배인수
(In-Su Bae)
1iD
손은태
(Eun-Tae Son)
2iD
김동민
(Dong-Min Kim)
†iD
-
(Dept. of Electrical Engineering, Kangwon National University, Korea.)
-
(Dept. of Electrical Engineering, Dongshin University, Korea.)
Copyright © The Korean Institute of Electrical Engineers(KIEE)
Key words
BIBC Matrix, Radial Distribution System, Resilience, Restoration Priority
1. 서 론
전력계통의 복원력이란 재해로 인한 동시다발적인 계통사고에 대비한 준비 능력과 계통사고시의 적응, 회복의 능력을 말하며(1), 복원력을 평가할 수 있는 대표적인 지수로 사다리꼴의 복원력 곡선을 제시하고 있다(2). 사고 이벤트가 발생한 시간을 기준으로 Post-event 구간(Recovery phase)의 복원력은, 고장유형을 판별한 후 GA(Genetic
Algorithm) 알고리즘(3), 인공지능(4) 등을 활용하여 고장 구간을 분리하고 계통을 재구성하는 운영적 기법(Operating method)에 의한 복원력과 고장 설비에 대한 수리를 시작하여
복구 영역을 확대해 나가는 수리 기법(Repair method)에 의한 복원력으로 세분한다(5). 수리 기법에 의한 단계에서는 인근 계통과의 연계(6)나 분산전원, 마이크로그리드, BESS(Battery Energy Storage System)의 계통 병입(7,8)이 복원력을 크게 향상시킬 수 있는 대안이 될 수 있다(9).
그렇지만, 수리 기법에 의한 복원력에서 가장 중요한 것은 고장이 발생한 다수의 설비 중 적절한 설비를 선정하여 신속하게 수리하는 것이다. 다수의 설비에서
고장이 발생한 극한 상황에서, 최대한의 연결구조 확장을 위한 복구 전략(10,11), 다수 복구팀의 이동경로까지 고려한 복구 전략(7), 수리 비용과 공급지장 비용을 고려한 복구 전략(12) 등이 제시되었다. 그러나, 참고문헌(7,10-12)
에서는 수리에 소요되는 시간이 모두 동일하다는 가정 하에 이동 시간에 주목하고 있고, 참고문헌(7)에서는 복구 시간과 복구 용량을 별도의 목적함수로 설정하여 필요에 따라 가중치를 정한 후 합산하는 방식을 적용하였지만 복구 시간은 복구 용량이 동일한
상황에서만 적용하는 보조 목적함수에만 적용하였다. 선로 외에 다른 종류의 설비는 복구 시간이 상이하고 같은 종류의 선로일지라도 선로 길이에 따라 복구
시간이 상이할 수 있기 때문에, 복구 시간이 동일하다는 가정은 다수 설비에서 고장이 발생하는 재해를 다루는 복원력 영역에서는 개선해야 할 단점이다.
복구 시간이 서로 다른 설비로 구성된 계통에서는 복구 용량뿐만 아니라 복구 시간까지 고려한 복구 전략이 복원력 관점에서 가장 유리한 전략이 될 수
밖에 없다.
복원력에 관한 대부분의 참고문헌에서 볼 수 있는 경향 중 하나는 특정 상정사고를 가정하여 사례연구를 수행한다는 것이다. 특정 상정사고에서는 유리한
전략이지만 다른 상정사고에서는 결과가 뒤바뀌는 전략이 아니라, 발생할 수 있는 모든 재난 상황에 적용할 수 있는 복구 전략을 수립하고자 공급지장 수용가를
판별해낼 수 있는 기법에 관해 본 논문은 주목하였다. 재해로 인한 공급지장을 판별해야 하고 고장이 발생한 설비마다 복구 여부에 따라 공급지장을 다시
판별해서 비교해야 하므로 공급지장 수용가를 판별하는 과정은 복구 전략을 실제 적용하는데 큰 비중을 차지한다. 계통의 구조를 표현하는 행렬을 수정하거나
반복적인 알고리즘을 통해 공급지장 영역을 판별하는 기존의 방법 대신, 본 논문에서는 보다 명확하고 간결한 공급지장 판별법을 제안한다. 제안한 기법은
수리에 의한 복구뿐만 아니라 분산전원의 비상전력 공급, 계통 재구성 등에서도 활용이 가능한 매우 간단한 알고리즘의 기법이다.
불시에 발생하는 재난 상황에서 단시간 내에 복구 우선순위를 결정하기 위해서는, 가능한 모든 복구 순서를 모의하거나 수치해석적인 최적화 기법을 적용하는
것도 보다는 해석적 기법에 기반한 복구 우선순위의 기준을 실무자에게 판단 기준으로 제시할 필요가 있다. 단일 사고나 N-2 사고 수준에서는 기존의
복구 용량 기준 혹은 주요 간선 선로 위주의 복구 전략이 통용될 수 있으나, 복구 인력에 비해 사고 설비 개수가 월등히 많은 재난 상황에서도 기존의
복구 전략이 유효할 것인지는 검증해 보아야 한다. 동시에 발생하는 고장이 많아질수록 기존의 복구 전략만으로 부족하다면, 복구 시간까지 포함하는 복구
우선순위의 적용을 고려해야 한다. 재해 상황에서는 더욱 더 복구 시간을 예측하기 어렵기 때문에 기존 복구 전략이 더 유리한 면도 있지만, 재해가 심각해질수록
무시한 복구 시간으로 인해 복원력의 차이가 더 심해질 수 있다. 본 논문에서는 복구 시간을 포함하는 복구 우선순위가 재해 강도(동시 고장 개수)에
따라 어느 정도의 효과를 나타내는지 분석하였다.
