 시행, 임밸런스 페널티 부과 등이 있다. 이러한 변화로
인해 급전 가능 재생에너지는 이중 정산(Two-Settlement)에 따른 에너지정산금과 하루전 발전계획 이후 추가 출력지시에 따른 부가정산금(Uplift),
실효용량을 기준으로 하는 용량정산금(Capacity Payment)을 통해 수익을 얻을 수 있다. 그러나 실시간 발전량(MGO, Metered Generation
Output)이 급전지시량에 비해 허용오차 이상으로 과다할 경우 임밸런스 페널티(Imbalance Penalty)가 부과된다.
급전 가능 재생에너지가 제주 전력시장에 참여하여 수익을 최대화하기 위해서는 입찰전략 수립이 필요하며 이를 위해서는 먼저 제주 SMP(System Margianl
Price)와 보유 발전기에 대한 발전량 예측모듈이 필요하다. 예를 들어 하루전시장 가격이 실시간시장 가격보다 높다는 전망을 했을 경우, 하루전시장에
입찰할 발전량을 예측 발전량과 같거나 약간 높게 입찰을 하고, 미충족분에 대해서는 하루전시장보다 낮은 실시간시장 가격으로 충당하는 전략을 세울 수
있다. 또한 하루전시장 가격이 실시간시장 가격보다 낮다는 전망을 했을 경우 하루전시장에 예측 발전량 보다 낮게 입찰하여 추가적인 발전량은 실시간시장의
높은 가격으로 정산받을 수 있다.
보유 발전기의 발전량, 하루전시장 가격과 실시간시장 가격을 정확하게 예측했을 경우엔 더 높은 가격를 갖는 시장에 가능한 최대치의 물량을 입찰하는 것이
가장 수익이 크게 발생한다. 하지만 하루전시장 가격 및 실시간시장 가격, 보유자원 발전량 예측치 등의 요소에 오차와 불확실성이 내재함에 따라 리스크가
존재한다. 주요한 리스크는 실시간시장 가격이 하루전시장 가격보다 높은 상황에서 하루전시장에 입찰한 물량을 실시간에 발전하지 못하는 경우, 미 충족분에
대해 높은 가격으로 보상해야 하는 이중정산 에서의 리스크와 실제 발전량이 급전지시량과 실시간 발전량의 차이에 의해 발생하는 임밸런스 페널티가 존재한다.
따라서 본 논문에서는 예측오차에 따른 리스크를 Value at Risk(VaR) 기법을 통해 반영하여 하루전시장에 입찰할 물량을 결정하는 간단한 알고리즘을
소개하고자 한다. 입찰전략은 하루전시장으로의 입찰을 위한 알고리즘이며 하루전시장 가격과 실시간시장 가격의 차이에 따라 하루전시장에 입찰할 예측 발전량의
비율을 정하기 위함이다.
이와 비슷한 연구사례로는 재생에너지 발전자원, 실시간 가격, 전력수요에 대한 불확실성을 고려하여 하루전 입찰전략을 수립한 연구가 있다[2]. 해당 연구에서는 VaR 기반 접근법과 전통적인 시나리오 기반 확률론적 접근법을 포함한 시뮬레이션을 수행했다. 또한 전력 에너지저장장치(ESS,
Energy Storage System)를 통한 가상 입찰을 수행하는 소매업체의 단기 의사결정 모델을 제시한 연구가 있으며[3], 해당 연구에서는 2단계 확률론적 최적화 프레임워크(two-stage stochastic optimization framework)를 사용했다.
첫 번째 단계에서는 소매업체가 당일 도매시장에서 구매할 전력량과 최적의 증가 입찰(Incremental Offer) 및 감소 입찰(Decremental
Bid)전략을 결정하고 두 번째 단계에서는 최적의 에너지 저장 결정과 소매업체의 실시간 시장 참여를 결정한다. 이를 통해 소매업체의 예상 조달 비용을
최소화하고 당일 시장에서 최적의 전력 및 가상 입찰 곡선을 생성하며 VaR를 기반으로 소매업체의 시간별 위험과 일일 위험을 관리한다. 풍력발전기와
PSB(Pumped Storage Plant)를 보유한 VPP 사업자의 2단계 stochastic joint 입찰전략에 대해 진행한 연구[4]는 첫 번째 단계에선 하루전 에너지 가격과 보조서비스 가격에 기반하여 에너지시장 입찰량과 보조서비스 입찰량을 최적화했고 두 번째 단계에선 풍력발전기의
과거 패턴에 기반하여 시나리오를 구성하고 PSB는 제출한 입찰량의 변동을 줄여 재생에너지로부터 발생하는 위험을 관리했다. 또 다른 연구로는 DER(Distributed
Energy Resources) 사업자들의 관점에서 재생에너지의 불확실성을 해결하기 위해 IGDT(Information Gap Decision Theory)
기법을 이용하여 특정한 이익 필요치를 충족하면서 일정 이하의 위험을 감수하는 입찰전략을 수립한 연구가 있다[5]. [6]에서는 VPP사업자의 위험회피를 위해 기존에 사용되는 VaR(Value at Risk)기법이 아닌 Stochastic 최적화 모델에 Stochastic
dominance 제약을 추가하여 입찰전략을 수립하는 방법론을 제시했으며 [7]에서는 급전 가능 분산자원, 간헐성이 있는 분산자원, 에너지저장장치로 구성된 마이크로그리드에서 하루전시장 예측가격과 분산자원들의 불확실성을 시나리오로
구성하여 최적화를 진행한 하루전시장에서의 입찰전략을 제시했다.
