Mobile QR Code QR CODE : The Transactions P of the Korean Institute of Electrical Engineers
The Transactions P of the Korean Institute of Electrical Engineers

Korean Journal of Air-Conditioning and Refrigeration Engineering

ISO Journal TitleTrans. P of KIEE
  • Indexed by
    Korea Citation Index(KCI)

  1. (Dept. of Electrical Energy Engineering, Keimyung University, Korea.)
  2. (Smart Power Distribution Lab. KEPCO Research Institute, Korea)



Optimal Distribution System Planning, Load Switching Capability, Line Reinforcement, Epsilon Constraint, Multi-Objective Problem

1. 서 론

단기 배전계획의 목적은 계통의 잠재적인 문제를 사전에 해결하고 전력공급의 신뢰성을 보장하는 것이며, 국내 배전계획을 담당하는 한국전력공사에서는 단기 배전계획의 기간을 3년으로 정의하고 있다 [1]. 단기 배전계획의 세부사업으로는 배전선로 과부하 해소, 비상시 계통 간 연계선로를 활용한 부하전환능력 확보, 재생E 연계용량 확보 등이 있다. 과부하 해소 사업은 신규 부하의 유입으로 인해 기설선로의 용량이 부족할 것으로 예상되는 경우 수행되며, 비상시 부하전환능력 확보 사업은 특정 계통의 선로고장 발생 시 스위치를 동작하여 인근 계통을 통해 일부 부하의 전력을 공급함으로써 전환불가 용량을 최소화하기 위해 수행된다. 각 사업의 목표를 달성하기 위해 계통 재구성, 스위치 증설, 선로 증설 순으로 배전계획의 절차가 검토된다.

미국의 Electric Power Research Institute (EPRI)에서는 계통 계획을 비용-편익 관점에서 접근하였으며 [2], 미국의 U.S. Green Building Council (USGBC)에서는 보다 접근성이 용이하고 보편적으로 활용될 수 있는 계획 평가방법으로 활용하기 위해 Performance Excellence in Electricity Renewal (PEER) 인증제도를 개발하였다. 이러한 PEER 인증제도는 신뢰성, 에너지 효율, 친환경성, 운영관리 및 안정성 등에 관한 평가항목으로 구성되어 있으며, 각 세부평가항목에 대한 점수를 기록하여 계획에 관한 총 점수를 기반으로 계획여부를 결정한다 [3]. 국내 한국전력공사에서는 PEER 인증제도와 유사한 형태로 구성되어 있으며, 과부하 횟수, 과부하율, 계통의 연계 및 분할 개수, 사업효율(과부하 해소 용량 대비 투자비, 전환불가용량 대비 투자비) 등의 평가지표를 활용하고 있다. 그러나 산정방법을 정식화하는 과정과, 다양한 계통 보강 시나리오를 기반으로 최적 대안을 선정하는 기법이 필요한 실정이다.

선행연구에서는 이와 유사한 목적을 갖는 다양한 방법론을 제시하고 있다. 참고문헌 [4],[5]에서는 전력조류 계산의 연산속도를 개선하기 위해 선형 전력조류 계산 모델을 제안하였다. 참고문헌 [6]에서는 신뢰도 향상을 위한 계통 재구성 문제를 제안하였으며, 이 과정에는 계통 구성 조건, 전력조류 문제 등이 함께 다루어졌다. 참고문헌 [7]에서는 신뢰도 향상에 기반을 두어 계통 재구성을 위한 스위치 보강 문제를 제안하였으며, 참고문헌 [8]에서는 신뢰도를 고려한 연계선로 및 스위치 보강의 최적 투자 문제를 제안하였다. 참고문헌 [9]에서는 행렬 연산을 기반으로 연계선로 최적 계획 모델을 제안하였으며, 참고문헌 [10]에서는 계통의 위험도를 평가하는 지표를 제안하고 위험도 지표와 투자비용 간의 다중목적함수에 기반을 두어 계통을 보강하는 문제를 다루었다.

이러한 선행연구들은 계통 해석에 필요한 다양한 요소들을 고려하고 있으나, 이를 3분할 3연계 특징을 갖는 국내 배전계통[11]의 실정을 반영하여 정식화하는 과정이 필요하다.

