3.1 EP MG EMS 개발

태양광 발전의 출력은 날씨, 온도 및 태양의 위치와 같은 여러 요인들에 영향을 크게 받으며, 특히 MG는 부하의 규모가 상대적으로 작아 태양광 발전의 출력량 변동에 큰 영향을 받기 때문에 그 예측이 중요하다. 태양광 발전의 예측 방법은 태양광 발전의 설치정보 및 일기 예보, 기상 관측 정보, 인버터에 의해 측정된 이전 출력량 값을 이용하여 발전량 예측을 수행한다. 예측을 수행한 후, 이전 시간의 실제 출력과 관측 날씨를 이용하여 날씨 계수 및 온도계수를 갱신하고 태양광 예측값을 출력한 후 종료된다. 부하 예측은 과거의 이력데이터와 시계열 모델 중 하나인 자기회귀누적이동평균(Auto- Regressive Integrated Moving Average, ARIMA)모델을 사용하여 부하를 예측한다. ARIMA 모델은 시계열 데이터 기반 분석 기법으로 과거의 계측 값과 오차를 이용하여 현재 시계열의 값을 설명하는 자기회귀이동평균(Autoregressive Moving Average, ARMA)모델에 과거의 데이터가 지니고 있는 추세를 반영한 것으로, ARMA모델이 정상 시계열에만 적용 가능한 것에 비해, 계절성이 존재하는 비정상 시계열에도 적용이 가능한 모델이다. 부하 데이터는 주중과 주말 및 계절에 따른 패턴 변동이 존재하는 계설정 패턴으로 이에 적합한 계절별 ARIMA(p, D, q)모델을 적용하였고 각 파라미터의 범위는 참고 문헌 ⁽¹⁴⁾에 따라 적용하였다. ARIMA 모델 기반 예측의 경우 최근 부하데이터에 크게 영향을 받는 특징이 있어 최근 부하의 급격한 변동이 있는 경우 예측 정확도가 크게 떨어지게 된다. 이러한 문제를 보완하기 위해 ARIMA모델의 결과로써 얻어진 현재시간의 부하 예측데이터를 포함한 12시간 동안 예측된 부하값의 가중평균을 이용한 예측값의 보정을 거침으로써 해소하였다. 부하 수요 예측의 흐름도는 그림 3과 같다.

그림. 3. 부하 수요 예측 프로그램 흐름도

Fig. 3. Flow chart of Load demand forecasting program

3.2 ESS 충방전 스케쥴링

ESS 충방전 스케줄러는 개별 EP MG의 운영요금 최소화를 위해 MILP를 활용하여 ESS의 24시간 최적 운영 스케줄을 도출한다 ⁽¹⁵⁾. ESS의 감가상각 비용은 방전심도와 충방전 주기에 따른 관계로 비선형적인 관계를 가진다. 본 논문에서는 감가상각 비용의 계산을 위해, 방전심도를 n개의 선형 관계로 변환한 모델과 Rainflow 알고리즘을 이용한 방전심도 계산 모델을 각각 적용하였다. Rain flow 알고리즘은 ESS의 충방전 사이클 중에서 수명에 직접적인 영향을 미치는 충방전 사이클을 추출하여 수명비용에 적용하기 위한 방전심도를 얻기위해 사용되는 모델이다 ^(16,17) . 제안한 ESS 충방전 스케줄러는, MILP알고리즘에 n개의 선형 방전심도 수식을 적용한 ESS 충방전 스케줄들 중에서 감가상각 비용이 Rain flow 모델과 가장 유사한 값을 가지는 ESS의 충방전 스케줄을 최종 스케줄로 선택한다. 본 논문에서 제시하는 ESS 충방전 스케쥴 프로그램의 흐름도를 그림 4에 도시하였다.