2장은 제주 전력시장의 변화에 대해 작성했다. 제주 전력시장에 추가되는 것은 실시간시장의 도입으로 인한 이중정산의 적용, 가격입찰 도입, 임밸런스
페널티 도입 등이 있다. 해당 장에서는 각각의 도입으로 인해 입찰전략에서 고려해야 할 사항과 예시를 통한 수익 변화를 보이고자 한다. 3장은 입찰전략
수립을 위한 알고리즘과 이에 필요한 모듈에 대해 작성했다. 해당 알고리즘 수행을 위해 필요한 모듈은 제주 SMP 예측 모듈, 보유 발전기 발전량 예측
모듈, 하루전시장 입찰량 결정 모듈이다. 하루전시장 입찰량 결정 모듈은 앞선 2가지 모듈에서의 결과값인 제주 SMP 예측값과 보유 발전기 발전량 예측값을
수신받아 VaR를 이용하여 하루전시장 입찰량을 계산한다. 4장은 결론으로 제주 신전력시장 참여뿐만 아니라 현물 전력시장 개편 일정에 따른 전국확대
적용을 대비하여 입찰전략 수립을 위한 알고리즘 수립 및 모듈 고도화의 필요성을 제시하고자 한다.
2. 제주 시범 전력시장 소개
제주 전력시장은 표 1과같이 재생에너지의 가격입찰을 통한 시장참여, 실시간시장, 임밸런스 페널티가 도입되는 등의 변화가 예정되어 있다. 재생에너지
발전자원도 입찰을 통해 전력시장에 참여가 가능해졌으며 가격입찰 도입으로 인해 기존에 용량만을 제출하는 방식에서 용량과 함께 가격을 스스로 결정하여
제출할 수 있게 되었다. 또한, 실시간시장 도입으로 하루전시장과 실시간시장에서의 이중정산을 통해 전력량 정산금(MEP, Metered Energy
Payment)이 계산되며, 급전지시량과 실시간발전량의 차이에 따라 임밸런스 페널티가 부과된다.
표 1 기존 국내 전력시장 및 제주 신전력시장 비교
Table 1 Comparison of Existing Korea Electricity Market and Jeju New Electricity Market
구분
|
국내 전력시장
|
현재
|
변경(제주)
|
하루전시장
|
○
|
○
|
실시간시장
|
X
|
○
|
이중정산
|
X
|
○
|
정산단위
|
X
|
1시간(차후 15분)
|
임밸런스 페널티
|
X
|
○
|
본 장에서는 제주 신전력시장에 추가되는 재생에너지 입찰제도, 실시간시장, 이중정산, 임밸런스 페널티에 대해 서술했으며, 이중정산과 임밸런스 페널티는
수식만으로는 직관적으로 이해하기 어려움이 있기 때문에 간단한 상황별 예시를 추가했다. 하루전시장 가격이 실시간시장 가격보다 높아지는 경우는 계통운영자의
하루전수요 과대 예측 혹은 발전사업자들의 과소 입찰에 의해 발생할 수 있으며 하루전시장 가격이 실시간시장 가격보다 낮아지는 경우는 계통운영자의 하루전수요
과소예측 혹은 발전 사업자들의 과대 입찰에 의해 발생할 수 있다. 또한 재생에너지 사업자가 하루전에 예측한 보유 발전기 발전기의 발전량이 기상 상황에
따라 실시간에서 발전하지 못하는 경우 혹은 더 많이 발전하는 경우가 있을 수 있다. 따라서 이러한 상황들의 조합에 따라 재생에너지 사업자의 이득과
손해를 간략하게 나타내보고자 한다.