따라서 본 논문은 앞서 언급한 단기 배전계획의 다양한 사업 중, 비상시 부하전환능력 확보사업을 중심으로 최적 배전계획의 문제를 제안하며, 이는 상대적으로 많은 투자비용을 필요로 하는 선로증설의 문제로 다루어진다.

../../Resources/kiee/KIEEP.2023.72.2.93/Nomenclature.png

2. 부하전환능력 확보를 고려한 최적 배전계획 문제 정식화

본 장에서는 비상시 배전선로의 부하전환능력 확보 사업에 대한 배전계획의 최적화 문제를 정식화한다.

2.1 목적함수

서론에서 정의한바와 같이 배전계통 간 연계선로는 특정계통에 고장이 발생할 경우 인근계통으로부터 전력을 공급하는데 활용되며, 이처럼 인근계통을 통해 전력을 공급하는 것을 부하전환능력이라 한다. 증설한 연계선로 수와 부하전환능력은 양의 관계를 갖으나, 이의 관계가 선형적이지 않다. 다시 말해 연계선로 증설 수를 증가시키더라도 특정 구간에서 부하전환능력이 향상되지 못할 수 있다. 따라서 부하전환능력 확보에 관한 최적화 문제에는 부하전환능력을 극대화시키는 것과 동시에 무분별한 연계선로 증설로 인한 투자비용을 최소화하는 과정이 고려되어야 한다.

제안하는 최적화 방법은 앞서 언급한 두 가지 목적을 고려하기 위해 다중목적함수 기법을 활용하며, 각각에 대한 목적함수는 식 (1), (2)와 같다.

(1)
$obj1.\min\sum_{l\in RL}(c_{l}\times\le LL_{l}\times RC_{l})$
(2)
$obj2.\min\sum_{\forall f}\sum_{\forall i}(PL_{i}-a_{f,\: i}\times PL_{i})$

(1)은 선로 증설 비용을 최소화하는 목적함수이며, 식 (2)는 부하전환능력을 확보하기 위해 모든 비상상황(f)에 대하여 비상시 전환불가 용량을 최소화하는 목적함수이다.

2.2 제약조건1. 고장상황을 고려한 계통 구성

선로 고장에 대한 제약조건은 식 (3)과 같다.

(3)
$b_{f,\: l}=0$$,\: l\in l_{f},\: \forall f$

(3)은 이진변수로, 각각의 고장상황(f)에 대하여 고장이 발생한 선로($l$)를 비가용 상태($b_{f,\: l}=0$)로 취한다.

배전계통은 비상시 사고파급을 방지하기 위해 방사형 구조로 운영되며, 이에 대한 제약조건은 식 (4)와 같다 [6],[12].

(4)
$\sum_{\forall l}b_{f,\: l}=\sum_{\forall i}a_{f,\: i}-|S |,\: \forall f$

(4)에서 $\sum_{\forall l}b_{f,\: l}$는 비상시 가용선로의 수를, $\sum_{\forall i}a_{f,\: i}$는 비상시 전력이 공급되는 모선의 수를, $|S |$은 S/S의 수를 의미하며, 따라서 식 (4)는 비상시 가용되는 선로 수와 노드 수의 관계를 통해 방사형 구조를 유지하도록 한다.

2.3 제약조건 2. 전력수급 균형

전력수급 균형에 관한 제약조건은 식 (5)과 같다 [4],[5].

(5)
$P_{f,\: i}^{G}-a_{f,\: i}\times PL_{i}=\sum_{l\in L_{t o}(i)}P_{f,\: l}-\sum_{l\in L_{f r o m}(i)}P_{f,\: l}$$,\: \forall i,\: \forall f$

여기서 $P_{i}^{G}$는 S/S과 연계된 모선을, $L_{t o}(i)$와 $L_{f r o m}(i)$는 i번째 노드를 기준으로 나가는 선로와 들어오는 선로를 의미하며, 따라서 식 (5)는 키르히호프 법칙에 기반하여 수립된 전력수급 균형의 제약조건을 의미한다.

2.4 제약조건 3. 계통 운영 규정

선로 한계용량에 관한 제약조건은 식 (6)과 같다.

