Human-on-the-loop Resilient Control of InverterBased Resources Under Actuator Degradation

전력망을 태양광 패널과 풍력 터빈으로부터 우리 집과 학교로 에너지를 보내는, 현대 세계에 동력을 공급하는 거대하고 보이지 않는 신경계라고 상상해 보십시오. 오랫동안 이 시스템은 전통적인 발전소와 같은 거대하고 무거운 기계들에 의존해 왔습니다. 하지만 오늘날 우리는 그 무거운 기계들을 매끄럽고 빠르며 스마트한 '인버터 기반 자원(IBR)'으로 교체하고 있습니다. 이를 신경계의 새로운 고속 디지털 뉴런이라고 생각하면 됩니다. 이것들은 당신의 지붕 위 태양광 패널이나 가정용 배터리 안에 들어 있는 장치들로, 저장된 에너지를 전기로 변환합니다. 과학자들이 직면한 큰 과제는 이 디지털 뉴런이 병들거나 손상되었을 때 어떤 일이 일어나는가 하는 점입니다. 만약 태양광 패널의 인버터가 고장 나기 시작하거나, 사이버 공격으로 인해 전력을 밀어내는 능력이 약해지면, 온 동네의 전압이 출렁이고 불빛이 깜빡거리며 시스템이 붕괴될 수 있습니다. 이를 해결하기 위해 엔지니어들은 보통 자동으로 질병을 감지하고 즉각적으로 고칠 수 있는 로봇을 만들려고 노력합니다. 하지만 이러한 로봇들은 너무 경직될 수 있습니다. 그들은 공황 상태에 빠져 시스템을 종료해 버리거나, 문제를 완전히 이해하지 못한 채 해결하려고 시도하다가 상황을 더 악화시킬 수도 있습니다.

이 논문은 영리한 새로운 아이디어를 소개합니다. 오로지 로봇에만 의존하는 대신, 인간을 루프(loop) 안에 넣자는 것입니다. 저자들인 마직 데흐가니(Majid Dehghani), 타하 사이드 칸(Taha Saeed Khan), 하미드레자 나자리푸야(Hamidreza Nazaripouya)는 '인간 참여형(Human-on-the-Loop, HOTL)' 제어 시스템을 제안합니다. 이것은 AI가 게임을 플레이하지만, 인간 플레이어가 화면을 지켜보며 상황이 이상해질 때 규칙을 바꿀 수 있는 특수 버튼을 누를 수 있는 비디오 게임과 같습니다. 이 시스템에서 컴퓨터 컨트롤러는 전압을 안정적으로 유지하기 위한 찰나의 수학적 계산을 처리하지만, 인간 감독관은 더 큰 그림을 관찰합니다. 만약 인버터가 퇴화(약해짐)하기 시작하면, 인간은 컴퓨터에게 "이봐, 전력을 잃고 있어. 지금은 완벽함에 집착하기보다 배터리를 완전히 다 써버리지 않도록 조금 덜 완벽해도 괜찮아"라고 말하며 개입할 수 있습니다. 이 논문은 시뮬레이션을 통해 인간의 판단력과 컴퓨터의 속도 사이의 이러한 팀워크가 장비가 고장 나는 상황에서도 그리드를 안정적으로 유지한다는 것을 보여줍니다. 반면 기존의 완전 자동화된 방식들은 종종 붕괴되거나 전력이 고갈됩니다.

문제점: 그리드의 '근육'이 약해질 때

당신의 팔이 인버터이고, 당신이 밀어 올리는 전기가 당신이 들어 올리는 무게라고 상상해 보십시오. 보통 당신의 팔은 강하며 필요한 만큼 정확하게 무게를 들어 올릴 수 있습니다. 하지만 만약 당신의 팔이 부상을 입어 무게의 절반밖에 들 수 없다면 어떻게 될까요? 만약 당신이 그래도 여전히 무거운 무게를 들려고 시도한다면, 당신의 팔은 잠기거나 무게를 완전히 떨어뜨릴 수도 있습니다. 전력망의 세계에서 '액추에이터 퇴화(actuator degradation)'는 바로 그 부상당한 팔과 같습니다. 이는 물리적 손상, 사이버 공격, 또는 단순한 마모로 인해 인버터가 전력을 생성하는 능력을 상실할 때 발생합니다.

기존의 해결책들은 이를 두 가지 방식으로 처리하려고 시도하지만, 둘 다 결함이 있습니다. 첫 번째는 '결함 허용 제어(Fault-Tolerant Control, FTC)'입니다. 이것은 가능한 모든 부상의 체크리스트를 가진 로봇과 같습니다. 증상을 발견하면 부상을 찾아내고 미리 프로그래밍된 해결책으로 전환합니다. 문제는 무엇일까요? 만약 부상이 기이하거나, 새롭거나, 혹은 서서히 발생하는 경우(예: 점진적인 약화)라면, 로봇은 이를 인식하지 못하거나 너무 공격적으로 고치려다 오히려 충돌을 일으킬 수 있습니다. 두 번째 접근 방식은 실시간으로 학습하는 '적응 제어(Adaptive Control)'입니다. 하지만 시스템이 실제로 할 수 없는 상황임에도 여전히 전체 무게를 들 수 있다고 생각한다면, 너무 세게 밀어붙이려 할 것이고, 이는 제어 상실이나 시스템이 혼란에 빠져 불안정해지는 '파라미터 드리프트(parameter drift)'로 이어질 수 있습니다.

새로운 아이디어: '회복 탄력성 다이얼'을 가진 인간 코치

저자들은 인간 운영자가 자동 제어기의 옆에서 코치 역할을 하는 시스템을 제안합니다. 이것은 인간이 수학 계산을 하는 것에 관한 것이 아닙니다. 무거운 작업은 여전히 컴퓨터가 수행합니다. 대신, 인간은 '상황 인식(situational awareness)'을 제공합니다. 인간은 데이터를 보고 이렇게 말합니다. "좋아, 인버터가 평소보다 50% 약해졌어. 전략을 조정하자."

