⚡ electrical engineering

Cost-Effective Design of Grid-tied Community Microgrid

본 연구는 높은 신뢰성, 91.99%의 효율성, 그리고 기존 시스템 대비 95%의 탄소 배출 감소를 달면서도 0.208달러/kWh라는 경쟁력 있는 균등화 발전 비용을 유지하는 계통 연계형 커뮤니티 마이크로그리드를 설계하기 위해 선호도 기반 심층 강화 학습으로 강화된 비용 효율적인 다목적 최적화 프레임워크를 제안한다.

원저자: Moslem Uddin, Huadong Mo, Daoyi Dong

게시일 2026-06-26

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Moslem Uddin, Huadong Mo, Daoyi Dong

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

어느 작은 마을이 있습니다. 이 마을은 현재 멀리 떨어진 거대한 발전소로부터 전기를 공급받고 있습니다. 때로는 전선이 끊기기도 하고, 때로는 연료비가 비싸지기도 하며, 때로는 전기를 만드는 방식 때문에 공기가 오염되기도 합니다. 이 논문의 저자들은 다음과 같은 질문을 던졌습니다. "어떻게 하면 이 마을을 위해 어느 하나를 희생하지 않으면서도, 저렴하고, 신뢰할 수 있으며, 깨끗하고, 효율적인 현지 자립형 전력 시스템을 구축할 수 있을까?"

그들이 이 문제를 해결한 방법을 간단한 개념으로 나누어 설명하면 다음과 같습니다.

1. 거대한 도전 과제: "네 방향의 줄다리기"

지역 전력망(이를 마이크로그리드라고 부릅니다)을 설계하는 것은 마치 네 가지 방향에서 동시에 줄을 당기는 줄다리기에서 이기려는 것과 같습니다:

비용: 건설 및 운영 비용이 저렴해야 합니다.
신뢰성: 폭풍우가 몰아쳐도 불이 꺼지지 않아야 합니다.
효율성: 에너지를 최대한 낭비하지 않아야 합니다.
환경: 오염을 최소화해야 합니다.

보통 한쪽(예: 매우 저렴하게 만드는 것)을 강하게 당기면 다른 쪽이 손해를 봅니다(신뢰성이 떨어지거나 환경에 해로울 수 있습니다). 저자들은 이 네 가지 측면이 모두 만족스러운 '스위트 스팟(최적의 지점)'을 찾고자 했습니다.

2. 해결책: 2단계 "스마트 셰프" 접근법

연구진은 단순히 추측하지 않았습니다. 그들은 복잡한 요리를 준비하는 마스터 셰프처럼 작동하는 컴퓨터 프레임워크를 구축했습니다.

1단계: 맛 테스트 (HOMER 시뮬레이션)
먼저, 그들은 수천 가지의 서로 다른 "레시피"를 만들어내기 위해 강력한 시뮬레이션 도구인 HOMER를 사용했습니다. 각 레시피는 다음과 같은 요소들을 다르게 조합했습니다:

태양광 패널 (태양 에너지)
풍력 터빈 (바람 에너지)
배터리 (저장 장치)
디젤 발전기 (예비 연료)
메인 그리드 (대형 유틸리티 연결망)

그들은 모든 레시피를 테스트하여 네 가지 목표(비용, 신뢰성, 효율성, 오염)에서 어떤 성능을 보이는지 확인했습니다. 이를 통해 방대한 양의 "실행 가능한" 옵션 목록을 만들었습니다.

2단계: 소믈리에 (심층 강화 학습)
이제 수천 개의 좋은 레시피가 생겼지만, 그중에서 무엇이 최고일까요? 여기서 **심층 강화 학습(Deep Reinforcement Learning, DRL)**을 사용했습니다. 이것은 마을의 "취향"을 배우는 똑똑한 소믈리에(와인 전문가)라고 생각하면 됩니다.

DRL 에이전트는 모든 레시피를 살펴봅니다.
그리고 마을이 가장 중요하게 생각하는 것에 따라 최적의 균형을 제공하는 것을 선택하는 법을 배웁니다.
단순히 가장 저렴한 것을 고르는 것이 아니라, 특정 공동체에 가장 좋은 전반적인 가치를 제공하는 것을 고릅니다.