(6)
$-b_{f,\: l}\times\overline{P_{l}}\le P_{f,\: l}\le b_{f,\: l}\times\overline{P_{l}}$$,\: \forall l$

(6)은 비상시 선로의 전력조류($P_{f,\: l}$)가 한계용량($\overline{P_{l}}$) 내에서 운영되어야 함을 의미한다. 이때 식 (6)에는 각 고장상황에 대하여 선로의 가용여부를 나타내는 이진변수 $b_{f,\: l}$이 활용되며, 이로 인해 식 (6)의 제약조건은 선로가 가용상태($b_{f,\: l}=1$)일 때의 조류를 한계용량의 범위 내에서 결정되도록 제약하고 있지만, 선로가 비가용 상태인 경우($b_{f,\: l}=0$) 각 선로의 전력조류($P_{f,\: l}$)는 ‘0’의 값을 갖도록 한다.

한편 배전계통 운영 시 검토되는 전압에 대한 제약조건은 식 (7)과 같다.

(7)
$\underline{V}\le V_{f,\: i}\le\overline{V}$$,\: \forall i,\: \forall f$

(7)은 각 모선의 전압이 규정범위 내에서 운영되어야 함을 나타내는 제약조건이며, 이때 각 모선의 전압 $V_{i}$는 식 (8),(9)와 같이 산정한다 [13].

(8)

$V_{f,\: j}-V_{f,\: i}\le M\times(1-b_{f,\: l})-(r_{l}\times P_{f,\: l})/V_{0}$

$,\: (i,\: j)=l,\: \forall l,\: \forall f$

(9)

$V_{f,\: j}-V_{f,\: i}\ge -M\times(1-b_{f,\: l})-(r_{l}\times P_{f,\: l})/V_{0}$

$,\: (i,\: j)=l,\: \forall l,\: \forall f$

(8),(9)는 big M method를 기반으로 수립한 두 모선 간 전압강하를 산정하는 수식이며, 이때 선로가 비상시 가용상태일 경우($b_{l}=1$), 모선 j와 i 사이의 전압강하는 $-(r_{l}\times P_{l})/V_{0}$에 의해 결정된다. 한편 비상시 선로가 비가용 상태인 경우($b_{l}=0$), 식 (6)에 의해 $P_{f,\: l}$이 ‘0’의 값을 갖는다. 이러한 이유로 식 (8),(9)에서 $-(r_{l}\times P_{l})/V_{0}$만을 제약조건으로 활용할 경우, j,i 노드의 전압이 동일한 값을 유지하게 된다. 이러한 경우 연계선로 이용을 통한 노드 간 전압강하를 산정할 수 없다. 식 (11),(12)는 이를 방지하기 위한 수식으로 각 모선 전압에 관한 제약조건에는 big M method를 기반으로 하는 $M\times(1-b_{l})$가 적용되어 비상시 비가용 선로 양단의 노드의 전압이 큰 범위의 제약조건을 갖게 되며, 이는 결국 식 (7)의 제약조건을 따라 그 값이 결정된다.

2.5 제약조건 4. 정전민감부하

병원, 금융기관과 같은 고객은 비상시 지속적인 전력공급을 받을 수 있어야 하며, 본 논문에서는 이를 정전민감부하(Critical load)이라 정의한다. 모선별 정전민감고객 포함 유무에 대한 파라미터 $\kappa_{i}$는 사전에 정의되며, 이는 정전민감부하의 전력공급을 보장하기 위한 제약조건으로 식 (10)과 같이 활용된다.

(10)
$a_{f,\: i}=1{if}\kappa_{{i}}=1,\: \forall{i},\: \forall{f}$

(10)은 특정 모선에 정전민감부하가 포함된 경우($\kappa_{i}=1$)에 대하여 각 고장상황(f)에 대한 모선(i)별 전력공급여부를 나타내는 이진변수($a_{f,\: i}$)의 값을 ‘1’로 제한한다. 하지만 정전민감부하가 포함되지 않은 경우($\kappa_{i}=0$)에 대한 $a_{f,\: i}$의 값은 식 (2)의 목적함수에 의해 결정된다.

