A Predictive Flexibility Aggregation Method for Low Voltage Distribution System Control

이 논문은 저전압 배전 시스템의 실시간 제어를 위해 가정 단위에서 예측 기반 유연성 집계 방법과 프라이버시 보호 중앙 최적화를 결합하여, 오프라인 분산 계산을 통해 유연성 차트를 생성하고 효율적인 시스템 관리를 가능하게 하는 새로운 방법을 제안하고 검증합니다.

핵심

🏠 핵심 아이디어: "집집마다의 유연한 손"을 하나로 모으기

상상해 보세요. 우리 동네에 태양광 패널을 단 집, 배터리를 가진 집, 전기차 충전기를 쓰는 집들이 많습니다. 이 집들은 전기를 생산하기도 하고, 저장하기도 하며, 필요할 때 전기를 덜 쓰기도 합니다. 이를 **'유연성 (Flexibility)'**이라고 합니다.

하지만 전력회사 (DSO) 입장에서 이 수천 개의 집을 하나하나 실시간으로 통제하는 것은 불가능에 가깝습니다. 마치 수천 명의 개인이 각자 다른 리듬으로 춤을 추는데, 한 명의 지휘자가 모두의 손목을 잡고 리듬을 맞추려 하는 상황과 비슷합니다.

이 논문은 그 해결책을 제시합니다. **"각 집의 상태를 미리 계산해 두고, 전력회사에게는 '요약된 지도'만 보여주고, 실제 조정은 집마다 스스로 하도록 하는 시스템"**입니다.

---

🧩 이 시스템이 작동하는 3 단계 비유

이 연구는 크게 세 가지 단계로 이루어져 있습니다.

1 단계: 미리미리 연습하기 (오프라인 계산)

비유: 요리사들이 미리 레시피를 완성해 두는 것

전력회사나 각 가정의 컴퓨터는 매일 밤, "내일은 날씨가 어떨까? 전기요금은 어떻게 변할까?"를 예측합니다. 그리고 이 예측을 바탕으로 **"만약 내일 전기가 부족하면 어떻게 할까?", "전기가 넘치면 어떻게 할까?"**에 대한 모든 경우의 수를 미리 계산해 둡니다.

• 핵심: 이 무거운 계산은 인터넷이 느려도 상관없는 '오프라인'에서 미리 해둡니다. 그래서 실시간으로 전화를 걸 때 기다릴 필요가 없습니다.
• 결과: 각 가정은 "내 상태에 따라 내가 전기를 얼마나 줄이거나 늘릴 수 있는지, 그리고 그 비용은 얼마인지"를 담은 **유연성 지도 (Flexibility Chart)**를 손에 쥐게 됩니다.

2 단계: 내일의 계획을 세우기 (운영 계획)

비유: 여행 계획을 세울 때 '내일 날씨'를 고려하는 것

단순히 "지금 전기가 필요하다"라고만 생각하면 안 됩니다. "지금 전기를 너무 많이 써서 내일 밤에 배터리가 비어버리면 더 비싼 전기요금을 내야 하지 않을까?"를 고려해야 합니다.

• 이 시스템은 내일의 전기요금, 날씨, 소비 패턴을 미리 보고, "지금 배터리를 조금만 써서 내일 비싼 시간대에 대비하자"는 식의 최적의 전략을 세웁니다.
• 이 전략은 각 가정의 '유연성 지도'에 반영되어, 전력회사에 보내는 정보가 더욱 똑똑해집니다.

3 단계: 실시간 지휘 (중앙 제어)

비유: 지휘자가 악보만 보고 오케스트라를 지휘하는 것

실시간으로 전력이 필요해지면, 전력회사는 각 가정으로부터 받은 '유연성 지도'를 봅니다.

• "A 가구는 지금 전기를 줄일 수 있고, B 가구는 전기를 더 쓸 수 있군."
• "그럼 A 가구는 5kW 줄이고, B 가구는 3kW 늘려라."

이때 중요한 점은 계산을 다시 하지 않는다는 것입니다. 이미 1 단계에서 미리 계산해 둔 '지도'를 보고, 현재 상황에 맞는 숫자만 대입하면 됩니다. 마치 지휘자가 악보 (미리 계산된 지도) 를 보고 즉석에서 지휘봉을 휘두르는 것처럼 매우 빠릅니다.

---

🌟 이 방법이 왜 특별한가요?

1. 개인 정보 보호 (Privacy):

   • 전력회사는 각 가정의 "어떤 가전제품을 언제 켜는지" 같은 세부적인 사생활을 알 필요가 없습니다. 오직 **"전기를 얼마나 조절할 수 있는지"**라는 요약된 정보만 받습니다. 마치 요리사가 "재료의 양"만 알고 "요리법"은 각자 알아서 하게 하는 것과 같습니다.