2. 본 론
2.1 다중 고장시 공급지장 부하 판별 기법
2.1.1 BIBC 행렬
BIBC(Bus Injection to Branch Current) 행렬은 부하 모선과 선로의 연결 구조를 0과 1로 표현하고 있으며, 부하 모선으로
유입되는 전류로 계통 선로의 전류를 계산하는데 사용한다(13,14). 그림 1과 같은 간단한 6-모선 예제 배전계통을 대상으로, BIBC 행렬을 활용하여 선로에 흐르는 전류를 계산하는 수식은 식(1)과 같다.
여기서, $I_{B,\:n}$은 n번 선로에 흐르는 전류, $I_{L,\:m}$은 m번 부하로 유입되는 전류를 말한다.
그림. 1. 6 모선 예제 배전계통
Fig. 1. Example system consisting of 6 buses
BIBC 행렬은 0이나 1로 계통 구조만 표현하므로 선로에서의 전력손실은 무시한다. BIBC 행렬은 전류를 계산하기 위한 행렬이지만, 부하 모선으로
유입하는 전류 대신 부하 모선에서 소비하는 유효전력이나 무효전력을 대입하면 선로에서의 유효전력이나 무효전력을 계산하는데 활용할 수도 있다. 복원력
관점에서는 공급지장을 전류나 무효전력이 아닌 유효전력으로 표현하므로, 그림 1 예제 계통에 대한 선로의 유효전력을 BIBC 행렬로 계산하는 방식은 식(2)와 같다.
여기서, $P_{B,n}$은 n번 선로에 흐르는 유효전력, $P_{L,m}$은 m번 부하 모선에서 소비하는 유효전력을 말한다.
BIBC 행렬로 계산할 수 있는 것은 선로의 유효전력이지만, 재난 상황에서 공급지장 여부를 판단하기 위해서는 선로의 유효전력이 아니라 부하 모선의
유효전력을 판별해야 한다. BIBC의 입출력 관계가 서로 뒤바꾸는 개념이 필요하며, 이를 위해 본 논문에서는 BIBC의 전치행렬을 적용하였다.
2.1.2 BIBC 전치행렬
BIBC 전치행렬을 적용하여 선로와 부하 모선의 유효전력을 표현하면 식(3)과 같다.
선로 유효전력으로 부하 모선의 유효전력을 구하는 형태처럼 보이지만, 식(3)은 정확히 부하 모선으로 유입하는 유효전력은 아니다. 여러 선로를 거쳐 전력을 공급받는 부하 모선에서는 실제 소비하는 유효전력보다 훨씬 큰 값이 도출된다.
본 논문에서는 2개 설비 이상의 다중 고장이 발생하는 재난 상황에서 부하 모선으로 유입하는 유효전력을 판단할 수 있는 기법이 필요하다. 두 모선 사이에는
선로 외에도 다양한 종류의 배전설비가 존재할 수 있으므로, 본 논문에서는 선로가 아닌 구간이라는 표현을 사용할 것이다. 구간이라 함은, 고장시 계통에서
분리되고 수리 후 재투입될 수 있는 최소 단위의 영역을 의미한다. 단, 그림 1의 6모선 예제 계통에서는 구간과 선로가 완전히 동일하다.
계통의 전체 구간에 대해 고장 여부를 표현하는 ‘고장 열 벡터’를 정의한다. ‘고장 열 벡터’는 고장이 발생한 구간에 해당하는 위치는 1, 고장이
발생하지 않은 구간에 해당하는 위치는 0으로 표현하고 있는 열 벡터다. 다수의 구간에서 고장이 발생한 후 일부 고장 구간이 복구될 때 마다 ‘고장
열 벡터’는 계속 변경되어야 한다. 그림 1의 6모선 예제 계통을 대상으로 시간 t1에 2번 구간과 4번 구간에서 고장이 동시에 발생하였고 t2에 둘 중 어떤 구간이 수리가 완료되어 재투입되었다고
가정한다면, 2개 구간에서 동시에 고장이 발생하고 있는 상황에서의 ‘고장 열 벡터’는 식(4)와 같다.
부하 모선에서의 공급지장 여부를 판단할 수 있는 정보를 얻기 위해 BIBC 전치행렬과 ‘고장 열 벡터’의 행렬 곱을 수행하였으며, 그 결과는 식(5)와 같다.
6모선 예제 계통에서 2번, 4번 구간이 동시에 고장이 발생하면, 직관적으로 2, 3, 4, 5번 부하 모선에서 공급지장이 발생함을 알 수 있다.
식(5)의 결과값은, 0 이 아닌 값을 갖는 위치에 해당하는 부하 모선이 바로 공급지장이 발생한 부하 모선이라는 정보를 제공한다.
2.1.3 공급지장 부하 모선 판별
식(5)만 활용해도 공급지장이 발생한 부하 모선을 판별할 수 있지만, 2 이상의 자연수를 1로 바꾸는 과정이 추가된다면 더 편리하게 공급지장 유효전력을 계산할
수 있다. 이를 위해 ‘공급지장 열 벡터’ 정의하면 식(6)과 같다.
여기서, ‘공급지장 열 벡터’ $C_{F}(t)$는 임의의 시간 t에서 부하 모선의 공급지장 여부를 표현하고 있으며, 그 값이 1 인 경우는 해당
모선에서 공급지장이 발생하고 있음을 의미하고 0 인 경우는 공급지장이 발생하지 않음을 의미한다.