2.1 재생에너지 입찰제도
개별 또는 VPP 자원의 용량이 1MW를 초과하며 급전이 가능한 경우 급전 가능 재생에너지로 등록할 수 있으며 표 2와 같은 시장참여 모델을 가진다.
급전 가능 재생에너지는 보조서비스 시장을 제외한 하루전시장, 실시간시장엔 모두 참여가 가능하다. 급전 가능 재생에너지가 아닌 재생에너지는 현재와 동일하게
비중앙급전발전기로 분류되어 전력시장 입찰에 참여 불가하고 에너지 정산금만을 수령 가능하다. 또한 재생에너지의 보조서비스 시장참여는 제주 시범사업 초기에만
불가한 것이며 차후엔 참여가 가능해질 수 있다.
표 2 재생에너지의 시장참여모델
Table 2 Renewable Energy’s Market Participating Model
구분
|
급전 가능 재생에너지
|
단독형
|
집합형(VPP)
|
용량요건
|
1MW 초과
|
1MW 초과 ~
100MW 이하
|
참여방식
|
선택사항
(단, 설비용량 3MW 초과는 의무사항)
|
발전기 등록
|
급전 가능
태양광·풍력발전기
(동일장소RE
+ESS(보조))
|
급전 가능
집합전력자원
(동일지역RE
+ESS(보조))
|
입찰여부
|
○
(입찰가격 +
공급가능용량 입찰)
|
제어성능 수준
|
상한제어+출력제어 지시
|
정산
|
에너지
|
○
|
부가정산금
|
○
|
보조서비스
|
X
|
용량요금
|
○
|
임밸런스
페널티
|
○
|
이중정산 여부
|
○
|
표 3 급전 가능 재생에너지 입찰서 내용
Table 3 Offer Contents of Dispatchable Renewable Energy
구분
|
급전가능 재생에너지 발전량
|
공급가능용량
|
공급가능용량
(0MW부터 최대 10개 구간)
|
가격입찰
|
최대 10개 구간에 대한 가격을 입찰
|
입찰 상한
|
0원/kWh
|
입찰 하한
|
-(2개월 전 현물 REC 평균가격 × 2.5)
|
표 4 급전 가능 재생에너지 자원 발전입찰서
Table 4 Dispatchable Renewable Energy Resources Generation Bid
입찰 항목
|
거래시간
|
1
|
2
|
3
|
4
|
5
|
…
|
23
|
24
|
1구간
|
가용량
|
|
|
|
|
|
|
|
|
가격
|
|
|
|
|
|
|
|
|
2구간
|
가용량
|
|
|
|
|
|
|
|
|
가격
|
|
|
|
|
|
|
|
|
…
|
가용량
|
|
|
|
|
|
|
|
|
가격
|
|
|
|
|
|
|
|
|
10구간
|
가용량
|
|
|
|
|
|
|
|
|
가격
|
|
|
|
|
|
|
|
|
급전 가능 재생에너지의 입찰서 내용은 표 3과 같다. 입찰 하한은 2개월 전 현물 REC의 평균가격에 –2.5를 곱한 값으로 설정되며 입찰 상한은
연료비가 발생하지 않는 재생에너지의 특성에 따라 0원/kWh로 설정된다. 급전 가능 재생에너지는 표 4와 같이 제1구간부터 제10구간까지 최대 10개
구간에 대해 공급가능용량(MW)과 입찰가격(원/kWh)을 제출한다. 이때, 제1구간에서, 공급가능용량은 0MW보다 크거나 같아야 하며 입찰가격은 입찰
하한가격보다 크거나 같아야 한다. 또한 입찰구간별 입찰가격은 이전 입찰구간의 입찰가격보다 크거나 같은 가격으로 기재되어야 하고 공급가능 용량은 이전
입찰구간의 공급가능용량보다 큰 용량으로 기재되어야 하며 마지막 입찰구간의 공급가능용량은 시간대별 공급가능용량과 같아야 하고 입찰가격은 입찰 상한가격보다
작거나 같아야 한다.
그림 1. 실시간시장의 도입
Fig. 1. Introduction of Real-Time Market
2.2 실시간시장 도입
실시간시장의 도입을 통해 하루전발전계획을 최신정보를 기반으로 업데이트하면서 연속적으로 조율할 수 있게 되었다. 최신기상정보를 기반으로 입력자료를 갱신하고
이로 인해 변경된 사항은 시장 가격으로 반영된다. 특히 재생에너지 발전자원의 발전량 예측정확도가 향상되어 더욱 정확한 전력시장 운영이 가능해지게 되었다.