이를 가능하게 하기 위해, 논문은 두 가지 특별한 도구를 도입합니다.

1. 발전 예비 용량(Generation Reserve Capacity, GRC): 이것을 당신의 '비상 저축 계좌'라고 생각하십시오. 이것은 새로운 비상 상황이 발생했을 때 인버터가 사용할 수 있는 추가 전력입니다. 목표는 이 계좌를 가득 채워두는 것입니다.
2. 제어된 성능 저하(Controlled Performance Degradation, CPD): 이것은 '허용 가능한 실수'입니다. 때때로 비상 저축 계좌를 지키기 위해서는 전압이 완벽하게 안정적이지 않아도 된다는 점을 받아들여야 합니다. 이것은 더 긴 여행을 위해 연료를 아끼려고 운전을 조금 천천히 하기로 결정하는 것과 같습니다.

인간 운영자는 **$\mu$ (뮤)**라고 불리는 특별한 노브(knob)를 사용하여 이 두 가지 사이의 균형을 맞춥니다. 운영자가 $\mu$를 높이면, 시스템은 매우 보수적이 됩니다. 큰 안전 마진(높은 GRC)을 유지하지만 전압이 다소 출렁이는 것(높은 CPD)은 수용합니다. 만약 그들이 $\mu$를 낮추면, 시스템은 완벽해지려고 노력하지만(낮은 CPD) 예비 전력을 다 써버릴 위험이 있습니다.

실제 적용 방식

논문은 그리드 연결 인버터의 컴퓨터 시뮬레이션을 사용하여 이 아이디어를 테스트했습니다. 연구진은 인버터가 두 단계로 '병드는' 시나리오를 만들었습니다.

1. 100초 시점: 인버터가 전력 용량의 50%를 상실했습니다.
2. 150초 시점: 인버터가 추가로 25%를 더 잃어 매우 약해졌습니다.
3. 200초 시점: 갑작스러운 수요 급증(부하 교란)이 시스템을 덮쳤습니다.

시뮬레이션에서 인간 운영자는 화면을 지켜보았습니다. 첫 번째 50% 손실이 발생했을 때, 운영자는 하락에 대처하도록 시스템을 조정했습니다. 하지만 150초에 두 번째 충격이 왔을 때, 운영자는 상황이 위험해지고 있음을 깨달았습니다. 그들은 $\mu$ 노브를 10으로 높였습니다. 이것은 컴퓨터에게 다음과 같이 명령한 것입니다. "완벽해지려고 노력하지 마. 안전을 우선해. 우리가 무너지지 않도록 큰 예비 전력을 확보해 둬."

그 결과는 어떠했을까요? 시스템은 약간 덜 완벽한 전압 수치(CPD)를 수용했지만, 전력을 성공적으로 유지하고 전압을 안전한 범위 내로 유지했습니다. 인버터는 전력을 소진하지 않았으며, '포화(saturation)' 상태(더 많이 밀어붙이려다 실패하는 상태)에 빠지지도 않았습니다.

기존 방식들은 어떻게 되었나?

연구진은 이 새로운 '인간 참여형(HOTL)' 시스템을 표준적인 '결함 허용 제어(FTC)' 시스템과 비교했습니다.

• FTC 시스템: 첫 번째 50% 손실이 발생했을 때 FTC는 잘 작동했습니다. 하지만 150초에 두 번째 충격이 오자 FTC는 갇혀버렸습니다. 완벽한 전압을 유지하려고 노력했지만, 남은 '근육'이 부족했기 때문에 실패했습니다. 200초에 부하 급증이 닥쳤을 때, 전압은 0.9(위험한 수준) 아래로 떨어졌고 시스템은 회복할 수 없었습니다.
• HOTL 시스템: 인간 운영자가 안전 다이얼($\mu$)을 높였기 때문에, 시스템은 성능의 작은 저하를 우아하게 수용했습니다. 이는 예비 용량을 보존하여 최종적인 부하 급증을 견뎌낼 수 있게 해주었습니다. 전압은 안전한 작동 범위 내에 머물렀습니다.

핵심 요약

이 논문은 세상의 모든 문제를 해결했다고 주장하거나, 이 시스템이 아직 실제 환경에서 완벽하다고 말하는 것이 아닙니다. 결과는 전적으로 시뮬레이션—즉, 시스템이 어떻게 행동할지에 대한 컴퓨터 모델—에 기반하고 있습니다. 그러나 이러한 시뮬레이션은 인간 감독자를 결합하는 것이 훨씬 더 회복 탄력성 있는 그리드를 만든다는 것을 시사합니다.

핵심적인 교훈은, 때때로 위기를 다루는 가장 좋은 방법은 실수를 절대 하지 않는 로봇을 갖는 것이 아니라, 인간에게 조언을 구할 줄 아는 로봇을 갖는 것이라는 점입니다. 인간이 '완벽함'을 얼마나 희생하여 '안전'과 바꿀지를 결정하게 함으로써, 시스템은 기존의 완전 자동화된 방식들을 무너뜨릴 수 있는 심각한 손상 속에서도 살아남을 수 있습니다. 저자들은 이 접근 방식이 안정적이며, 인간의 판단이 시스템이 전력 고갈을 피하는 데 직접적으로 도움이 된다는 것을 수학적으로 증명합니다. 이는 복잡하고 위험이 큰 세상에서, 인간의 지혜와 기계의 속도를 결합하는 것이 가장 강력한 방어책이 될 수 있음을 상기시켜 줍니다.