‘공급지장 열 벡터’와 부하 모선 유효전력 열 벡터의 스칼라 곱은 임의의 시간 t에서 모든 부하 모선의 공급지장 유효전력을 표현하며, 이를 수식으로
표현하면 식(7)과 같다.
여기서, PNS(t)는 임의의 시간 t에서 부하 모선의 ‘공급지장 유효전력 열 벡터’를 말한다.
6모선 예제 계통에서 2, 4번 구간의 동시 고장 시간 동안 ‘공급지장 열 벡터’와 ‘공급지장 유효전력 열 벡터’를 계산하면 각각 식(8), 식(9)와 같다.
본 논문에서 제안하는 판별법은 모든 다중 고장에 대해 모든 부하 모선의 공급지장 유효전력을 계산할 수 있으며, 재난 상황이 더 진전되거나 복구가 진행되어
계통의 구조가 바뀌면 ‘고장 열 벡터’만 수정하여 변경된 공급지장 유효전력을 계산할 수 있다. BIBC 행렬 자체를 활용하여 공급지장 부하 모선을
판별하는 기존의 방법과 비교하면, BIBC 행렬을 매 단계마다 수정할 필요 없이 정상계통에서 구한 BIBC 행렬을 그대로 적용한다는 장점이 있고 모든
부하 모선에 대해 공급지장 여부를 판단하기 위한 별도의 알고리즘도 필요치 않다.
단, 본 논문에서 제안하는 방법은 방사형 계통 구조에서만 적용이 가능하며, 복수의 선로가 두 부하 모선을 연결하거나 루프가 있는 계통 구조에는 적용할
수 없다는 한계가 있다. BIBC 행렬은 방사형 배전계통에서 조류계산을 간단하게 수행하기 위해 개발된 행렬이라 루프가 있는 구조에서는 사용할 수 없기
때문에, BIBC 행렬을 기반으로 공급지장 영역을 판별하는 본 논문의 기법도 루프 구조에는 적용이 불가능하다. 따라서, 구조가 복잡한 송전계통에 적용하기
위해서는 판별법을 개선하기 위한 차후 연구가 필요하고, 본 논문에서는 방사형 배전계통을 대상으로 하여 제안하는 판별법을 적용하였다.
2.2 복원력 기준의 복구 우선순위 판단
2.2.1 복원력 평가 기준
그림 1의 6모선 예제 배전계통을 대상으로 2번 구간과 4번 구간에서 고장이 발생하고 복구되는 과정을 복원력 곡선으로 표현하면 그림 2와 같다.
그림. 2. 6모선 계통에서 2, 4번 구간의 동시 복구로 인한 복원력 곡선
Fig. 2. Resilience curve by simultaneous recovery of sections 2 and 4 in the 6-bus
system
예제 계통에서 5개 부하 모선의 용량이 모두 동일한 100kW라고 가정한다면, 복원력 곡선의 세로축은 0부터 500kW까지 계통의 공급가능 용량을
표현한다. 2번, 4번 구간에서 동시에 고장이 발생한 시간을 기준 시간 0으로 가정하면, 5분 후에 고장 구간을 계통에서 분리하고 1번 부하 모선에만
전력공급을 재개하였다. 2번 구간을 수리하고 재투입하는데 소요되는 복구 시간을 2시간, 4번 구간의 복구에 소요되는 시간을 4시간이라고 가정한다면,
2시간 5분이 지난 시점에 2, 3, 5번 부하 모선으로 추가적인 전력공급이 이루어지고 4시간 5분이 지난 시점에 나머지 4번 부하 모선에도 전력공급이
가능해진다.
본 논문은 다중 고장이 발생한 설비를 대상으로 수리가 시작되는 시점부터 모든 고장 설비의 복구가 완료되는 시점까지에 초점을 두고 있으며, 이는 신속성(Rapid
Recover)의 영역에 해당하는 설비 수리에 의한 (Repair Method) 복원력이다. 그림 2의 시간 0부터 5분까지의 기간은 계통의 구조, 고장 구간의 분리 및 재폐로 등 계통운영에 의한 (Operating Method) 복원력에 해당하므로,
고장 설비의 복구는 그 기간 동안의 복원력에는 전혀 영향을 미치지 않는다. 본 논문은 그림 2에서 5분 이후의 계통 상황에만 주목한다.
그림 2는 2중 고장이 발생하자마자 고장이 발생한 2개 구간을 대상으로 동시에 수리에 착수한다고 가정한 상황이다. 재난으로 인해 다수의 사고가 동시다발적으로
발생한 상황에서 한정된 인력의 복구팀을 파견해야 한다면 복원력 관점에서 어떤 설비를 먼저 복구할 것인지에 대해 결정을 해야 한다. 2번 구간에 대한
복구가 완료된 후 4번 구간의 복구를 진행한 복원력 곡선은 그림 3(a)와 같으며, 4번 구간을 먼저 복구한 복원력 곡선은 그림 3(b)와 같다.
그림. 3. 6모선 계통에서 2, 4번 구간의 순차적 복구로 인한 복원력 곡선
Fig. 3. Resilience curve by sequential recovery of sections 2 and 4 in the 6-bus system
그림 3(a)와 그림 3(b) 중 어떤 복구 전략이 복원력 관점에서 유리한지 평가할 수 있는 대표적인 복원력 지수는, 최대 공급가능 용량 500kW를 표현하는 직선과 복원력 곡선이
만드는 면적을 계산하여 비교하는 것이다. 복구 과정의 복원력을 평가하는 지표로는 중요 수용가 혹은 전체 수용가를 대상으로 복구 기울기, 복구 시간,
복구 용량, 복구 비용에 대한 평가도 가능하지만, 최대한 많은 지표의 개념을 포괄하는 복구 에너지 관점의 지표를 선정하였다(3). 최대 공급가능 용량 직선과 복원력 곡선이 만드는 면적은 해당 이벤트가 시작된 후 완료될 때까지 계통 전체의 공급지장 전력량(Energy Not
Supplied, ENS)을 의미하며, 이는 식(10)으로 계산할 수 있다(2).