실시간시장의 운영은 그림 2와 같으며 D일의 하루전시장과 실시간시장에 입찰을 제출하는 타임라인을 나타낸다. 먼저 D일의 하루전시장은 D-1일의 오전 11시에 마감이 된다. 따라서
D-1일 오전 11시까지 D일의 (00-01시), (01-02시)부터 (23-00시)까지 총 24개 구간에 대해 용량과 가격을 설정하여 입찰을 제출해야
한다. 또한, 하루전 전력수요와 하루전SMP는 D-1일 18시에 발표되며 실시간시장은 표 5과 같이 각 구간의 75분 전에 마감된다.
그림 2. 하루전시장 및 실시간시장 운영 타임라인
Fig. 2. Timeline of Day-Ahead Market and Real-Time Market
각 입찰 적용 시간에서의 실시간시장 입찰 마감 시간은 표 5와 같다. D일의 실시간시장이 시작되는 00시-01시 구간에 실시간시장을 통해 입찰할 시
입찰 마감시간은 75분 전인 22시 45분이며 1시간 단위로 다음날 21시 45분까지 반복되게 된다.
표 5 입찰 적용 시간의 실시간시장 입찰 마감 시간
Table 5 Real-Time Market Bidding Closing Time at The Bidding Application Time
실시간시장 입찰 마감
|
입찰 적용 시간
|
22:45
|
00시-01시
|
23:45
|
01시-02시
|
…
|
…
|
21:45
|
23시-00시
|
2.3 이중정산(Two-Settlement)
실시간시장의 도입으로 인해 발전사업자의 발전량에 따라 받게 되는 전력량 정산금(MEP, Metered Energy Payment)은 하루전시장과 실시간시장에서의
이중정산을 나타낸 수식 (1)을 통해 계산된다[8].
DAOS(Day-Ahead Operation Scheduled energy)는 하루전시장에서 낙찰받은 물량을, MGO(Metered Generation
Output)는 실제 발전량을 나타낸다. DA_SMP 및 RT_SMP는 각각 하루전시장과 실시간시장에 대한 SMP이다.
먼저 전력량 정산금은 하루전시장에서의 정산금과 실시간시장에서의 정산금의 합으로 구성된다. 하루전시장에서의 정산금은 하루전시장에서 낙찰받은 물량과 하루전시장
가격의 곱으로 정산받는다. 하지만 하루전시장에서 낙찰받은 물량은 가상의 물량이기 때문에, 실시간시장에서 실제 발전한 양에 따라 정산이 한 번 더 이루어진다.
실시간시장에선 실제 발전한 양에서 하루전시장에서 낙찰받은 물량을 뺀 값에 실시간가격을 곱하여 정산한다.
하루전시장에서 낙찰받은 물량과 실제 발전한 양이 동일하다면 하루전시장에 정산받은 금액이 그대로 전력량 정산금이 된다. 하지만 재생에너지의 경우 하루전
예측 발전량과 실제 발전량의 차이가 발생한다. 이에 따라 하루전시장 가격과 실시간시장 가격의 변동과 더불어 하루전시장 낙찰량과 실제 발전량의 변동으로
인해 이득을 보는 경우, 손해를 보는 경우가 발생하고 이를 정리하면 표 6과 같다. 이때 모든 Case에 대해 하루전시장의 SMP는 10 원/kWh,
실시간시장의 SMP는 20 원/kWh로 설정했으며 실제 발전량은 실시간 시장에서 낙찰받은 물량과 동일하다는 가정을 통해 임밸런스 페널티에 대해 고려하지
않고자 한다.
Case 1에서는 하루전시장 낙찰량이 50 kWh, 실제 발전량이 100 kWh인 경우 이중정산에 의해 1,500원의 수익을 냈다. Case 2의
경우 하루전시장에서 50 kWh만큼 낙찰을 받았으나 실시간시장에서 이를 충족하지 못함에 따라 –500원으로 손해를 보게 되었다. 마지막으로 Case
3의 경우 하루전시장 낙찰량이 0 kWh이고 실제 발전량이 100 kWh임에 따라 정산금이 2,000원으로 가장 크게 되었다. Case 1, Case
3에서의 실제 발전량은 같지만, 하루전시장 낙찰량의 차이 및 하루전시장 SMP보다 실시간시장 SMP가 높은 상황임에 따라 Case 3에서 더 큰 이익을
본 것이다. 또한 실시간시장 SMP가 하루전시장 SMP보다 높은 상황에서 하루전시장 낙찰량을 실시간에서 충족하지 못하는 경우엔 손해를 보게 된다.