2.6 제약조건 5. 선로증설 여부

선로 증설여부를 검토하는 방법은 식 (11)과 같다.

(11)
$c_{l}=\begin{cases} 1&{if}\sum_{\forall{f}}{b}_{{f},\:{l}}\ge 1\\ 0&{otherwise} \end{cases},\: l\in RL$

(11)에서 $c_{l}$은 선로 증설 여부를 나타내는 이진변수이며, 이는 식 (1)의 선로 증설 비용을 최소화하는데 활용되고 있다. 식 (11)은 l번째 선로가 증설 선로의 후보군에 속하며($l\in RL$), 모든 고장상황($\forall f$)에 대하여 한번이라도 가용된 경우($\sum_{\forall f}b_{f,\: l}\ge 1$) 해당 선로가 증설되어야 함($c_{l}=1$)을 나타내게 된다.

3. 입실론-제약조건 기반 최적 배전계획 문제 재구성

본 장에서는 입실론 제약조건 기반 다중목적함수 해석 기법(E-MOP, Epsilon-constraints based Multi-Objective Problem)을 토대로 2장에서 언급한 최적 배전계획의 문제의 재구성 방법을 제안한다.

3.1 입실론 제약조건 기반 다중목적함수 해석 기법

E-MOP 기법은 다수의 목적함수가 존재하는 최적화 문제에서 하나의 목적함수를 설정하고 나머지 목적함수들을 제약조건으로 사용하는 방법이다 [14].

(12)은 기존의 다중목적함수 문제를, 식 (13)은 E-MOP 기법을 적용하여 변환한 최적화 문제를 수식적으로 표현한 것이다.

(12)
$ \min(f_{1}(x),\: f_{2}(x),\: ...,\: f_{p}(x))\\ st x\in S $
(13)
$ \min f_{1}(x)\\ st\\ f_{2}(x)\le e_{2},\: ...,\: f_{p}(x)\le e_{p},\: x\in S $

여기서 $x$는 결정변수, $f_{p}(x)$는 목적함수, $S$는 $x$의 실현가능영역(feasible set), $e_{p}$는 입실론 제약조건을 의미한다.

(13)에 나타낸 E-MOP 기법은 식 (12)에서 설정된 p개의 목적함수 중 하나의 목적함수($f_{1}(x)$)를 설정하고, 나머지 목적함수($f_{2}(x),\: ...,\: f_{p}(x)$)에 대해서 입실론 제약조건($e_{2,\: ...,\:}e_{p}$)을 설정하여 단일 목적함수 기반의 해석을 가능하게 한다.

(13)의 E-MOP에서 $e_{p}$의 범위는 각 목적함수 최적화를 기반으로 도출한 결과에 의해 결정되며, $e_{p}$의 설정 값에 따라 E-MOP의 목적함수 $f_{1}(x)$에 대한 결과가 상이하게 나타날 수 있다. 이처럼 E-MOP 기법은 서로 다른 목적을 갖는 함수에 대한 pareto-front 솔루션을 제공하며, 이러한 과정을 통해 도출된 결과는 의사결정자로 하여금 다양한 목적함수 중 어느 목적함수에 더 초점을 두어 최적 솔루션을 선택할 것인지를 결정할 수 있도록 한다.

3.2 E-MOP 기반 최적 배전계획 문제 정식화

E-MOP 기법을 기반으로 2장에서 제안한 최적 배전계획 문제를 재구성한 모델은 식 (14)와 같다.

(14)
$ obj.\min\sum_{\forall l}(c_{l}\times\le LL_{l}\times RC_{l})\\ st.\\ \sum_{\forall f}\sum_{\forall i}(PL_{i}-a_{f,\: i}\times PL_{i})\le e\\ Eq.(3)-(11) $

(14)에서는 식 (1)의 선로 증설비용 최소화를 목적함수로 사용하며, 식 (2)의 전환불가 용량을 제약조건으로 변환하여 나타낸 것이다.

4. 사례연구

사례연구에서는 모의계통을 기반으로 제안한 최적 배전계획 문제를 검증한다. 시뮬레이션은 Intel(R) Core(TM) i9-9900KF CPU 3.60GHz, 16-core, RAM 32 GB 의 컴퓨터와, Python v.3.7 및 IBM CPLEX의 MILP solver를 기반으로 수행되었다.