여기서, $Q_{T}$는 고장과 무관한 정상계통의 최대 공급가능 용량, $Q_{R}(t)$는 시간 t에 대한 복원력 곡선, ENS는 이벤트가 시작되는
$t_{0}$부터 이벤트가 완료되는 $t_{n}$까지의 기간 동안 계통의 ENS을 의미한다.
계통운영에 의한 복원력에 해당하는 5분까지의 시간을 무시한다면, 그래프에서 작은 네모 하나가 차지하는 영역이 100kWh에 해당하므로 그림 3(a)에서 구한 ENS는 1,200kWh이고 그림 3(b)에서는 2,400kWh이다. 2번 구간과 4번 구간 중 2번 구간을 먼저 복구하는 것이 설비 수리에 의한 복원력 관점에서 더 유리하다고 평가할 수
있다.
2.2.2 복구 우선순위 전략
특정 상정사고가 예상되거나 특정 상정사고만을 모의하는 경우에는 모든 가능한 복구 순서를 대상으로 하여 복원력을 계산한 후 가장 복원력이 좋은 복구
순서를 최적의 복구 우선순위로 선정하면 된다. 본 논문에서는 임의의 위치에서 임의 개수의 동시 고장이 발생하더라도 가장 효율적으로 복구 우선순위를
결정할 수 있는 기준에 관해 고찰하고자 한다. 우선, 3종류의 기본적인 전략에 의한 복구 우선순위를 모의하였으며, 분석 결과를 통해 차후 복구 전략을
수정할 계획이다.
1) Case 1은 송전급 주모선과의 전기적 거리가 가까운 고장 구간을 우선적으로 복구하는 전략이다. 주모선에 가까운 설비가 말단 설비보다 더 중요하다는
개념이며, 분기 선로보다 간선 선로가 더 중요하다는 개념도 이 전략에 해당한다(10). 주모선과의 전기적 거리를 간접적으로 판단할 수 있는 방법 중 하나는 선로에 흐르는 조류량으로 비교하는 것이다. BIBC 행렬을 사용하여 계산되는
식(2)의 결과값은 모든 선로에 대한 유효전력 조류량이므로, Case 1은 정상계통에서의 조류량이 큰 구간을 우선적으로 복구하는 전략이다.
고장 구간이 직렬로 연결된 형태인 그림 3의 이벤트 예제를 보면, 2번 구간과 4번 구간 중 정상계통에서의 조류량은 2번 구간이 더 크기 때문에, 항상 2번 구간에 대한 복구가 먼저 이루어진다.
고장 구간이 병렬로 연결된 형태인 그림 4 이벤트에서는, 정상계통 조류량이 100kW인 5번 구간보다 200kW 조류량의 3번 구간을 먼저 복구한다.
2) Case 2는 고장 구간 1개의 복구로 인해 계통 전체의 공급가능 용량이 증가하는 크기를 기준으로 복구 우선순위를 설정한다. 1번째 복구 우선순위는
1개 구간의 복구 결과를 비교하면 되지만, 2번째 복구 우선순위를 결정하기 위해서는 1번째 복구 우선순위의 구간이 복구된 이후의 계통을 기반으로 공급가능
용량을 평가해야 한다. 이는 매 단계마다 바로 다음 단계의 결과를 기반으로 최선의 선택을 하는 탐욕 알고리즘(Greedy Algorithm)에 해당한다(15).
그림 3의 이벤트에 Case 2 전략을 적용하면, 2번 구간이 복구되기 전까지는 4번 구간은 복구되어도 전혀 전력공급에 활용되지 못한다. 반면 2번 구간이
먼저 복구된다면 4번 부하 모선을 제외하고 2, 3, 5번 부하 모선에 전력공급이 가능하다. 따라서, 2번 구간을 먼저 복구하는 복구 우선순위가 선정된다.
그림 4의 이벤트에서는 3번 구간을 복구하면 200kW 만큼 공급가능 용량이 증가하고 5번 구간을 복구하면 100kW 증가하므로, 3번 구간에 대한 복구를
먼저 진행한다.
3) Case 3은 고장 구간 1개의 복구로 인해 계통 전체의 공급가능 용량이 증가하는 크기를 해당 구간의 복구 소요시간으로 나눈 값, 즉 공급가능
용량의 증가율을 기준으로 복구 우선순위를 설정한다. Case 3은 Case 2와 동일하게 설비 1개의 복구 결과를 기반으로 매 단계 최선의 선택을
하는 탐욕 알고리즘에 해당한다.
그림 3의 이벤트에서 Case 3의 복구 우선순위는 Case 2와 동일하고, 그림 4에서는 3번 구간의 복구로 인한 66.67kW/hr와 5번 구간 복구로 인한 100kW/hr를 비교하여 5번 구간을 먼저 복구한다.
4) Case 0에서는 특정 전략에 의해 복구 우선순위를 결정한 것이 아니라 모든 가능한 복구 순서를 전부 모의한 후 복원력 결과가 가장 좋은 복구
우선순위만을 선별한다. Case 1~3의 복원력 결과를 서로 비교하면 어떤 전략의 복구 우선순위가 더 우수한 것인지 상대적인 비교는 가능하지만, 복구
우선순위가 최적의 값에 얼마나 근접했는지 비교하기 위해 최선의 결과만을 선별한 Case 0의 결과도 사례연구에서 모의하였다.
