1. 서 론

최근 몇 년 동안 지구온난화로 인한 기후변화 및 그로 인한 환경적 재앙에 부딪히고 있다. 이러한 환경변화를 해결하기 위하여 국내외적으로 다양한 방법이 시도되고 있으며, 그 중에서 화석연료의 사용을 지양하고 태양광, 풍력, 연료전지 등 신재생에너지의 사용을 적극적으로 권장하고 있다. 이러한 신재생에너지원을 이용하는 발전시스템은 독립적인 발전시스템으로 사용할 수 있거나 또는 기존의 전력망에 연계하여 에너지 유연성 및 비용 절감에 효과를 가져 올 수 있다. 에너지 신뢰도 측면에서 거의 대부분의 응용분야에서는 하나 이상의 신재생에너지원과 저장장치를 적용한 하이브리드 시스템으로 구성되어 있다. 따라서 전력 공급의 안정성과 우수한 전력품질을 유지하기 위해서는 다수의 신재생에너지원을 적절하게 관리할 수 있는 에너지관리시스템 및 전력 제어기가 필수적이다⁽¹⁾.

최근에는 하이브리드 신재생에너지 시스템의 에너지 관리 및 제어를 위하여 퍼지로직 및 신경망과 같은 소프트 컴퓨팅 기술들이 많이 적용되어지고 있다. Ludwig 등은 환경 측면을 고려한 다양한 에너지 전환 기술을 평가하기 위한 새로운 퍼지 기반 방법을 개발하였다⁽²⁾. Bilodeau 등은 수소저장 장치를 포함하는 독립형 하이브리드 시스템의 퍼지제어기를 제안했으며 신재생에너지의 잉여 전력을 이용하는 전기분해 시스템 모델을 제안하였다⁽³⁾. 참고문헌⁽⁴⁾에서는 태양광발전시스템(PV : Photovoltaic generation system)과 풍력발전 시스템에서 발생된 전력과 요구되는 부하전력의 차를 비교하여 부족분에 대해서는 연료전지가 전력을 공급하고 초과분에 대해서는 전해조에서 전력을 축적하도록 퍼지제어기를 설계하였다. Miland 등은 풍력-수소 독립형 전력 시스템에서 효과적인 전력 운용을 위하여 퍼지제어기를 사용했으며, 잉여 전력은 연료전지를 위한 수소탱크와 에너지 저장장치에 저장하도록 하였다⁽⁵⁾. 그러나 일반적인 퍼지제어기의 경우 멤버쉽 함수 타입 및 범위 등과 같이 경험이나 실험적으로 선택하여야 하는 요소들이 많고 그에 따른 성능차이도 크다는 단점이 있어 지능형 최적화 기법을 이용한 퍼지제어기의 최적 설계 연구들도 다양하게 이루어지고 있다^(6,7).

본 논문에서는 독립형 하이브리드 전력시스템에 사용하는 최적 퍼지제어기를 설계하기 위하여 하모닉탐색(HS : Harmonic Search) 알고리즘과 수업-학습 최적화(TLBO :Teaching-Learning Based Optimization) 알고리즘을 이용한 개선된 TLBO 알고리즘을 제안한다. TLBO 알고리즘은 기존의 집단기반 최적화 알고리즘인 유전자 알고리즘(GA : Genetic Algorithm), 입자군집알고리즘(PSO : Particle Swarm Optimization) 등이 가지고 있는 제어 파리미터가 없기 때문에 반복 재현성이 우수한 장점을 가지고 있다. 그러나 TLBO는 최적해로의 탐색과정에서 초기 지역해 수렴의 단점이 존재하기 때문에 이를 해결하기 위하여 본 논문에서는 하모닉탐색 알고리즘을 결합한 HS-TLBO 기반의 퍼지제어기를 설계하고, 개발된 퍼지제어기를 독립형 신재생 하이브리드 전력 시스템의 최적운영을 위해 적용하였다.