표 6 이중정산 예시
Table 6 Example of Two-Settlement
Case
|
하루전시장
낙찰량
|
실제
발전량
|
이중정산 계산
|
1
|
50
|
100
|
50×10 + (100-50)×20 = 1,500
|
2
|
50
|
0
|
50×10 + (0-50)×20 = -500
|
3
|
0
|
100
|
0×10 + (100-0)×20 = 2,000
|
하루전시장 SMP: 10원/kWh
실시간시장 SMP: 20원/kWh
*실제 발전량은 실시간 시장 낙찰량과 동일하다고 가정
|
2.4 임밸런스 페널티(Imbalance Penalty)
그림 3. 임밸런스 페널티
Fig. 3. Imbalance Penalty
급전가능 재생에너지는 급전지시량 대비 실시간발전량이 허용오차(임밸런스 페널티의 허용오차는 2024년까지 12%, 2024년에서 2025년까지 8%
적용 예정)를 벗어난 경우, 과잉 발전량에 대해 수식 (2)에 따라 임밸런스 페널티가 부과된다[8]. 이를 그림으로 나타내면 그림 3과 같으며 실시간 발전량이 급전지시량과 허용오차를 합한 지점을 넘어서면 임밸런스 페널티가 발생하기 시작한다.
A: 실시간 가격 – 입찰최솟값 [원/kWh]
B: 실시간 발전량 – 급전지시량 [kWh]
C: 주요자원 설비용량 $\times$ 허용오차율 [kWh]
수식 (2)를 이용하여 급전지시량과 실시간 발전량의 차이에 의해 임밸런스 페널티가 발생하는 경우를 정리하면 표 7과 같다. 용량이 500 kW인 재생에너지 발전기를
가정함에 따라 허용오차는 60 kWh이고 실시간시장 SMP는 100 원/kWh, 입찰최솟값은 –50 원/kWh로 설정한다. 또한 본 논문에서는 실시간시장에
입찰한 물량이 모두 낙찰되고 해당 물량이 그대로 급전지시를 받아 실시간시장 입찰량, 실시간시장 낙찰량, 급전지시량이 모두 같은 값을 가지는 것으로
가정한다.
표 7 임밸런스 페널티 발생 예시
Table 7 Example of Imbalance Penalty
Case
|
급전
지시량
|
실시간 발전량
|
임밸런스 페널티 계산
|
1
|
50
|
20
|
-150×max(20-50-60, 0) = 0
|
2
|
50
|
80
|
-150×max(80-50-60, 0) = 0
|
3
|
50
|
120
|
-150×max(120-50-60, 0) = -1,500
|
4
|
50
|
160
|
-150×max(160-50-60, 0) = -7,500
|
Case 1, 2에선 (실시간발전량-급전지시량-허용오차)가 0보다 작음에 따라 임밸런스 페널티가 0원으로 계산되며 Case 3, 4에선 과잉 발전에
의해 (실시간발전량-급전지시량-허용오차)가 0보다 큼에 따라 각각 –1,500원, -7,500원만큼 임밸런스 페널티가 발생한다.
3. 입찰전략 수립을 위한 시스템 구성 방안
본 장에서는 제주 신전력시장 입찰전략 수립을 위한 알고리즘 및 이를 진행하기 위한 모듈에 대해 작성하고자 한다. 입찰전략을 통해 하루전시장 입찰량을
정하기 위해 필요한 요소는 제주 SMP 예측 모듈을 통해 생성된 제주 SMP 예측값, 보유 발전기 발전량 예측 모듈을 통해 생성된 보유 발전기 발전량
예측값, 리스크 감수 정도이다. 리스크 감수 정도는 VPP 사업자가 지정하는 값이며 이를 조절함에 따라 손실의 감소 정도 및 수익의 최대화 정도를
정할 수 있다. 또한 하루전 및 실시간 제주 SMP 실적과 보유 발전기에 대한 예측 및 실제 발전량 실적을 통해 제주의 하루전 및 실시간 SMP,
보유 발전기의 발전량 시나리오를 제작할 수 있다. 이후 시나리오 별로 발생하는 손해를 계산할 수 있으며 가장 작은 VaR값을 산출하는 하루전시장 입찰량
후보를 하루전시장 입찰량 결정 모듈의 최종적인 결과값으로 선정하여 하루전시장 입찰에 제출하는 것으로 알고리즘이 진행된다.
그림 4. 입찰시스템 구성안
Fig. 4. Bidding System Structure
3.1 제주 SMP 및 보유 발전기 발전량 예측 모듈
제주 SMP 및 보유 발전기 발전량 예측은 머신러닝 혹은 딥러닝을 통해 진행할 수 있다. 사용가능한 예측 모델로는 결정트리(Decision Tree)
기반의 모델인 XGBoost(Extreme Gradient Boosting), Random Forest, LGBM(Light Gradient Boosting
Machine) 등이 있으며[9-13], 시계열 기반(Time-Series Based) 모델인 GRU(Gated Recurrent Unit), LSTM(Long Short-Term Memory),
ARIMA(Autoregressive Integrated Moving average Model) 등이 있다[14-16]. 이때 보유 발전기 발전량 예측의 경우 하루전시장에 입찰을 제출하기 위한 하루전 발전량 예측과 더불어 75분 전에 마감되는 실시간시장에 입찰을 제출하기
위한 실시간 발전량 예측을 동시에 진행해야 한다.