그림 3, 그림 4의 이벤트에 대한 Case 0의 복구 우선순위는 2.2.1절에 이미 복원력 결과를 비교하여 순서가 제시되어 있다. 즉, 그림 3의 이벤트에서는 ENS 2,400kWh의 4번 구간보다 1,200kWh의 2번 구간을 먼저 복구하고, 그림 4에서는 1,000kWh의 3번 구간보다 900kWh의 5번 구간을 먼저 복구한다.
Case 0는 항상 최적의 값을 도출하지만, 가능한 모든 복구순서마다 복원력 지표를 계산한 후 그 값을 비교하기 때문에 꽤 많은 반복을 거쳐야 한다.
1개의 재해 이벤트에서 복구 우선순위를 결정하기 위해, Case 0에서는 N-2 부터 N-7 까지 순서대로 3, 13, 73, 481, 3601,
30241, 282241번 공급지장 용량을 계산해야 한다. 동시 고장 개수가 증가할수록 재해 이벤트의 총 개수도 증가하는 것까지 고려한다면, 어느
수준 이상에서는 Case 0를 적용하기 힘들다.
3. 사례연구
3.1 사례연구 계통과 데이터
본 논문에서는 IEEE 13-bus test feeder, IEEE 34-bus test feeder, IEEE 37-bus test feeder(16) 총 3개의 배전계통을 대상으로 사례연구를 수행하였다. 배전계통의 연결 구조, 부하의 위치 및 용량, 선로 길이 등은 참고문헌에서 제시된 값을 그대로
사용하였고, 고장이 발생할 수 있는 설비는 주모선, Circuit Breaker, 길이 0 인 선로를 제외한 모든 배전설비를 대상으로 하였다.
고장이 발생할 수 있는 배전설비의 총 개수는 IEEE 13-bus test feeder에서는 13개, IEEE 34-bus는 33개, IEEE 37-bus는
37개이다. 배전설비의 복구에 소요되는 시간은 RBTS(Roy Billinton Test System)에서 제시된 신뢰도 데이터를 기반으로 수정하여
다음과 같이 적용하였다(17). 또한, 사고 이벤트가 발생한 직후 고장 구간을 계통에서 분리하고 건전 구간에 전력을 재공급하는데 소요되는 시간은 RBTS에서 재투입에 소요되는
시간 5분을 적용하였다.
$\quad$
IEEE 13-bus test feeder 배전설비 수리시간
∙변압기 10 hr
∙스위치 4 hr
∙가공선로 5 hr / 1000 ft
∙지중케이블 30 hr / 1000 ft
$\quad$
IEEE 34-bus test feedr 배전설비 수리시간
∙변압기 15 hr
∙레귤레이터 15 hr
∙4.16 kV 가공선로 5 hr단, 10000 ft 이상의 선로는 2배 크기로 보정
∙24.9 kV 가공선로 8 hr단, 1000 ft 미만 0.5배, 10000 ft 이상 2배
$\quad$
IEEE 37-bus test feeder 배전설비 수리시간
∙변압기 10 hr
∙레귤레이터 10 hr
∙지중케이블 30 hr / 1000 ft
$\quad$
동일 종류의 설비에 대해서도 복구 시간에 차이를 두기 위해 선로의 복구 시간은 길이에 비례하도록 적용하였다. 다만, IEEE 34-bus test
feeder에서는 가장 짧은 선로(10 ft)와 가장 긴 선로(48150 ft)의 길이 차이가 너무 크기 때문에, 길이에 비례하지 않고 3단계로만
복구 시간에 차이를 두었다.
3종류의 사례연구 배전계통을 대상으로 다수의 설비에서 동시에 고장이 발생한 직후 복구 우선순위에 의해 순서대로 1개씩 고장 구간이 복구되는 상황을
모의하였다. 고장이 발생한 모든 구간에서 동시에 수리가 시작되는 상황은 복구 우선순위가 아무 의미가 없으므로 본 논문에서는 언급하지 않는다. 다수의
복구팀이 존재하여 다수의 고장 구간 중 일부에 대해 동시에 복구하는 상황도 본 논문에서는 아직 고려하지 않았다.
IEEE 13-bus와 IEEE 37-bus는 선로의 길이가 그리 길지 않기 때문에, 고장 구간 사이를 이동하는데 소요될 것으로 예상되는 시간이 고장
구간의 복구에 소요되는 시간에 비해 상대적으로 훨씬 짧다. 반면, IEEE 34-bus에서는 고장 구간 사이를 이동하는데 다소 긴 시간이 소요될 것으로
예상된다. 이동 시간은 3개의 사례연구 계통 중 1개 계통에만 주로 영향을 주는 요소이므로, 본 논문에서는 이동 시간을 무시하고 사례연구를 진행하였다.