2. 최적화된 퍼지제어기 설계

3. 모의시험 및 결과

본 논문에서는 하이브리드 시스템의 최적 제어를 위하여 HS-TLBO 기반의 퍼지로직 제어기를 제안하였다. 제안된 퍼지로직 제어기는 신재생에너지의 출력과 부하전력간의 전력균형을 유지하면서 운영과 유지비수 비용이 최소화되도록 설계하였다, 목적함수로는 운영 및 유지보수 비용과 LPSP (Loss of Power Supply Probability)을 이용하였으며 두 가지 요소를 동시에 충족시키기 위하여 식(4)와 같은 목적함수를 사용하였다⁽²⁾.

여기서 $w$는 가중치로서 0~1사이로 선정할 수 있으며 $C_{O M}$ 은 운영 및 유지보수 비용을 나타낸다. 또한 표 1에서는 개별요소들의 유지보수 및 운영비용을 나타내며 $C_{OM}$은 아래의 식으로 계산된다⁽²⁾.

여기서 $P_{\max_{i}}$는 최대 전력, $P_{"\ge n "_{i}}$는 생산된 전력, $C_{fi}$는 보수비용, $C_{vi}$는 운영 및 유지비용을 나타낸다.

표 1에서 보는 바와 같이 풍력발전설비는 보수비용이 연간 kW당 10$, 태양광 발전설비는 보수비용이 연간 kW당 9.52$, 배터리 설비는 보수비용이 연간 kW당 5$로 나타났다. 운영 및 유지보수 비용은 연료전지가 연간 kWh당 0.02$, 전해조가 연간 kWh당 0.0045$, 배터리가 연간 kWh당 0.05$로 나타났다. 배터리인 경우에는 보수비용이 연간 kW당 5$이고, 운영 및 유지보수 비용은 간 kWh당 0.05$로 나타나 총 비용이 연료전지 및 전해조에 비하여 높은 비용이 요구된다. 배터리의 보수비용이 다른 요소에 비하여 높은 이유는 배터리의 고장이 날 경우 수리할 수 없어 전량 교체를 해야 하는 것에 기인한다. 따라서 배터리의 충전 및 방전이 수시로 이루어질 경우 배터리 관리에 많은 비용이 요구되므로 운영 및 유지보수 측면에서 배터리 설비보다는 연료전지와 전해조가 발전 및 충전에 우선적으로 이루어져야 할 것으로 분석되었다.

제안된 방법의 유용성을 보이기 위하여 표 2에서 보는 바와 같이 2016년 1년 동안의 제주도의 일사량, 온도, 풍속 데이터를 사용하였다. 부하데이터는 미국의 NREL(National Renewable Energy Laboratory)에서 실제 상용빌딩 데이터들을 이용해 생산된 DB⁽¹⁰⁾을 이용하였다. 퍼지 제어기 학습을 위해 2016년도 1월 한 달 동안의 데이터를 이용하였으며, 1년 데이터를 이용하여 제안방법의 성능을 분석하였다. 그림 4(a)에서는 학습에 사용된 부하 전력을 나타냈다. 그림 4(a)에서 보는 바와 같이 부하전력은 0.7∼2.6 [kW]로 나타났다. 그림 4(b)에서는 제어기 성능을 평가하기 위해 사용된 1년 단위 부하 전력을 나타냈다. 그림 4(b)에서 보는 바와 같이 하절기의 부하전력이 다른 계절에 비하여 요구전력이 매우 작음을 알 수 있다.

요구되는 부하용량에 부합되도록 태양광 발전시스템과 풍력발전시스템의 부하용량을 산정하는 것은 매우 중요한 사항이다. 태양광과 풍력발전시스템의 용량이 부하 요구전력에 비하여 과도하게 클 경우 시공비의 과다책정으로 인한 경제성 손실의 우려가 있으며, 이와 반대로 공급전력이 작을 경우 전력공급 중단의 치명적 손실을 가져온다. 따라서 본 논문에서는 주어진 부하전력에 전력공급 손실 없이 최적의 태양광 발전설비, 풍력발전설비, 연료전지, 전해조 및 배터리의 용량을 산정하였다. 실험을 위하여 태양광과 풍력 정격 전력의 범위는 3,000∼4,000 W 범위로 산정하였으며, 연료전지와 전해조는 1,500∼6,000 W, 그리고 배터리 용량은 3,000∼6,000 W 범위로 설정하였다. 또한, 안정적인 전력공급을 위하여 수소탱크의 레벨과 배터리의 SOC는 30%∼80% 범위를 갖도록 설정하였다. 표 3에서는 각각의 최적화 알고리즘에 의해 산정된 태양광, 풍력, 연료전지, 전해조, 배터리의 정격전력을 나타냈다. 표 3에서 보는 바와 같이 제안된 방법을 적용하여 태양광, 풍력, 연료전지, 전해조 및 배터리의 용량을 산정한 결과 다른 최적화 알고리즘에 비하여 정격전력이 적으면서도 안정적인 전력공급이 수행됨을 알 수 있다.