그림. 4. ESS의 스케줄링 프로그램 흐름도

Fig. 4. Flowchart of ESS scheduling program

3.3 비상시 자율제어

그림. 5. 비상시 자율제어

Fig. 5. Emergency control program flow chart

비상제어 프로그램은 MG의 비 주기적 비상상황을 자율적으로 처리하기 위한 목적으로, MG에 발생한 비상상황을 인지, 판단, 대처하는 프로그램이다⁽¹⁸⁾. 비상제어 프로그램의 흐름도는 그림 5에 나타내었다. MG EMS에 알람이 발생하게 되면 데이터 클러스터링을 통해 알람 데이터의 사전 처리를 수행한다. 이를 통해 비상제어 프로그램은 비상상황의 유형과 위치를 일시적으로 식별한다. 비상 분류 모듈에서 일시적으로 결정된 유형 및 위치에 대한 확신도를 퍼지 알고리즘을 통해 계산하여 일시적으로 식별된 비상상황을 최종 확정 또는 비상제어 프로그램의 재수행 여부를 결정하고 이벤트 데이터에 대한 불량 데이터 필터링을 수행한다. 비상상황이 최종 확정되고 퍼지알고리즘을 통해 여러개의 비상상황 결과가 생성되었을 때, 부하의 복원에 초점을 맞춘 룰베이스에 따라 각 비상상황에 우선순위를 결정한다. 마지막으로 최종판단된 비상상황과 비상상황들의 우선순위에 따른 기기 제어 및 유지보수원에게 메시지 전달과 같은 실질적인 대처를 수행한다.

3.4 EP MG EMS의 운영 플랫폼 개발

EP MG EMS는 초단위 데이터 계측이 가능한 다기능 단말장치 RTU(Remote Terminal Unit) 및 PMU(Phasor Measurement Unit)와 배터리 관리 시스템(Battery Management System, BMS), 부하제어기 등의 하드웨어 연계를 통해 계측된 로우 데이터에 대한 신뢰성을 보장한다.

또한, 안정적인 응용프로그램 및 기상정보시스템 연계를 통해 각종 응용프로그램에 기상 정보를 제공함으로써 응용프로그램이 보다 신뢰성 있는 예측이 가능하도록 하였다. 상용 데이터베이스(PostgreSQL) 및 시스템 구조의 단순화(서버, HMI의 All-in-One)를 통해 시스템을 고도화 및 구축비용을 최소화 할 수 있도록 개발하였다. EP MG EMS의 구성은 그림 6과 같이 Server, 전단 처리기 (Front End Processor, FEP), 데이터베이스, 응용프로그램, 외부시스템, 웹 기반 화면 인터페이스(Human Machine Interface, HMI) 모듈로 구성이 되어 있다. 서버는 EP MG EMS 운영에 필요한 데이터를 생성하여, 원활한 분석을 위해 데이터를 처리하며, FEP는 설비단의 RTU, Inverter manager, PMS, BMS 등과 통신하여 전력 정보를 실시간으로 데이터베이스와 서버에 업데이트 한다. 응용프로그램은 EP MG EMS에서 최적화된 전력 사용을 위해 발전 및 부하를 예측하고, 그에 따라 ESS의 스케줄링 값을 생성 및 제어하며 비상제어 응용프로그램을 통해 MG 내의 비상상황을 인지하고 자율적으로 대응한다. Web HMI는 사용자에게 보다 편리한 사용자 인터페이스(User Interface, UI)를 통해 EP MG EMS 모니터링 및 운영제어를 할 수 있도록 기능을 제공하며 외부 시스템은 응용프로그램에 필요한 기상정보를 기상청으로부터 수신 받는다.