3. 실제 적용 테스트: 호주 센트럴 틸바 (Central Tilba, Australia)

그들은 이 시스템을 호주의 실제 농촌 지역인 센트럴 틸바에서 테스트했습니다.

결과: 그들은 "황금 구성(Golden Configuration)"을 찾아냈습니다.
레시피: 이 구성은 태양광 패널과 풍력 터빈을 혼합하여 사용하며, 대형 배터리 시스템이 이를 뒷받침합니다.
놀라운 점: 그들은 (더럽고 시끄러운 예비 엔진인) 디젤 발전기를 완전히 제거하고도 100% 신뢰할 수 있는 전력을 공급할 수 있다는 것을 발견했습니다.

4. 수치: 왜 승자인가?

이 "황금 구성"이 다른 방식들과 비교했을 때 달성한 성과는 다음과 같습니다:

신뢰성: 100%. 악천적인 날씨에도 불이 꺼지지 않습니다.
효율성: 92%. 에너지 낭비가 거의 없습니다.
오염: 일반 전력망을 사용할 때와 비교하여 탄소 배출량을 약 95% 절감합니다.
비용: 운영 비용은 kWh당 약 $0.21입니다. 이는 다른 방식들과 경쟁할 만한 수준이며, 엄청난 비용이 드는 "초고신뢰" 또는 "초친환경" 설계들보다 훨씬 저렴합니다.
총 투자액: 구축에 약 $1.42 million이 필요하며, 총 생애 비용은 $4.83 million입니다.

5. "만약에" 시나리오 (민감도 분석)

저자들은 또한 "만약 상황이 변한다면 어떻게 될까?"라고 물었습니다.

마을에서 전력을 더 많이 사용한다면: 비용과 오염은 증가하지만, 시스템은 여전히 작동합니다.
햇빛이 적게 비친다면: 시스템은 이를 처리할 수 있지만, 배터리에 조금 더 의존하게 됩니다.
바람이 멈춘다면: 이 시스템은 풍력보다 태양광 에너지의 변화에 더 민감합니다.
핵심 발견: 메인 그리드의 전기 가격과 배터리 비용이 이 시스템이 얼마나 좋은 거래인지를 결정하는 가장 큰 두 가지 요소입니다.

6. 트레이드-오프(Trade-off): 디젤 대신 대형 배터리

한 가지 흥 흥미로운 발견은, 디젤 발전기를 사용하지 않고 100% 신뢰성을 얻으려면 매우 큰 배터리가 필요하다는 점입니다.

장점: 연기도 없고, 소음도 없으며, 연료를 배달할 필요도 없습니다.
단점: 대형 배터리는 비쌉니다. 만약 정전이 매우 오래 지속된다면(며칠 동안), 태양이나 바람이 다시 충전되기 전에 배터리가 바닥날 수 있습니다. 디젤 발전기는 장기간의 정전 상황에서 연료를 계속 부어 넣을 수 있기 때문에 유리하지만, 환경에 해롭습니다. 저자들은 환경적 이득을 극대화하기 위해 이 특정 연구에서는 "깨끗하지만 비싼 배터리" 경로를 선택했습니다.

요약

이 논문은 돈, 신뢰성, 효율성, 그리고 환경 사이의 균те를 맞추는 스마트한 컴퓨터 기반 설계 방법을 제시합니다. (수천 개의 옵션을 시뮬레이션하고 AI를 사용하여 최적의 옵션을 선택하는) "2단계" 과정을 통해, 그들은 작은 호주 마을이 깨끗한 재생 에너지로 100% 신뢰할 수 있는 전력을 공급받을 수 있으며, 이 과정에서 돈을 아끼고 지구를 지킬 수 있다는 것을 증명했습니다.

