A Constrained Formulation for Simultaneous Line Parameter Estimation and Instrument Transformer Calibration

논문 요약: 동시 선로 파라미터 추정 및 계기 변성기 보정 (SLIC) 을 위한 제약 조건 기반 최적화 프레임워크

1. 문제 정의 (Problem Statement)

전력 시스템의 광역 측정 시스템 (WAMS) 에 필수적인 위상계측기 (PMU) 는 변전소의 전압 변성기 (VT) 와 전류 변성기 (CT) 로부터 신호를 받아 위상, 주파수 등을 측정합니다. 그러나 VT 와 CT(통칭 계기 변성기, IT) 는 노후화 및 환경 변화로 인해 명판 값과 실제 변환 비율 (Scaling Factor) 이 달라지는 '비율 오차 (Ratio Error)'가 발생합니다.

• 상호 의존성 문제 (Interdependency):
  • IT 를 보정하려면 정확한 선로 파라미터 (저항, 리액턴스, 서셉턴스) 가 필요합니다.
  • 반대로, PMU 데이터를 이용해 선로 파라미터를 추정하려면 이미 보정된 IT 가 필요합니다.
• 기존 방법의 한계:
  • 기존 연구들은 대부분 한쪽 (선로 파라미터 또는 IT) 이 이상적이고 오차가 없다고 가정하거나, 측정 노이즈에 민감하여 정확도가 낮았습니다.
  • 특히, 두 문제를 동시에 해결하려는 시도들은 수치적 불안정성이나 과도한 오차를 보였습니다.

이 논문은 이러한 상호 의존성을 해결하고, 이상적인 계측기 가정을 완화하여 **동시 선로 파라미터 추정 및 계기 변성기 보정 (SLIC)**을 수행하는 새로운 프레임워크를 제안합니다.

2. 방법론 (Methodology)

제안된 방법은 전력 시스템의 물리적 지식을 제약 조건과 정규화 항으로 활용하여 비선형 최적화 문제를 푸는 NET-SLIC (NewEquiTrust-SLIC) 알고리즘을 기반으로 합니다.

• 수학적 모델링:

  • Kirchhoff 법칙을 기반으로 선로 양단의 전압/전류 위상 관계를 수식화합니다.
  • 실제 측정값은 이상적인 값에 IT 의 비율 오차 (곱셈 성분) 와 PMU 의 측정 노이즈 (덧셈 성분) 가 결합된 복합 노이즈 모델을 따릅니다.
  • 이를 통해 선로 파라미터와 IT 보정 계수 (Correction Factors) 를 동시에 추정하는 비선형 방정식 세트를 유도합니다.

• 핵심 전략:

  1. 수익 품질 계측기 (RQM) 활용: 전력망의 특정 지점 (예: 계통 연결점) 에 존재하는 고정밀 계측기 (RQM) 를 기준으로 삼습니다. RQM 의 오차는 매우 작으므로, 이를 기준으로 다른 IT 들의 보정 계수 비율 (CFR) 을 추정합니다.
  2. 정규화 (Regularization): RQM 의 보정 계수가 1 에 가깝다는 물리적 사실을 '정규화 항'으로 추가하여, 최적화 과정이 물리적으로 타당한 해로 수렴하도록 유도합니다. 이는 이상적인 '완벽한 계측기' 가정을 완화하면서도 해의 안정성을 보장합니다.
  3. 등식 제약 조건 (Equality Constraints):
     • 전압: 동일한 모선 (Bus) 에 연결된 인접 선로들의 전압은 동일해야 한다는 KVL 기반의 관계를 제약 조건으로 사용합니다.
     • 전류: KCL 을 적용하여 모선에서의 전류 합이 0 이어야 한다는 관계를 통해 인접 선로의 CT 보정 계수 비율을 연결합니다.
  4. 연결된 트리 (Connected Tree) 확장: RQM 이 있는 선로에서 시작하여 인접 선로들을 하나씩 확장해 나가며, 앞서 구한 보정 계수를 다음 단계의 정규화 항으로 사용하여 전체 네트워크의 파라미터를 추정합니다.