표 1. 이벤트당 평균 ENS
Table 1. Average ENS per event
이벤트
|
복구
전략
|
평균 ENS [kWh/event]
|
IEEE
13-bus
|
IEEE
34-bus
|
IEEE
37-bus
|
N-2
|
Case 0
|
19,792
|
18,161
|
20,389
|
Case 1
|
20,047
|
18,174
|
20,501
|
Case 2
|
20,047
|
18,174
|
20,501
|
Case 3
|
19,792
|
18,161
|
20,389
|
N-3
|
Case 0
|
30,385
|
27,567
|
31,624
|
Case 1
|
31,123
|
27,605
|
31,991
|
Case 2
|
31,068
|
27,803
|
32,017
|
Case 3
|
30,413
|
27,741
|
31,680
|
N-4
|
Case 0
|
41,448
|
37,213
|
43,509
|
Case 1
|
42,860
|
37,291
|
44,286
|
Case 2
|
42,666
|
38,015
|
44,368
|
Case 3
|
41,568
|
37,869
|
43,715
|
N-5
|
Case 0
|
52,915
|
47,080
|
55,972
|
Case 1
|
55,156
|
47,214
|
57,326
|
Case 2
|
54,732
|
48,854
|
57,490
|
Case 3
|
53,215
|
48,611
|
56,449
|
3.2 복원력 결과
3개의 배전계통을 대상으로, N-2 상정사고부터 N-5 상정사고까지 발생할 수 있는 모든 이벤트에 대해 Case별로 복구 우선순위를 선정하여 복원력을
평가하였다. 특정 상정사고는 더 자주 발생할 수 있으므로 각각의 이벤트마다 발생 확률 등의 가중치를 도입하면 신뢰도 관점의 지수로 활용할 수도 있지만,
본 논문에서는 복원력의 관점을 유지하고 불확실성을 배제하기 위해 모든 이벤트가 동일 가중치를 갖는다고 가정하였다. 모든 이벤트에 대해 계산한 ENS를
이벤트 1회당 평균값으로 비교하면 표 1과 같다.
본 논문에서는 ENS로 복원력을 평가하기 때문에, 복구에 소요되는 시간과 무관한 Case 1과 Case 2에 비해 복구 시간까지 고려한 Case 3가
모든 경우에 있어서 더 우수한 복구 전략으로 평가된다.
N-2 상정사고만 고려한 경우에는 조류량을 기준으로 한 Case 1과 공급가능 용량의 증가를 기준으로 한 Case 2는 완전히 동일한 복원력을 보인다.
발생할 수 있는 모든 종류의 N-2 상정사고에서, 조류량이나 공급가능 용량 중 무엇을 기준으로 복구 우선순위를 결정해도 그 결과가 동일함을 알 수
있다. N-2 상정사고에서 Case 3와 Case 0는 복원력이 동일하다. 즉, 수리시간을 고려한 공급가능 용량의 증가율을 기준으로 N-2 상정사고에
대한 복구 우선순위를 설정하는 것이 복원력 관점에서 최적의 전략임을 알 수 있다.
N-3 이상의 상정사고에서는, Case 1과 Case 2 중 어떤 전략이 더 우수한 것인지 결론짓기 어려우며 Case 3의 복구 전략에 의한 복원력은
Case 0에 의한 복원력과 차이가 발생한다.
IEEE 13-bus test feeder에서 N-2 상정사고 시 각 이벤트별로 계통 전체의 ENS를 그래프로 나타내면 그림 4와 같다.
그림. 4. N-2 상정사고에서 IEEE 13-bus 계통의 ENS
Fig. 4. ENS of IEEE 13-bus system by N-2 contingency
사고 이벤트가 발생하는 확률은 따로 가중치로 도입하지 않았지만, 이벤트 결과로 인한 ENS는 각 이벤트마다 큰 차이를 보인다. IEEE 13-bus에서
계통의 ENS가 상대적으로 큰 이벤트는 레귤레이터(1번 구간), 650-632 선로(2번 구간), 632-671 선로(7번 구간)가 포함된 이벤트이다.
또한, 632-671 선로(7번 구간)에 직접 연결되어 있는 부하와 692-675 선로(13번 구간) 연결 부하의 크기가 상대적으로 크다는 것도 ENS의
값의 차이를 유발하는 원인으로 작용한다.
ENS가 상대적으로 작은 이벤트에서 복구 우순순위의 오차가 발생하는 경우에는 표 1에 그 값이 잘 반영되지 않으며, 그림 4에서 보면 오차가 발생하는 이벤트는 ENS가 크지 않은 이벤트인 경우가 많다. 또한, ENS의 크기에 비해 ENS의 차이는 상대적으로 훨씬 작다.
복구 전략의 상대적인 우수성을 판단하는 것은 에너지 관점의 복원력을 기반으로 비교하는 것이 합리적이지만, 모든 이벤트에 대한 평균값을 보여주고 있는
표 1 만으로는 각 Case의 장단점을 분석하기에 부족하므로 다른 지표에 대한 분석을 더 진행한다.
3.3 최적화 비율 결과
최적의 결과에 해당하는 Case 0의 복구 우선순위와 Case 1~3에 의한 복구 우선순위가 완벽히 동일한 빈도를 비교하기 위해, Case 별로 총
이벤트 개수 중 Case 0와 동일한 복구 우선순위로 결정되는 이벤트 개수를 정리하면 표 2와 같다.
여기서, Case 0에 관한 개수는 총 이벤트 개수와 동일하고, 나머지 Case의 이벤트 개수는 Case 0와 복원력이 동일한 이벤트 개수를 의미한다.
즉, 각 Case의 복구 전략에 의해 최적의 복구 우선순위가 결정된 이벤트 개수를 의미한다.
표 1과 표 2를 비교해 보면, 최적화된 이벤트 개수가 많다고 항상 평균 복원력이 우수한 것은 아니다. 평균 복원력 관점에서는 Case 별로 큰 차이가 보이지 않지만,
복구가 최적화된 이벤트 개수로 살펴보면 꽤 많은 차이를 보인다. 특히, 동시에 고장이 발생하는 개수가 증가할수록 그 차이는 점점 더 커진다.