그림. 6. EP MG EMS의 운영 플랫폼 구조

Fig. 6. Architecture of operation platform of EP MG EMS

4.1 다중 MG간 전력거래 절차 정의

여러 대상이 수행하는 모든 거래에서는 참여하는 주체들의 절차를 설정하는 것이 반드시 필요하다. 본 논문에서는 전력거래에 참여하는 거래 주체들을 실제 전력 판매를 수행하는 EP MG EMS, 참여하는 MG 그룹들을 관리하는 EP Agent EMS, 전력회사 단위의 전력 시장을 운영하는 EPMI로 구성되어 있다고 정의하였다. 본 논문에서 제안하는 전체적인 전력거래 절차는 그림 7과 같다. EP Agent EMS에서는 관할하는 EP MG EMS의 거래 스케줄을 판단하기 위해서 개별 MG 의 상태 정보(24시간 MG의 수요 및 발전 예측 정보)를 제공받는다. 이를 활용하여 EP Agent EMS는 소속된 개별 MG의 운영비용의 합이 최소가 되는 MG간 전력거래 스케줄을 도출하게 된다. MG의 경우 부하 및 분산전원의 출력 변동성이 크므로 전력거래 스케줄은 매 6시간 을 주기적으로 변경하여 제공한다. 또한, EP MG EMS가 거래스케줄에 의해 이행하는 거래 정보를 토대로 각 EP MG EMS의 정산 내역을 산정하게 된다. 전력회사가 운영하는 전력시장을 관리하는 EPMI에서는 거래 스케쥴이 산정되는 향후 6시간 동안 전력회사의 발전단가 등을 고려하여 운영 비용을 최소화 할 수 있도록 전력구매량을 산정하여 EP Agent EMS에 전송한다. 하지만, 전력회사는 MG의 수요 및 발전량이 계통 운영상 영향을 줄 수 있는지 판단하며, 이를 위반할 경우 MG에 발전 감축 지시를 통해 계통 운영에 영향을 미치지 않도록 거래 스케쥴을 조정해야 한다.

그림. 7. 다중 MG간 전력거래 전략

Fig. 7. Power trading strategy for multiple MGs

4.2 MG간 전력거래 정산 및 증빙 방안

정산 및 증빙은 전력 거래 및 일반적인 거래에 있어서 중요한 기능 중 하나이다. 본 논문에서의 전력거래 및 증빙에 대한 절차를 그림 8과 같이 나타내었다. 거래 정산 및 증빙 기능은 거래에 참여한 개별 MG의 수익과 거래 금액 및 산정 용량을 정산할 수 있어야 하기 때문에, EP Agent EMS는 개별 EP MG EMS로부터 매시간 거래 이행정보를 받아 저장한다. 이 정보를 토대로 거래 이행을 수행한 EP MG EMS의 발전량과 거래 기준 단가의 곱하여 각 MG의 정산금을 배분한다. 거래 정산은 전일의 거래 이행 현황에 기반하며, 거래를 이행하지 못한 MG의 경우 패널티를 부여하여 거래의 신뢰성을 향상시켰다. 전력거래 시장의 발전 요청에 따른 납부 금액은 구매 확정량과 구매 기준 단가를 곱하여 정산하며, 감축 지시의 경우 지시량에 대한 보상으로 처리한다.

그림. 8. MG간 전력거래에 대한 정산 방안

Fig. 8. Settlement process for the power trading

4.3 MG간 전력거래를 위한 EP Agent EMS 플랫폼 개발

위에서 언급한 EP Agent EMS는 EP EMS와 EPMI간의 중개 역할을 수행하는 시스템이다. 따라서, 기존의 MG EMS의 운전(PV 예측, 부하예측) 등의 기능이 아닌 프로슈머간 전력거래 기능을 탑재한 플랫폼이며, 이 플랫폼의 참여주체는 소규모 분산자원을 소유하고 있는 MG 사업자가 대상이다. 그림 9는 본 논문에서 제안한 EP Agent의 플랫폼에 대한 전체 아키텍처를 나타내고 있다. 그림 9와 같이 EP Agent는 다수의 MG 사업자들을 상태정보를 통해 EPMI간의 전력거래의 중개역할을 수행한다.

그림. 9. EP Agent EMS 아키텍처

Fig. 9. Architecture for the EP Agent EMS

5.1 실증사이트 구축

본 논문에서 제안한 EP MG EMS, EP Agent EMS등을 통한 전력거래 모델에 대한 검증을 위해 국내 대학을 대상으로 구내에 부하 패턴이 상이한 교육형 MG, 사무형 MG, 주거형 MG 및 발전사업자형 MG를 구축하였다. 여기서, 교육형 MG의 경우 일반적인 대학에서 교육 및 연구 등이 주로 수행되는 건물, 사무형 MG의 경우 주로 사무실 형태의 공간이 밀집된 산학협력단 건물, 주거형 MG의 경우 학교 내 기숙사등과 같이 일반적인 주택과 같은 부하형태를 가지는 건물을 대상으로 MG 사이트를 구축하였다. 또한, 발전사업자형의 경우 다른 MG들과 다르게 PV와 같은 신재생 에너지로만 구성된 MG를 의미하며, 이는 도심의 분산전원 설치 특성을 고려하여 한 개소가 아닌 여러 개소를 선택하여 구성하였다. 그림 10은 MG 사이트 내부에 구축된 ESS, PV, 모의 부하로 대학 구내에 구축된 MG 사이트들의 전체 설비 구성도이다. 구축된 실증 사이트들을 활용하여 본 논문에서 제안한 MG EMS의 자율운전 수행, EP Agent를 통한 다중 MG간 전력거래에 대한 실증시험을 수행하였다.