4.1 모의조건

사례연구를 위한 모의계통도는 그림 1과 같다 [15].

그림 1의 모의계통은 4개의 feeder(F #1- #4)가 변전소(S/S)와 연결되어 있으며, 보강 전에는 2개의 인근계통 연계선로(tie-line)를 가지고 있다. 또한 그림 1에는 6개의 선로증설 후보군($RL$)과, 정전민감부하($\kappa_{i}$)가 표기되어 있다.

그림 1. 계통 구성도

Fig. 1. The system configuration

../../Resources/kiee/KIEEP.2023.72.2.93/fig1.png

증설 선로의 단위길이 당 비용은 0.255 [억원/km]로 가정하며, 증설선로에 대한 파라미터는 표 1과 같다.

표 1 증설 선로 정보

Table 1 The information of reinforcement line

Line No.

Resistance ($r_{l}$) [Ω]

Line length ($LL_{l}$) [km]

Reinforcement Cost [억원]

6-14

0.8

4.0

1.02

8-15

0.81

4.1

1.03

12-16

0.42

2.1

0.54

14-26

0.7

3.5

0.89

22-31

0.44

2.2

0.56

25-34

0.86

4.3

1.10

기존 선로와 및 각 모선에 대한 정보는 부록의 표 A.1 및 A.2와 같으며, 계통 운영 규정에 대한 정보는 아래와 같다 [1].

전압 운영 규정 ($\overline{V},\: \underline{V}$) : 1.05, 0.9 [p.u.]

선로 허용용량 ($\overline{P_{l}}$) : 14 [MW]

고장상황의 경우 국내 배전계획에서 실제로 수행되는 방법과 동일하게 가정하며, 본 논문에서는 0번과 연계된 각 선로(0-1, 0-12, 0-16, 0-26)의 N-1 고장상황을 고려한다.

한편 식 (14)에 나타낸 전환불가 용량에 대한 입실론 제약조건($e$)의 범위는 표 2와 같다.

그림 1에서 F #2는 계통 보강 전 연계선로가 없기 때문에 14번 모선의 비상시 전력공급이 불가능하다. 이러한 이유로 표 2에서 선로 증설비용 최소화를 목적으로 도출한 경우, 보강비용이 발생하게 된다. 한편 전환불가 용량 최소화를 목적으로 할 경우, 모든 비상상황에 대해 지속적인 전력공급을 할 수 있으나, 이를 위해서는 모든 선로의 증설이 필요할 수 있다. 이처럼 표 2의 결과는 제안한 문제가 제약조건의 범위 내에서 실현가능영역을 제공하고 있으며, 이를 통해 도출된 전환불가 용량의 범위(0~58.2 [MW])는 식 (14)의 최적 배전계획을 위한 입실론 제약조건으로 활용된다.

표 2 입실론 제약조건의 범위

Table 2 The range of value for epsilon constraint

Objective function

Non-switched capacity [MW]

Reinforcement Cost [억원]

Reinforcement Cost by Eq (1)

58.2

0.53

Non-switched capacity by Eq (2)

0

5.13

4.2 모의결과

최적 배전계획에 대한 pareto-front는 그림 2와 같으며, 그림 2의 최적 배전계획 결과(S1~S7)의 상세 정보는 표 3과 같다.

그림 2표 3은 앞서 언급한 $e$를 0.1[MW]씩 변화하며 총 131건의 입실론 제약조건을 검토하여 도출한 결과이다. 총 수행시간은 24.7 [m]이 소요되었으며, 각 $e$에 대한 수행시간은 11.3[s]가 소요되었다.

앞서 가정한 배전계통의 구성이 다소 간단하고 표 1에서 설정한 선로 증설 개수가 작기 때문에, 그림 2의 다소 넓은 feasible region에서 pareto-front 솔루션은 총 7개로 도출되었다. 표 3은 각각의 최적 솔루션에 대한 전환불가 용량, 선로 증설 비용 및 선로 증설 위치를 제공하고 있으며, 그 결과는 선로 증설 비용과 전환 불가 용량이 반비례 관계에 있음을 보여준다. 또한 이를 수행하는 과정에서 정전민감부하는 모든 고장상황에 대하여 전력을 공급받고 있음을 확인하였다.