• 해법:

  • 제안된 비선형 제약 최적화 문제를 해결하기 위해 **신뢰 영역 (Trust Region) 이 적용된 등식 제약 뉴턴법 (NET-SLIC)**을 사용합니다. 이는 복잡한 최적화 지형에서 수렴성을 보장합니다.

3. 주요 기여 (Key Contributions)

1. 동시 추정 프레임워크 (SLIC): 선로 파라미터 추정과 IT 보정을 동시에 수행하는 새로운 수식화를 제시하며, 이상적인 계측기 가정을 완화한 정규화 항을 도입했습니다.
2. 도메인 지식 기반 제약: 전력 시스템의 물리 법칙 (KVL, KCL) 을 등식 제약 조건으로 활용하여, RQM 이 하나만 존재해도 전체 연결된 네트워크의 보정을 가능하게 했습니다.
3. 실제 데이터 검증: 시뮬레이션 데이터뿐만 아니라, 실제 미국 전력망 (Eastern Interconnection) 의 PMU 데이터를 활용하여 알고리즘의 유효성을 입증했습니다.
4. 하류 응용 개선: SLIC 를 수행함으로써 선로 상태 추정 (LSE) 의 정확도가 크게 향상됨을 입증했습니다.

4. 실험 결과 (Results)

• 시뮬레이션 (IEEE 118 버스 시스템):
  • 선로 파라미터: 저항, 리액턴스, 서셉턴스 추정 오차가 매우 낮았습니다 (리액턴스/서셉턴스 MARE < 1%, 저항은 노이즈 조건에서도 5% 미만).
  • IT 보정 계수: VT 와 CT 의 보정 계수 추정 오차가 극히 낮았습니다 (VT 크기 오차 < 0.002%, CT 크기 오차 < 0.02%).
  • 기존 기법 대비: Wang et al. [17] 의 기존 방법과 비교했을 때, 선로 파라미터 추정 오차가 10% 이상에서 2% 미만으로 획기적으로 개선되었으며, CT 보정 정확도도 한 자릿수 이상 향상되었습니다.
• 실제 데이터 (Field Data):
  • 실제 유틸리티 데이터에서 추정된 선로 파라미터는 요일별/시간대별로 일관된 추세를 보였습니다.
  • 보정 전후 전압 측정값을 비교한 결과, 서로 다른 PMU 가 측정한 동일한 모선 전압의 불일치가 보정 후 현저히 줄어들어 알고리즘의 신뢰성을 입증했습니다.
• 하류 응용 (LSE 개선):
  • SLIC 를 적용한 후 IEEE 118 버스 시스템의 345kV 네트워크에서 선로 상태 추정 (LSE) 오차가 크기 기준 24%, 위상 기준 37% 향상되었습니다.

5. 의의 및 중요성 (Significance)

이 논문은 전력 시스템의 핵심 인프라인 계기 변성기 (IT) 의 보정과 선로 파라미터 추정의 상호 의존성 문제를 체계적으로 해결했습니다.

• 실용성: 별도의 하드웨어 추가나 IT 를 오프라인으로 분리할 필요 없이, 기존 PMU 데이터만으로 고정밀 보정이 가능합니다.
• 신뢰성: 물리 법칙을 제약 조건으로 도입하여 수치적 불안정성을 극복하고, 실제 전력망 환경에서도 견고한 성능을 발휘함을 입증했습니다.
• 시스템 안정성: 더 정확한 파라미터와 보정 계수는 상태 추정 (State Estimation), 고장 탐지, 제어 등 모든 하류 전력 시스템 응용 분야의 정확도와 신뢰성을 획기적으로 높여줍니다.

결론적으로, 이 연구는 데이터 기반의 전력 시스템 모니터링 기술에 있어 이론적 엄밀함과 실제 적용 가능성을 동시에 갖춘 중요한 진전을 이루었습니다.