기술 요약: 계통 연계형 커뮤니티 마이크로그리드의 비용 효율적 설계

문제 정의
글로벌 에너지 지형이 분산형, 지속 가능한 전력 시스템으로 변화하고 있습니다. 그리드 연결형 커뮤니티 마이크로그리드(MG)는 신뢰성을 높이고 재생 에너지 자원을 통합하는 유망한 해결책을 제공하지만, 경제적으로 실행 가능한 시스템을 설계하는 것은 여전히 도전적인 과제입니다. 기존 방법론은 종종 네 가지 측면(경제적 타당성, 환경적 지속 가능성, 효율성, 신뢰성)을 하나의 통합된 프레임워크로 시너지 있게 통합하기보다는, 개별 성능 지표에 집중하는 경향이 있습니다. 이러한 파편화된 접근 방식은 동적이고 불확실한 에너지 환경에서 마이크로그리드가 최적으로 운영될 수 있는 잠재력을 제한합니다. 또한, 특히 적응형 구성 선택 방법을 사용할 때, 커뮤니티 마이크로그리드 맥락 내에서 경제적 타당성, 공급 신뢰성, 운영 효율성 및 환경적 지속 가능성을 동시에 다룬 연구가 부족한 실정입니다.

방법론
본 연구는 물리 기반 시뮬레이션과 데이터 기반 의사결정 최적화를 결ền합한 그리드 연계형 커뮤니티 마이크그리드를 위한 포괄적인 2단계 설계 프레임워크를 제안합니다.

1단계: 다목적 최적화(MO-OPT) 및 구성 생성:
- 본 프레임워크는 HOMER Pro를 고충실도 기술-경제 시뮬레이션 플랫폼으로 활용하여, 광범 Kom한 후보 마이크로그리드 구성 세트를 체계적으로 열거하고 평가합니다.
- 시스템 구성 요소에는 태양광 발전(PV), 풍력 터빈(WT), 디젤 발전기(DG), 배터리 에너지 저장 시스템(BESS), 컨버터 및 메인 그리드가 포함됩니다.
- 미분 불가능 최적화 절차와 철저한 그리드 탐색 메커니즘을 사용하여 규정된 설계 경계 내에서 실행 가능한 시스템 아키텍처를 식별합니다.
- 최적화는 순현재가치(NPC) 및 탄소 배출량( $\xi$ )의 최소화, 전력 공급 신뢰도( $\mathcal{R}$ ) 및 시스템 효율성( $\eta$ )의 최대화를 고려합니다.
- 실행 가능한 구성은 부품 용량 제한, 재생 에너지 침투 요구 사항, 예비 마진 및 그리드 상호 연결 제약 조건을 기준으로 필터링됩니다. 출력값은 파레토 근사 해 공간(Pareto-approximate solution space)입니다.
2단계: 선호도 기반 심층 강화 학습(DRL):
- 1단계에서 생성된 해 공간에 선호도 기반 DRL 프레임워크를 적용합니다.
- 전통적인 제어 시스템과 달리, DRL 에이전트는 개별 부품이나 실시간 디스패치 일정을 제어하지 않습니다. 대신, 이는 지능형 의사결정 지원 메커니즘으로서 기능합니다.
- 에이전트는 정규화된 다목적 성능 벡터로 정의된 상태(state)를 통해 환경과 상호작용하며 후보 구성을 평가하고 순위를 매치는 법을 학습합니다.
- 보상 신호는 네 가지 목적 사이의 가중치 기반 트레이드오프를 통해 이해관계자의 우선순위를 통합하는 스칼라화된 효용 함수로부터 도출됩니다.
- 최종 구성은 특정 이해관계자의 선호도에 부합하는 균형을 보장하기 위해, 선호도 가중치가 적용된 스칼라화된 효용 함수를 최소화함으로써 선택됩니다.