그림 2. 최적 배전계획의 pareto-front 산정결과

Fig. 2. The results of pareto-front for optimal planning problem

../../Resources/kiee/KIEEP.2023.72.2.93/fig2.png

표 3 Pareto-front set에 대한 상세 결과

Table 3 The results for pareto-front set

Solution

Non- switched capacity [MW]

Reinforcement

Cost [억원]

Location

(Number of line)

S1

0.0

2.47

6-14, 14-26, 22-31 (3)

S2

0.6

1.99

12-16, 14-26, 22-31 (3)

S3

1.1

1.58

6-14, 22-31 (2)

S4

1.2

1.45

14-26, 22-31 (2)

S5

1.7

1.10

12-16, 22-31 (2)

S6

4.0

0.89

14-26 (1)

S7

11.9

0.54

12-16 (1)

4.3 의사결정자를 통한 최적 배전계획 선정 방안

본 절에서는 의사결정자(한국전력공사와 같이 계통 보강을 담당하는 사업자)의 현실적인 상황을 반영한 최적 배전계획의 대안을 선정하는 방법을 제시한다.

최적 대안은 의사결정자가 설정한 선로 증설 비용 또는 전환불가 용량의 기준 값에 의해 결정된다. 예를 들어 의사결정자가 선로증설의 투자비용의 상한 값을 1.5 억원으로 설정하면서 전환불가 용량을 최소화하고자 할 경우, 표 3의 S4가 최적 대안으로 결정된다. 한편 의사결정자가 전환불가 용량이 발생하지 않도록 계통을 구성하고자 할 경우 S1을 최적 대안으로 활용할 수 있다.

이처럼 제안한 최적 배전계획 방법은 다양한 선로증설 후보군에 대한 다수의 솔루션을 제공하며, 의사결정자가 최적 대안을 선정하는데 활용될 수 있다.

5. 결 론

본 논문은 비상시 연계선로를 활용한 부하전환 능력 확보 사업에 대하여 최적 선로증설 방안을 도출하기 위한 최적 배전계획 방법을 제안하였다. 2장에서는 반비례 관계에 있는 선로증설 비용과 전환불가 용량의 다중목적함수 문제로 정식화 하였으며, 이 과정에는 계통 구성 상태, 전력수급 균형, 계통 운영 규정 및 정전민감부하의 전력공급여부를 제약조건으로 고려하였다. 3장에서는 E-MOP 기법을 기반으로 최적 배전계획 문제를 단일목적함수 형태로 재구성하였다. 사례연구에서는 37 모선을 갖는 모의계통을 대상으로 선로증설 후보군을 설정하여, 제안한 방법을 통한 최적 배전계획의 솔루션을 도출하였고, 이러한 결과가 의사결정자에게 최적 선로증설 방안을 제공하는데 활용될 수 있음을 증명하였다.

후속연구에서는 계통의 수동 및 자동 개폐기가 혼재된 상황과 더불어 실제 배전계획에서 중요하게 고려되는 사항들을 보완하여 최적 계획의 문제를 개선할 예정이며, 향후 실 계통을 통한 제안한 방법의 검증이 수행된다면 본 논문의 결과가 단기 배전계획의 부하전환 능력 확보 사업에 대한 최적 선로증설 방안을 제공하는데 기여할 것으로 사료된다.

6. 부 록

표 A. 1 기설 선로 정보

Table A. 1 The information of installed line

Line No.