3.2 하루전시장 입찰량 결정 모듈 및 간략한 사례 분석
하루전시장 입찰량 결정 모듈은 앞선 모듈에서의 결과값인 제주 SMP 예측값과 보유 발전기 발전량 예측값을 입력으로 받아 재생에너지 사업자가 선택한
리스크 감수 정도와 더불어 VaR을 기반으로 실행되어 하루전시장 입찰량을 결정한다. 이때, 과거 SMP와 보유 발전기 발전량 실적의 정규분포를 이용하여
시나리오를 구성하고 예측 발전량의 $\pm $20% 값을 최대 입찰량 후보, 최소 입찰량 후보로 생성한다. SMP 시나리오, 보유 발전기 발전량 시나리오,
입찰량 후보를 이용하여 각 시나리오에 대한 VaR값을 계산한다. 이를 통해 각 시나리오에서 가장 작은 VaR값을 갖는 입찰량 후보를 최종 하루전시장
입찰량으로 결정한다.
그림 5. Y의 확률 분포 및 VaR 값[17]
Fig. 5. Probability Density of Y and VaR Value
VaR은 위험관리를 위한 지표이며 일정한 신뢰수준에서 발생할 수 있는 최대손실 금액을 통계적으로 표현할 수 있다[18]. 이때 신뢰수준(Confidence-level)은 리스크 감수 정도를 의미한다. 예를 들어 95% 신뢰수준의 하루 VaR이 10억 원일 때, 하루
동안 발생할 수 있는 손실이 10억을 초과하지 않는다는 것에 95%까지 보장할 수 있음을 의미하며 10억 이상 손실을 볼 가능성이 5%라는 것이다.
VaR을 그림으로 나타내면 그림 5와 같으며 $\epsilon(Y)$는 $Y$의 기댓값을, $Va R_{a}(Y)$는 신뢰수준 $a$에서의 VaR값을 나타낸다. 이때 $a$는 0에서
1까지의 값을 가지며 1은 가장 손실이 큰 경우이다.
재생에너지 사업자의 경우 VaR은 하루전시장과 실시간시장 입찰량과 하루전시장 가격, 실시간시장 가격의 상황에 따라 전력시장에서 발생할 수 있는 손해이다.
신뢰수준은 손해를 감수하고자 하는 정도를 조절하는 요소이며 작게 설정할수록 큰 수익을 낼 확률이 늘어나지만 동시에 큰 손해가 발생할 확률도 늘어난다.
또한 신뢰수준을 크게 설정할수록 큰 손해가 발생할 확률이 줄어들지만 동시에 큰 수익을 낼 확률도 줄어들게 된다.
표 8 Input Data for Bidding Strategy Algorithm
Table 8 입찰전략 알고리즘 입력데이터
|
입력데이터
|
1
|
하루전시장 SMP 실적 ($DASMP$)
|
2
|
실시간시장 SMP 실적 ($RT SMP$)
|
3
|
보유 발전기 하루전 예측 발전량 실적 ($DAGEN$)
|
4
|
보유 발전기 실제 발전량 실적 ($RTGEN$)
|
5
|
보유 발전기 하루전 예측 발전량 ($G_{it}$)
|
하루전시장 입찰량 결정 모듈을 위해 필요한 데이터는 표 8과 같다. 하루전, 실시간 SMP 실적은 SMP 시나리오를 제작하기 위함이며 보유 발전기의
하루전 예측 발전량 실적과 실제 발전량 실적은 5번 항목인 예측 발전량과 예측오차를 통해 실제 발전량 시나리오를 제작하기 위함이다. 하루전시장 입찰량
결정 모듈을 진행하는 과정을 수식으로 나타내면 아래와 같다.
먼저 수식 (3)을 통해 정규분포를 이용하여 하루전 SMP 시나리오를 구성한다. 수식 (4)에서 실시간 SMP 실적과 하루전 SMP 실적의 차이를 구하고 해당 값의 정규분포를 수식 (3)에서 계산한 하루전 SMP 시나리오와 더하면 수식 (5)에서 나타낸 실시간 SMP의 시나리오이다.