그림. 10. 다중 MG 실증 사이트 구축

Fig. 10. Demonstration site construction of multiple MGs

5.2 EP MG EMS 자율 운전 시험

본 논문에서 제안한 EP 형태의 MG EMS에 대한 기능을 검증하기 위해 위에서 구축된 MG 사이트 중 발전 사업자형 MG를 제외한 모든 MG 사이트에서 개발된 시스템에 안전성을 확인하기 위해 약 2주간 운영원이 없이 장기 실증 시험을 수행하였다. 그 결과, 모든 MG의 경우 최소 약 365시간 이상 자율적으로 MG의 운영을 수행한 것을 확인할 수 있었다. 그림 12는 실증시험 중 사무형 MG 타입에 대한 HMI을 나타내고 있으며, 실제 응용프로그램에 의해 그림 11(a)와 같이 시스템이

그림. 11. EP MG EMS에 대한 통합시험

Fig. 11. Integrated tests for EP MG EMS

자율적으로 운영되고 있는 것을 확인할 수 있다. 또한, 개발된 EP MG EMS의 중요한 기능중 하나인 비상상황시 자율운전 기능을 확인하기 위해 그림 11(b)와 같이 사무형 MG에 시스템 알람을 통해 비상상황을 모의하였다. 그 결과, 비상상황에 대한 종류 및 위치에 대한 최종 결과가 지정된 운영원에게 SMS로 전송되는 것을 확인할 수 있으며, 비상상황이 아닌 지역의 알람은 오류데이터로 처리되는 것을 확인할 수 있다.

5.3 다중 MG간 전력거래 실증 시험

EP Agent EMS을 활용한 다중 MG간 전력거래에 대한 실증시험 내용을 요약하였다. 서로 상이한 부하패턴을 가지는 MG 간 전력거래를 시험하기 위해 앞서 언급한 실제 MG 중 교육형 및 사무형 MG 2개소와 가상 MG(Virtual Microgrid, VMG) 3개소를 만들어 시험에 활용하였다. 거래에 참여한 모든 MG의 시간별 전력 요금은 동일하게 적용하였으며, 앞서 언급한 거래 불이행에 대한 패널티 단가는 6,900원으로 가정하였다. 개별 MG의 운영상 필요 정보는 다음 표 1과 같으며, 각 MG에 설치된 ESS의 충방전 효율은 모두 동일하다고 가정하였다.

표 1의 MG들에 대해 제안한 전력거래 방식에 다른 운영 이득을 검증하기 위해 우선 단일 MG의 예측 기반의 스케줄 운전 수행 시, 피크 절감 효과에 대해 표 2와 같이 정리하였다. 표 3에는 표 1의 5개 MG간 전력거래를 수행했을 경우의 피크절감 효과 나타낸다. 그림 12는 MG간 전력거래 산정 및 이행현황을 나타내는 HMI 화면을 나타내고 있으며, 그림 상단은 발전 이행에 계약에 대한 MG의 발전량 및 패널티 라인, 하단은 전력거래에 참여한 MG의 이행 결과를 나타내고 있다. 표 3을 통해 확인할 수 있는것처럼, MG간 전력거래를 수행할 경우 가상 MG2와 VMG3의 피크저감 효과가 훨씬 높은 것을 볼 수 있다. G&R Hub의 경우 전력거래 시 판매자 측에 속하므로 피크 절감효과는 음수로 나타난다.

그림. 12. EP MG EMS에 대한 HMI

Fig. 12. HMI for EP Agent EMS