2. 비용 절감 (Cost-Effective):

   • 단순히 전기를 끄는 게 아니라, "가장 비싼 시간에 전기를 아끼고, 싼 시간에 전기를 써서" 전체 비용을 최소화합니다. 마치 스마트한 주부가 장을 볼 때 할인되는 시간에 사서 저장해 두는 것과 같습니다.

3. 빠른 반응 (Real-time):

   • 복잡한 계산을 미리 해두었기 때문에, 갑작스러운 전력 수요 변화에도 0.4 초 만에 대응할 수 있습니다.

---

📊 실험 결과: 얼마나 잘할까요?

연구진은 43 가구가 있는 가상의 마을로 이 시스템을 테스트했습니다.

• 기존 방식 (FA): 지금 상황만 보고 대응. (비효율적, 비용이 높음)
• 완벽한 미래 예측 (OMNI): 모든 것을 미리 알고 완벽하게 통제. (이론상 가장 좋지만, 현실에서는 불가능할 정도로 계산이 느림)
• 이 논문 제안 (PFA): 미리 계산한 지도 + 내일 예측.

결과: 이 논문이 제안한 방법은 이론상 가장 완벽한 방법 (OMNI) 에 거의 근접하는 성능을 보여주면서도, 실시간으로 작동할 수 있을 만큼 빠릅니다. 기존 방식보다 전기 요금을 크게 줄이고, 전압 불안정 같은 문제를 해결했습니다.

---

💡 한 줄 요약

이 논문은 **"수천 개의 가정에서 나오는 복잡한 전력 데이터를, 미리 계산된 '지도'로 요약하여, 전력회사가 실시간으로 가장 효율적이고 안전한 지휘를 할 수 있게 해주는 똑똑한 시스템"**을 개발했습니다.

이는 미래의 스마트 그리드가 개인의 사생활은 보호하면서도, 전체적으로는 가장 경제적이고 안정적인 에너지 흐름을 만들어낼 수 있음을 보여줍니다.

기술 요약

이 논문은 저전압 배전 시스템 (Low Voltage Distribution System, LVDS) 의 실시간 제어를 위해 **예측 기반 유연성 집계 방법 (Predictive Flexibility Aggregation Method)**을 제안합니다. 분산 에너지 자원 (DER) 의 증가로 인한 전압 문제와 네트워크 과부하를 해결하기 위해, 개별 가정의 유연성을 집계하고 그 가치를 평가하는 새로운 제어 아키텍처를 제시합니다.

주요 내용은 다음과 같습니다.

1. 문제 정의 (Problem)

• 배경: 태양광 (PV) 패널, 전기차, 열펌프, 가정용 배터리 등 분산 자원의 증가로 인해 배전망의 전압 변동 (과전압/저전압) 과 부하 관리 문제가 심화되고 있습니다.
• 제약 사항: 배전망 운영자 (DSO) 는 unbundling(사업 분리) 규정으로 인해 개별 가정의 자산을 직접 제어하거나 측정할 수 없습니다.
• 필요성: DSO 는 가정용 에너지 관리 시스템 (EMS) 이 제공하는 '유연성 (Flexibility)' 정보를 기반으로 실시간으로 전력을 조정해야 하지만, 기존 방법들은 다음과 같은 한계가 있었습니다:
  • 반응성 (Reactive Power) 유연성을 고려하지 않음.
  • 유연성 활성화 비용 (Cost) 을 정량화하지 않음.
  • 실시간 제어에 적합하지 않은 높은 계산 복잡도.
  • 미래 예측 (전력 가격, 생산/소비 전망) 을 반영하지 못함.

2. 제안된 방법론 (Methodology)

논문은 **다중 매개변수 최적화 (Multiparametric Optimization, MPO)**를 핵심 기법으로 사용하여, 오프라인에서 계산된 해를 기반으로 실시간 제어를 수행하는 3 단계 구조를 제안합니다.

• 1 단계: 오프라인 MPO (Local Aggregation)

  • 각 가정 단위에서 제어 가능한 자산 (PV, 배터리 등) 의 유연성을 집계하는 문제를 오프라인에서 해결합니다.
  • 시스템 파라미터 (부하, 발전량, 가격 등) 를 변수로 하여, 최적 제어 정책과 유연성 가치 함수 (Value Function) 를 명시적 (Explicit) 인 다면체 영역 (Critical Regions) 으로 매핑합니다.
  • 이를 통해 온라인에서의 반복적인 최적화 계산이 불필요해집니다.