수식 (6)은 보유 발전기의 실제 발전량 실적과 하루전 예측 발전량 실적의 비율을 구하기 위함이며 해당 값의 정규분포 하루전 예측 발전량인 $G_{it}$와
곱하면 수식 (7)에서 나타낸 실제 발전량의 시나리오이다. 수식 (3), (5), (7)을 이용하여 각각 하루전 SMP, 실시간 SMP, 보유 발전기 발전량의 시나리오를 구성했으며 이를 통해 각 요소의 예측오차로 인한 불확실성을 반영했다.
보유 발전기의 예측 발전량을 통해 하루전시장 입찰량 후보를 생성하는 것은 그림 6과 같다. 하루전시장 입찰량 후보의 범위는 예측발전량$\times\alpha$부터 예측발전량$\times\beta$의 값을 가지며 예측발전량이 100일
때 $\alpha$가 0.8, $\beta$가 1.2이고 간격을 1로 설정할 시 하루전시장 입찰량 후보는 총 41개로 80부터 120까지의 값을 갖는다.
그림 6. 하루전시장 입찰량 후보 생성
Fig. 6. Creation of Day-Ahead Market Bidding Volume Candidates
표 9 VaR을 이용한 통한 하루전시장 입찰량 결정 사례
Table 9 Example of Day-Ahead Market Bidding Determination Through VaR
단위: kWh
거래시간
|
예측 발전량
|
VaR
|
1
|
0
|
0
|
2
|
0
|
0
|
3
|
0
|
0
|
4
|
0
|
0
|
5
|
0
|
0
|
6
|
0
|
0
|
7
|
1.51
|
1.69
|
8
|
38.95
|
35.06
|
9
|
107.87
|
132.68
|
10
|
174.68
|
151.97
|
11
|
220.92
|
236.38
|
12
|
189.99
|
180.49
|
13
|
230.72
|
253.79
|
14
|
219.98
|
175.98
|
15
|
219.77
|
208.78
|
16
|
137.53
|
156.78
|
17
|
99.74
|
90.76
|
18
|
28.42
|
28.42
|
19
|
1.12
|
1.34
|
20
|
0
|
0
|
21
|
0
|
0
|
22
|
0
|
0
|
23
|
0
|
0
|
24
|
0
|
0
|
수식 (8)에서는 하루전 입찰량 후보와 하루전 SMP 시나리오와의 곱을 통해 하루전시장에서의 수익을 계산한다. 수식 (9)에서는 이중정산 산식을 이용하며 실시간 SMP 시나리오에 실제발전량 시나리오에서 하루전시장 입찰량 후보를 뺀 값을 곱하여 실시간시장에서의 수익을 계산한다.
마지막으로 수식 (10)에서 하루전시장에서의 수익과 실시간시장에서의 수익을 더한 값에 –1을 곱하여 발생할 수 있는 손해를 계산한다. 이때, $i$는 1부터 $N$까지의
값을 가지며 하루전시장 입찰량 후보 index이다. $i$가 1일 시 예측 발전량에 $\alpha$를 곱한 값인 입찰량 후보 중 최소치를 나타내고
$i$가 $N$일 시 예측 발전량에 $\beta$를 곱한 값인 입찰량 후보 중 최대치를 나타낸다. $t$는 1부터 24의 값으로 각 시간을 나타낸다.
$Gen Loss$값은 손해의 크기이기 때문에 손해의 상위 5% 값이 VaR가 되며 이를 각 시나리오 별로 계산을 수행한다. 이후 입찰량 후보의 index인
$i$에 대한 반복 계산을 통해 가장 작은 VaR를 산출하는 $i$값을 찾고 해당 $i$에 대응하는 하루전시장 입찰량 후보가 하루전시장에 입찰할 물량으로
결정된다. 이러한 과정을 거래시간 모두에 대해 24번 반복하면 각 시간별 하루전시장 입찰량 결정이 완료된다.
본 논문에서 제시한 하루전시장 입찰량 결정 모듈을 이용하여 결정한 하루전시장 입찰량은 표 9과 같다. 본 논문은 입찰전략 수립을 위한 시스템 구성의
필요성을 제시하는 논문이기 때문에 표 9의 1열에 해당하는 예측 발전량은 임의의 태양광 발전기의 24간 동안의 실제 발전량으로 가정하여 사용했으며
제주 SMP 시나리오는 과거 실적을 기반으로 구성했다. 위의 가정사항과 입력데이터, 하루전시장 입찰량 결정 내 계산과정을 통해 하루전시장 입찰 물량인
2열의 VaR값을 산출했다.