표 4에서는 적용된 최적화 알고리즘에 따른 연간 유지보수 비용을 나타냈다. 표 4.10에서 보는 바와 같이 TLBO 알고리즘과 제안된 HS-TLBO 알고리즘에 기반의 퍼지제어기를 적용하였을 때 연간 유지보수 비용이 242$로 나타났다.

그림 5에서는 부하 요구전력과 신재생에너지별 공급된 출력을 나타냈고, 그림 6에서는 부하전력과 제안된 퍼지제어기에 의한 시스템 출력을 나타냈다. 그림 5 및 그림 6에서 보는 바와 같이 전력공급 중단 없이 안정적으로 하이브리드 시스템에서 부하로 전력을 공급함을 알 수 있다.

그림 7에서는 1년 동안의 수소탱크 레벨과 배터리 상태를 나타내는 SOC를 나타냈다. 그림 8에서 보는 바와 같이 부하 요구전력보다 태양광과 풍력으로 구성된 신재생에너지원이 전력이 적은 구간(0-2500h과 7000-8760h)에서는 연료전지와 배터리에서 부족 전력을 공급하여 수소탱크 레벨과 SOC 상태가 감소함을 알 수 있다. 이와 반대로 신재생에너지원이 전력이 부하요구전력보다 큰 경우에는 수소탱크와 배터리로 충전이 되어 수소탱크레벨과 SOC 상태가 증가함을 알 수 있다. 또한, 그림 7에서 알 수 있는 바와 같이 신재생에너지원이 부하 요구전력보다 작은 경우 수소탱크레벨은 초기 50%에서 46%로 4% 감소하였고, SOC는 초기 60%에서 58%로 2% 감소하여 배터리보다는 연료전지에서 부하로 더 많은 전력공급이 이루어짐을 알 수 있다. 이와 반대인 경우에는 수소탱크레벨은 46%에서 60%로 14% 증가하였고, SOC는 초기 58%에서 66%로 8% 증가하여 배터리보다는 전해조에 더 많은 전력이 공급되어 충전되었음을 확인할 수 있다. 이상의 결과로부터 제안된 HS-TLBO 알고리즘 기반의 퍼지제어기를 적용한 경우 정격용량이 적으면서 유지보수 비용이 최소화 되도록 운영됨을 알 수 있다.

4. 결 론

본 논문에서는 최적 퍼지로직 제어기 기반 독립형 하이브리드 전력시스템의 최적 전력 제어 기법을 제안하였다. 또한 퍼지 제어기의 최적 설계를 위하여 하모닉 탐색 알고리즘과 수업-학습기반 최적화 알고리즘을 융합한 HL-TLBO 기반의 최적화 알고리즘을 제안하였다. 본 논문에서 대상으로 하는 독립형 하이브리드 전력시스템은 신재생에너지원으로서 풍력과 태양광 발전 시스템을 고려하였으며 배터리 뱅크와 전해조 및 수소 탱크를 포함하는 연료 전지 시스템을 백업 전원으로 적용하였다. 실험결과 요구전력의 공급 중단 없이 안정적으로 전력을 공급하면서 다른 최적화 알고리즘에 비하여 유지비용이 가정 저렴한 것으로 나타났다. 향후 다양한 부하 및 실측 데이터에 대해서 제안된 방법의 유용성을 지속적으로 평가하고자 한다.