• 2 단계: 운영 계획 (Operational Planning, OP)

  • 하루ahead(전일) 예측 데이터 (태양광 생산, 부하, 전력 가격) 를 기반으로 운영 계획 문제를 또 다른 MPO 문제로 풉니다.
  • 이 단계는 현재 시장 기간 종료 시점의 배터리 충전 상태 (SoC) 가 미래 비용에 미치는 영향을 평가하는 **비용 - 상태 함수 (Cost-to-go function)**를 생성합니다.
  • 이 함수는 실시간 최적화 단계에서 미래 비용을 반영하는 데 사용됩니다.

• 3 단계: 실시간 제어 및 집계 (Real-time Control)

  • 투영 (Projection): 실시간 측정값 (현재 SoC, 부하 등) 과 OP 단계에서 생성된 비용 함수를 오프라인 MPO 해에 대입하여, 현재 시점의 **유연성 차트 (Flexibility Chart)**를 생성합니다. 이 차트는 P-Q 평면상의 허용 가능한 활성/반응성 전력 범위와 해당 비용을 보여줍니다.
  • 중앙 최적화: DSO 는 모든 노드에서 수집된 유연성 차트를 기반으로 브랜치 플로우 모델 (Branch Flow Model) 을 사용하여 네트워크 손실과 유연성 활성화 비용을 최소화하는 최적의 전력 설정값 (Setpoints) 을 계산합니다.
  • 분해 (Disaggregation): 중앙에서 결정된 설정값을 개별 자산 (PV, 배터리 등) 에 할당할 때, 추가적인 최적화 없이 오프라인 MPO 해의 명시적 정책을 사용하여 즉시 분해합니다.

3. 주요 기여 (Key Contributions)

1. 예측 기반 유연성 집계: 기존 방법들이 현재 상태만 고려하는 것과 달리, 전일 예측 (전력 가격, 생산/소비) 을 반영하여 미래 비용을 고려한 유연성 가치를 산출합니다.
2. 활성/반응성 전력 통합: 활성 전력뿐만 아니라 반응성 전력 유연성과 그 비용을 함께 집계합니다.
3. 실시간 제어 적합성: 무거운 계산은 오프라인에서 분산 처리하고, 온라인에서는 단순한 함수 평가 (Projection) 만 수행하므로 실시간 요구사항을 충족합니다.
4. 개인정보 보호: 개별 사용자의 선호도나 자산 상태가 집계된 유연성 차트 형태로만 DSO 에 전달되므로 프라이버시가 보호됩니다.
5. 비용 효율적 제어: 사용자의 선호도와 물리적 제약을 고려하여 가장 비용 효율적인 유연성을 우선적으로 활성화합니다.

4. 실험 결과 (Results)

• 시뮬레이션 환경: 벨기에의 실제 데이터 (부하, PV 생산, 전력 가격) 를 기반으로 한 43 노드 저전압 배전망 (SimBench 기반) 에서 검증되었습니다.
• 비교 대상:
  • OMNI: 미래 정보를 완벽하게 아는 전지능 (Omniscient) 중앙 최적화 (이상적인 기준).
  • FA (Future-Agnostic): 미래 예측 없이 현재 상태만 고려하는 기존 집계 방법.
  • PFA (Proposed): 본 논문에서 제안한 예측 기반 방법.
• 성능:
  • 비용: 제안된 PFA 방법은 FA 방법보다 총 비용이 약 27% 감소했으며, OMNI(이상적) 와는 매우 근접한 성능 (약 10% 차이) 을 보였습니다.
  • 전압 제어: 모든 노드의 전압이 허용 범위 (0.95~1.05 p.u.) 내에 유지되었습니다.
  • 계산 시간:
    • 운영 계획 (OP): 15 분당 평균 7.77 초.
    • 투영 및 분해: 평균 0.42 초 및 4 밀리초 (매우 빠름).
    • 중앙 최적화: 평균 0.80 초.
  • 전체적으로 실시간 제어에 충분히 빠른 속도를 입증했습니다.

5. 의의 및 결론 (Significance)

이 논문은 저전압 배전망의 효율적인 관리를 위해 예측 정보와 실시간 유연성 평가를 통합한 새로운 패러다임을 제시합니다.

• 확장성: 계산 부하의 대부분을 오프라인/분산 처리하므로 대규모 시스템으로의 확장성이 뛰어납니다.
• 실용성: DSO 가 개별 자산을 직접 제어할 수 없는 현실적인 제약 하에서도, 시장 기반의 유연성 거래와 실시간 전압 제어를 동시에 가능하게 합니다.
• 향후 과제: 3 상 불균형 시스템, 열펌프 및 전기차 등 추가 기기 통합, 불완전한 측정/통신 환경에서의 적용 등으로 연구가 확장될 예정입니다.

요약하자면, 이 연구는 오프라인 MPO 를 통한 사전 계산과 실시간 투영 기법을 결합하여, 미래 예측을 반영하면서도 실시간으로 실행 가능한 저전압 배전망 제어 솔루션을 성공적으로 제안했습니다.