주요 기여

통합 프레임워크: HOMER 기반의 구성 생성과 DRL 지원형 솔루션 선택을 통합하여 비용, 신뢰성, 효율성 및 배출량 간의 트레이드오프를 체계적으로 탐색하는 선호도 기반 다목적 설계 프레임워크를 개발하였습니다.
수학적 모델링: 복잡한 마이크로그리드 시스템에 대한 이해를 높이기 위해 실제 운영 제약 조건을 포함하고, 이산적 아키텍처 결정과 연속적 규모 결정(sizing decisions)을 결합한 엄격한 수학적 모델을 제시하였습니다.
포괄적 평가: 순현재가치(NPC), 균등화 발전 비용(LCOE) 및 신뢰성 지표를 사용한 상세한 비용-편익 분석을 수행하여 시스템 성능을 평가하였습니다.
검증: 실제 데이터와 시뮬레이션을 사용하여 제안된 접근 방식의 유효성을 검증하였으며, 커뮤니티 규모의 애플리케이션을 위한 운영 비용을 절감하면서 에너지 신뢰성을 확보하는 데 효과적임을 입증하였습니다.

결과
본 프레임워크는 호주 뉴사우스웨일스(NSW) 주의 농촌 지역인 센트럴 틸바(Central Tilba) 사례 연구에 적용되었습니다.

최적 구성: 제안된 설계(구성 A5)는 483만 달러의 순현재가치(NPC)와 0.208달러/kWh의 균등화 발전 비용(LCOE)을 달로합니다.
성능 지표: 해당 시스템은 100% 신뢰도(부하의 100% 충족)와 91.99%의 효율성을 달성합니다.
환경적 영향: 이 구성은 연간 302,747 kg/년의 탄소 발자국을 유지하며, 이는 기존 그리드 공급 에너지 시스템과 관련된 연간 배출량보다 약 95% 낮은 수준입니다.
부품 규모: 최적의 구성은 418 kW의 PV 용량, 123 kW의 풍력 발전, 704 kWh의 배터리 저장 장치로 구성됩니다. 주목할 점은, 이 구성은 142만 달러의 자본 투자와 연간 201,473달러의 운영 비용으로 디젤 발전기(DG)에 대한 의존도를 완전히 제거했다는 것입니다.
비교 분석: 단일 목적 최적화 설계(예: 비용 최적화 또는 배출량 최적화 설계)와 비교했을 때, 제안된 설계는 더 우수한 균형을 제공합니다. 예를 들어, 배출량 최적화 설계는 훨씬 높은 자본 투자($3.57M)를 필요로 했고 효율성(79.96%)이 낮았으며, 비용 최적화 설계는 신뢰성을 저해했습니다.
민감도 분석:
- 부하 변동: 부하 변동은 시스템 배출량과 비용에 가장 큰 영향을 미칩니다. 부하가 10% 증가하면 NPC는 5.87%, 배출량은 18.06% 증가합니다.
- 재생 에너지 변동: PV 출력 변동은 풍력 변동보다 경제적 및 환경적 성능에 더 큰 영향을 미칩니다.
- 경제적 파라미터: LCOE는 전기 구매 가격과 배터리 자본 비용에 가장 민estic히 반응합니다. 배터리 비용이 20% 증가하면 LCOE는 약 5% 증가합니다.

의의 및 주장
본 논문은 제안된 프레임워크가 지속 가능하고 경제적으로 실행 가능한 마이크로그리드 운영을 위한 실용적이고 확장 가능한 설계 방법론을 제공한다고 주장합니다. 물리적 타당성 평가와 선호도 기반 선택을 분리함으로써, 이 접근 방식은 공학적 엄밀성을 유지하면서 의사결정 계층에 적응성을 도입합니다. 본 연구는 지역 및 원격 지역에 신뢰할 수 있고 비용 효율적인 전력을 공급하기 위한 효과적인 솔루션을 식별하는 데 가치가 있다고 단언합니다. 이는 정책 입안자와 에너지 계획가들에게 벤치마크 역할을 하며, 전략적으로 균형 잡힌 최적화 접근 방량을 통해 과도한 비용 증가 없이 높은 신뢰성과 배출 제어를 달라는 달성할 수 있음을 보여줍니다. 저자들은 현재 프레임워크가 구성 선택에 집중하고 있지만, 향후 연구를 통해 이를 실시간 에너지 관리로 확장할 수 있다고 언급하였습니다.