Resistance [Ω]

Line length [km]

0-1

0.3

1.5

1-2

0.08

0.4

1-3

0.04

0.2

1-4

0.14

0.7

4-5

0.48

2.4

4-6

0.58

2.9

4-7

0.9

4.5

7-8

0.58

2.9

7-9

0.24

1.2

7-10

0.12

0.6

10-11

0.76

3.8

0-12

0.12

0.6

12-13

0.54

2.7

12-14

0.14

0.7

14-15

0.3

1.5

0-16

0.56

2.8

16-17

0.34

1.7

16-18

0.04

0.2

18-19

0.82

4.1

18-20

0.76

3.8

18-21

0.54

2.7

21-22

0.72

3.6

21-23

0.34

1.7

21-24

0.94

4.7

24-25

0.82

4.1

0-26

0.82

4.1

26-27

0.62

3.1

26-28

0.38

1.9

26-29

0.38

1.9

29-30

0.9

4.5

29-31

0.02

0.1

29-32

0.94

4.7

32-33

0.7

3.5

32-34

0.68

3.4

34-35

0.7

3.5

34-36

0.86

4.3

1-16

0.24

1.2

11-36

0.82

4.1

표 A. 2 모선 정보

Table A. 2 The information of bus

Bus No.

Load ($PL_{i}$) [kW]

Feeder

0

0

-

1

900

1

2

700

3

600

4

900

5

900

6

600

7

900

8

600

9

1000

10

1000

11

1100

12

1900

2

13

2500

14

2200

15

2400

16

1000

3

17

1200

18

900

19

900

20

700

21

1000

22

1100

23

600

24

1100

25

1100

26

600

4

27

1200

28

1100

29

500

30

800

31

1200

32

1000

33

600

34

700

35

900

36

1100

Acknowledgements

본 연구는 한국전력공사 전력연구원(R20DA16)과 한국연구재단(2022R1A6A3A01087110)의 지원으로 수행되었음

References

1 
Korea Electric Power Corporation(KEPCO), “Regulations on the use of power transmission and distribution facilities,” 2022.URL
2 
M. Wakefield et.al., “Methodological Approach for Estimating the Benefits and Costs of Smart Grid Demonstration Projects,” Electric Power Research Institute (EPRI) Final Report, 2021.URL
3 
Performance Excellence in Electricity Renewal (PEER), PEER Guide to Certification, 2021.URL
4 
A. Borghetti, “A mixed-integer linear programming approach for the computation of the minimum-losses radial configuration of electrical distribution networks,” IEEE Trans. on Power Systems, vol. 27, no. 2, pp. 1264–1273, 2012.DOI
5 
J. F. Franco, M. J. Rider, M. Lavorato, and R. Romero, “A mixed-integer LP model for the reconfiguration of radial electric distribution systems considering distributed generation,” Electric Power Systems Research, vol. 97, pp. 51–60, 2013.DOI
6 
Nikolas G. Paterakis et.al., “Multi-Objective Reconfiguration of Radial Distribution Systems Using Reliability Indices,” IEEE Trans. on Power Systems, vol. 31, no. 2, pp. 1048- 1062, 2016.DOI
7 
Abbas Shahbazian, Alireza Fereidunian and Saeed D. Manshadi, “Optimal Switch Placement in Distribution Systems: A High- Accuracy MILP Formulation,” IEEE Trans. on Smart Grid, vol. 11, no. 6, pp. 5009-5018, 2020.DOI
8 
Mohammad Jooshaki, Sahand Karimi-arpanahi, Matti Lehtonen, R. John Millar and Mahmud Fotuhi-firuzabad, “Reliability- Oriented Electricity Distribution System Switch and Tie Line Optimization,” IEEE Access, pp. 130967-130978, 2020.DOI
9 
Tianyu Zhang, Chengshan Wang, Fengzhang Luo, Peng Li and Liangzhong Yao, “Optimal Design of the Sectional Switch and Tie Line for the Distribution Network based on the Fault Incidence Matrix,” IEEE Trans. on Power Systems, vol. 34, no. 6, pp. 4869-4879, 2019.DOI
10 
Seyed Mahdi Mazhari, Hassan Monsef and Rubén Romero, “A Multi-Objective Distribution System Expansion Planning Incorporating Customer Choices on Reliability,” IEEE Trans. on Power Systems, vol. 31, no. 2, pp. 1330-1340, 2016.DOI
11 
Cho Nam-Hun, “A Study on the Optimal Number of Dividing and Connection in Distribution System for Contingency Levels,” Master's Thesis in Chungnam National University, pp. 1-131, 2003.URL
12 
S. Yao, P. Wang and T. Zhao, “Transportable Energy Storage for More Resilient Distribution Systems With Multiple Microgrids,” IEEE Trans. on Smart Grid, vol. 10, no. 3, pp. 3331-3341, 2019.DOI
13 
Eun-Tae Son, et.al., “Optimal Reconfiguration Method of Distribution System with tie-lines for Maximization of Power Supply in Emergency based on MILP,” KIEE Workshop and Conference, 2023.URL
14 
George Mavrotas, “Effective implementation of the e-constraint method in Multi-Objective Mathematical Programming problems,” Applied Mathematics and Computation, vol. 213, pp. 455- 465, 2009.DOI
15 
Jooshaki, Mohammad, Karimi-Arpanahi, Sahand, Lehtonen, Matti, Millar, R. John and Fotuhi-Firuzabad, Mahmud, “An MILP Model for Optimal Placement of Sectionalizing Switches and Tie Lines in Distribution Networks with Complex Topologies,” IEEE Trans. on Smart Grid, vol. 12, no. 6, 2021.DOI