조금 더 도식적으로 비교하기 위해, 총 이벤트 개수 중 복구 우선순위가 Case 0와 동일한 이벤트 개수의 비율을 최적화 비율이라 표현하여 백분율로
나타내면 그림 5와 같다.
표 2. 복구가 최적화된 이벤트 개수
Table 2. Number of events with optimized recovery
이벤트
|
복구
전략
|
최적화된 이벤트 개수
|
IEEE
13-bus
|
IEEE
34-bus
|
IEEE
37-bus
|
N-2
|
Case 0
|
78
|
528
|
666
|
Case 1
|
68
|
518
|
590
|
Case 2
|
68
|
518
|
590
|
Case 3
|
78
|
528
|
666
|
N-3
|
Case 0
|
286
|
5,456
|
7,770
|
Case 1
|
198
|
5,153
|
5,479
|
Case 2
|
208
|
5,058
|
5,484
|
Case 3
|
285
|
5,354
|
7,633
|
N-4
|
Case 0
|
715
|
40,920
|
66,045
|
Case 1
|
363
|
36,528
|
33,578
|
Case 2
|
428
|
34,125
|
33,906
|
Case 3
|
692
|
38,132
|
61,982
|
N-5
|
Case 0
|
1,287
|
237,336
|
435,897
|
Case 1
|
442
|
196,678
|
145,745
|
Case 2
|
626
|
168,574
|
151,085
|
Case 3
|
1,165
|
201,111
|
377,634
|
IEEE 34-bus test feeder는 분기 선로가 많지 않고 상대적으로 간선 선로가 긴 구조인데 반해, IEEE 13-bus와 IEEE 37-bus는
간선이 짧고 상대적으로 분기가 많은 구조이다. 그림 2처럼 고장 구간이 직렬로 연결된 형태의 이벤트가 IEEE 34-bus에서 더 자주 발생하고, 그로 인해 IEEE 34-bus에서는 모든 Case에서
복구 우선순위가 동일하게 도출되는 이벤트가 상대적으로 더 많다. 반면, 그림 3처럼 고장 구간이 독립된 형태의 이벤트가 더 자주 발생하는 IEEE 13-bus와 IEEE 37-bus에서는, 복구 시간을 고려하는지 여부에 따라
복구 우선순위의 최적화 여부가 꽤 많은 차이를 보인다.
또한, 동시에 발생하는 고장의 개수가 증가할수록 Case 1, 2의 복구 우선순위는 최적의 결과에서 점점 더 급격히 멀어진다. 즉, 동시에 발생하는
고장의 개수가 증가하여 고장 구간이 독립된 형태의 이벤트 개수가 증가할수록 복구 우선순위에서 복구 시간을 고려하는 Case 3의 복구 전략이 상대적으로
우위를 점한다.
그러나, 심각한 재난으로 인해 동시에 고장이 발생하는 구간의 개수가 증가할수록 Case 3의 복구 전략도 최적화 비율이 점차 감소한다. 복구 시간을
도입하는 것만으로는 복구 우선순위를 최적화하기에는 부족하며, 탐욕 알고리즘이 최적화를 가로막는 원인 중 하나인 것으로 보인다. N-2 상정사고까지는
고장 구간 1개의 복구만 고려하면 충분하지만, N-3 상정사고부터는 1단계의 복구 과정만 고려하는 것이 아니라 2단계 이상의 복구 과정도 동시에 고려하여
복구 우선순위를 선정해야 할 것으로 예상된다.
그림. 5. 복구가 최적화된 이벤트 개수의 비율
Fig. 5. Percentage of the number of events for which recovery is optimized
4. 결 론
본 논문에서는 다중 사고가 발생한 방사형 배전계통에서 공급지장 수용가를 판별하기 위해 BIBC 행렬을 사용하는 기법에 대해 소개하였고, 고장이 발생한
설비 중 무엇을 먼저 수리하는 것이 복원력 관점에서 유리한 것인지에 관한 복구 우선순위를 논하였다. 주요 간선을 우선시하는 복구 전략과 복구 용량을
기준으로 하는 복구 전략을 모의하였으며, 대표적인 복원력 지수인 ENS를 최소화하기 위해 복구 용량뿐만 아니라 복구 시간도 같이 고려하는 복구 전략도
모의하였다.
N-k 상정사고에서 동시 발생 고장 개수 k가 증가할수록 기존의 복구 전략은 최적의 복원력에서 급격히 멀어지는 결과를 볼 수 있었으며, 복구 시간을
같이 고려하는 복구 전략도 최적의 복원력에 도달하지는 못했다. 현 단계만 고려하는 탐욕 알고리즘이 아니라 여러 단계의 복구 과정을 동시에 고려하는
새로운 전략이 필요한 것으로 보인다. 또한, 복구팀이 1개만 존재한다고 가정하였지만, 실제 배전계통에서는 다수의 복구팀이 동시에 수리에 착수하는 것이
가능하므로 복구 전략에 관한 확장은 차후 연구에서 진행하고자 한다.
본 논문에서 제안하는 공급지장 수용가 판별법은 방사형 배전계통에만 국한되는 한계가 있다. 루프 구조나 다중 회선으로 구성된 계통에도 적용이 가능하도록
개선할 여지가 있으며, 재난 상황이 발생한 후 인근 계통으로의 연계, 마이크로그리드 연계, 분산전원 투입 등의 상황도 모의가 가능하도록 보완한다면
재난 상황에서 계통의 복원력을 대상으로 하는 다양한 연구에서 활용이 가능할 것이다.