그림 7. VaR를 이용한 하루전시장 입찰용량 결정
Fig. 7. Decision of Day-Ahead Market Bidding Capacity Through VaR
본 논문에서 제시한 알고리즘을 통해 산출한 24시간 동안의 하루전시장 입찰량과 예측 발전량을 비교하여 그림으로 나타내면 그림 7과 같다. 예측 발전량이 0일 때는 VaR을 통해 계산한 하루전시장 입찰량 또한 0임을 확인할 수 있으며 VaR을 통한 계산값이 예측 발전량보다 높다는
것은 하루전시장 SMP가 실시간시장 SMP보다 높다는 전망을 통해 하루전시장에 예측 발전량보다 약간 더 많이 입찰한 후 미달분은 낮은 실시간시장 SMP로
충족해야함을 의미한다. 또한 VaR을 통한 결과값이 예측 발전량보다 작은 경우는 하루전시장 SMP가 실시간시장 SMP보다 낮다는 전망을 통해 하루전시장에
예측 발전량보다 약간 더 적게 입찰한 후 추가 발전량은 높은 실시간시장 SMP로 보상받아야 함을 의미한다.
4. 결 론
본 논문에서는 제주 신전력시장의 도입으로 인해 변화하는 사항과 이에 대한 간단한 예시를 통해 VPP 사업자의 변화한 수익구조, 가격 및 물량에 따른
에너지 정산금의 변동과 이를 위해 고려해야 할 리스크에 대해 작성했다. 또한 이러한 제주 전력시장의 변화에 따라 발생하는 불확실성과 리스크를 고려한
최적 입찰시스템 구축의 필요성을 제시하며 이를 위해 필요한 모듈과 간단한 결과를 보였다. 추가적으로, 제주 신전력시장에 새로 도입된 사항은 현물 전력시장
개편 일정에 따라 개편 3단계인 25년 10월부로 육지에도 도입될 것이기 때문에, 변화하는 시장에 대비하여 최적 입찰시스템을 구축하는 것은 필수적이다.
또한 수익을 최대화하고 전력시장에 존재하는 위험을 더 효과적으로 회피하기 위해서는 입찰시스템 내부 모듈의 고도화를 위한 연구가 진행되어야 한다. 내부
모듈을 고도화하기 위해서 우선적으로는 제주 SMP와 보유 발전기 발전량 예측의 정확도를 높이는 것이 필수적이다. 이를 위해서는 다양한 예측 모델을
이용한 앙상블 도입, 데이터 스케일링 등의 전처리 작업등이 필요하다. 또한 하루전시장 입찰량 결정 모듈의 고도화를 위해서는 불확실성을 처리하는 기법들인
Robust model, Stochastic model 및 확률 분석 등에 대한 연구가 필요할 것이다.
Acknowledgements
본 연구는 2024년도 한화솔루션 큐셀부문의 지원을 받아 수행한 연구 과제입니다.
References
H. S. So, 2006, Environmental Influences and Assessment of Corrosion Rate of Reinforcing
Bars using the Linear Polarization Resistance Technique, Journal of Korean Society
of Civil Engineering, Vol. 22, No. 2, pp. 107-114
![Google Search](../../Resources/images/icon_google.png)
저자소개
1997년 3월 26일생. 2022년 건국대학교 전기공학과 졸업. 2023년 동 대학원 전기공학과 졸업(석사). 현재 건국대학교 대학원 전기공학과
박사과정
1995년 1월 1일생. 2021년 건국대학교 전기공학과 졸업. 2024년 동 대학원 전기공학과 졸업(석사). 현재 건국대학교 대학원 전기공학과 박사과정
1990년 9월 26일생. 2016년 가천대학교 에너지IT학과 졸업. 2019년 고려대 에너지환경대학원 졸업(석사). 현재 고려대학교 대학원 전기전자공학과
박사과정 및 한화솔루션 분산에너지사업팀 한국사업부 재직.
1986년 1월 28일생. 2011년 경북대학교 전자전기컴퓨터공학부 졸업. 2011년 ~ 2019년 LG전자 재직. 현재 한화솔루션 소프트웨어개발팀
시스템개발센터 재직.
1992년 12월 12일생. 2018년 한국기술교육대학교 정보통신공학과 졸업. 현재 한화솔루션 소프트웨어개발팀 시스템개발센터 재직.
1969년 11월 10일생. 1993년 서울대 원자핵 공학과 졸업. 2002년 홍익대 전기공학과 졸업(석사). 2008년 Illinois institute
of Technology 전기공학과 졸업(박사). 현재 건국대학교 전기전자공학부 교수
1963년 11월 24일생. 1987년 서울대 전기공학과 졸업. 1989년 동 대학원 전기공학과 졸업(석사). 1998년 동 대학원 전기공학과 졸업(박사).
현재 건국대학교 전기전자공학부 교수