저자소개

손은태(Eun-Tae Son)
../../Resources/kiee/KIEEP.2023.72.2.93/au1.png

He received an M.S., and Ph.D. degrees in electrical engineering from Dongshin University, Naju, South Korea, in 2018 and 2022, respectively. He is presently a Postdoctoral Researcher in the Department of Energy Engineering, Keimyung University, Daegu, South Korea. His research interests include power system reliability and resiliency, and topology analysis.

오병찬(Byeong-Chan Oh)
../../Resources/kiee/KIEEP.2023.72.2.93/au2.png

He received B.S and M.S degree in electrical energy engineering and Electronic and Electrical engineering from Keimyung University, Daegu, Korea in 2018 and 2020 respectively. He has been studying as Ph.D in same university. His research interests include microgrid, power- to-gas and power system reliability

김성열(Sung-Yul Kim)
../../Resources/kiee/KIEEP.2023.72.2.93/au3.png

He received B.S. and Ph.D. degrees in electrical engineering from Hanyang University, Seoul, South Korea, in 2007 and 2012, respectively. From 2012 to 2013, he was a Research Assistant with the Georgia Institute of Technology, Atlanta, GA, USA. Since 2013, he has been with the Department of Energy Engineering, Keimyung University, Daegu, South Korea. His main research interests include computer-aided optimization, renewable energy sources applied to smart grids, and power system reliability.

김홍주(Hong-Joo Kim)
../../Resources/kiee/KIEEP.2023.72.2.93/au4.png

He received the B.S. and M.S. degrees in Electrical and Electronic Engineering from Korea University, Seoul, Korea in 2010 and 2012, respectively. From 2012 to 2014, he was with the DL E&C, Seoul, Korea, as a plant design engineer. From 2014 to 2016, he was with the LS Electric, Anyang, Korea, as an EMS engineer. He joined KEPCO Research Institute in 2016. His current research interests include planning, analysis and operation of Distribution Power System.

유호성(Ho-Sung Ryu)
../../Resources/kiee/KIEEP.2023.72.2.93/au5.png

He received the B.S. and M.S. degrees in Energy System Engineering from Chung-Ang University, Seoul, Korea, in 2019 and 2021. He joined KEPCO Research Institute in 2021. His research interests include load forecasting based on deep learning and development of distribution planning system.

이지원(Ji-Won Lee)
../../Resources/kiee/KIEEP.2023.72.2.93/au6.png

She received the B.S. and M.S. degrees in Energy System Engineering from Chung- Ang University, Seoul, Korea, in 2020 and 2022. She joined KEPCO Research Institute in 2022. Her research interests include load forecasting based on deep learning and development of distribution planning system.

조진태(Jin-Tae Cho)
../../Resources/kiee/KIEEP.2023.72.2.93/au7.png

He received the B.S. and M.S. degrees in Electrical Engineering from Korea University, Seoul, Korea, in 2006 and 2008, respectively. He is currently pursuing an Ph.D. degree in Electrical Engineering at Korea University. He joined KEPCO Research Institute in 2009. He is the Senior researcher at Distribution Planning Research Group in Smart Power Distribution Lab. of KEPCO Research Institute, Daejeon, Korea. His research interests include load forecasting and distribution power system planning included renewable energy resources.