Acknowledgements
This work was supported by the Korea Electric Power Corporation (KEPCO) under Grant
R18XA06-43 and the National Research Foundation of Korea (NRF) under Grant 2020R1F1A1070029
References
Eun-Tae Son, In-Su Bae, Dong-Min Kim, June 2020, A Risk Assessment Model of Facilities
Based on Fuzzy Expert System for Enhancing Resilience in the Power System, The Transactions
on the Korean Institute of Electrical Engineers, Vol. 69p, No. 2, pp. 85-91
M Panteli, P Mancarella, D Trakas, E Kyriakides, N Hatziargyriou, Nov 2017, Metrics
and Quantification of Operational and Infrastructure Resilience in Power Systems,
IEEE Transaction on Power Systems, Vol. 32, No. 6, pp. 4732-4742
Kyung-Min Lee, Jae-Young Hong, Chang-Gi Chae, Tae- Won Kang, Chul-Won Park, June 2020,
Determining the Best Fitness Function of Genetic Algorithm for Improved Fault Recovery
in Substation, The Transactions of the Korean Institute of Electrical Engineers, Vol.
69, No. 6, pp. 745-751
Heung-Jae Lee, Jung-Hyun Oh, June 2020, A Study on the Intelligent Restoration Algorithm
for Distribution Substations with Extended Topology, The Transactions of the Korean
Institute of Electrical Engineers, Vol. 69, No. 6, pp. 846-854
Wang Yezhou, Chen, Wang Jianhui, Baldick Ross, March 2016, Research on Resilience
of Power Systems Under Natural Disasters-A Review, IEEE Transactions on Power Systems,
Vol. 31, No. 2, pp. 1604-1613
Jeong-Eun Park, Hyung-Seung Kim, Myeon-Song Choi, Seung-Jae Lee, Seong-Il Lim, Seung-Ho
Hyun, Aug 2016, Con- tingency Analysis about Restoration of outage in Dis- tribution
System, The Transactions of the Korean Institute of Electrical Engineers, Vol. 65,
No. 8, pp. 1317-1325
Arif Anmar, Wang Zhaoyu, Wang Jianhui, Chen, Sep 2018, Power Distribution System
Outage Management With Co-Optimization of Repairs, Reconfiguration, and DG Dispatch,
IEEE Transactions on Smart Grid, Vol. 9, No. 5, pp. 4109-4118
Seong-il Lim, Oct 2017, A Network Reconfiguration Method for BESS based Service Restoration
in Distribution Systems, The Transactions of the Korean Institute of Electrical Engineers,
Vol. 66, No. 10, pp. 1460-1465
Mahzarnia Maedeh, Parsa Moghaddam Mohsen, Teimourzadeh Baboli Payam, Siano Pierluigi,
Sep 2020, A Review of the Measures to Enhance Power Systems Resilience, IEEE Systems
Journal, Vol. 14, No. 3, pp. 4059-4070
Tan Minsheng, Cui Qiang, Zhu Lingfeng, Zhao Hui, Dec 2011, Repair Method of Complex
Network Based on Matthew Effect, Journal of Networks, Vol. 6, No. 12, pp. 1719-1725
Chaoqi Fu, Ying Wang, Yangjun Gao, Xiaoyang Wang, April 2017, Complex networks repair
strategies: Dynamic models, Physica A, Vol. 482, pp. 401-406
C. Matisziw Timothy, T. Murray Alan, H. Grubesic Tony, Dec 2020, Strategic Network
Restoration, Networks and Spatial Economics, Vol. 20, No. 4, pp. 345-361
Pathak Om, Prakash Prem, 2018, Load Flow Solution for Radial Distribution Network,
2018 2nd IEEE International Conference on Power Electronics
T. Thakur, Jaswanti Dhiman, 2006, A New Approach to Load Flow Solutions for Radial
Distribution System, 2006 IEEE/PES Transmission & Distribution Conference and Exposition:
Latin America
S. Binato, G. C. de Oliveira, J. L. de Araujo, May 2001, A greedy randomized adaptive
search procedure for transmission expansion planning, IEEE Transactions on Power Systems,
Vol. 16, No. 2, pp. 247-253
IEEE 13-bus Feeder, IEEE 34-bus Feeder, IEEE 37-bus Feeder, 1992, 1992 Test Feeder
Cases,IEEE PES AMPS DSAS Test Feeder Working Group, https://site.ieee.org/pes-testfeeders/resources/
R. N. Allan, R. Billinton, I. Sjarief, L. Goel, K. S. So, May 1991, A Reliability
Test Ssystem for Educational Purposes-Basic Distribution System Data and Results,
IEEE Transactions on Power Systems, Vol. 6, No. 2, pp. 813-820
저자소개
He received the B.S., M.S. and Ph.D. degrees in electrical engineering from Hanyang
Uni- versity, Seoul, South Korea, in 1998, 2003, and 2007, respectively.
Since 2008, he has been with the Department of Electrical Engi- neering, Kangwon
National University, Samcheok, South Korea.
His main research interests include power systems reliability and resiliency, and
offshore wind farm.
He received the M.S. degree in electrical engineering from Dongshin University, Naju,
South Korea, in 2018.
He is presently a Ph.D. student in the Department of electrical engi- neering, Dongshin
University, Naju, South Korea.
His research interests include power systems reliability and resiliency.
He received the B.S. and Ph.D. degrees in electrical engineering from Hanyang University,
Seoul, South Korea, in 2004 and 2011, respec- tively.
Since 2012, he has been an Associate Professor of electrical engineering, with Dong-
shin University, South Korea.
His research interests include power systems reliability and resiliency, microgrid
operation and planning, and power system economics.