Application of Multi-Layer Particle Swarm Optimization Algorithm for ORPD in Renewable-Integrated Power Systems Incorporating FACTS Devices

기술 요약: 재생 에너지 통합 전력 시스템의 ORPD를 위한 다층 입자 군집 최적화(MLPSO) 적용

문제 정의
본 논문은 풍력 및 태양광 발전과 같은 재생 에너지원(RES)의 침투율이 높은 현대 전력 시스템의 특성을 반영한 최적 무효 전력 배분(ORPD) 문제를 다룹다. 인버터 기반 자원의 통합은 간헐적 발전, 무효 전력 지원 능력의 제한, 전압 불안정성 증가와 같은 상당한 과제를 초래한다. ORPD 문제는 두 가지 별개의 목적 함수인 실전력 송전 손실($P_{Loss}$)과 총 모선 전압 편차(TVD)를 최소화하는 것을 목표로 하는 비선형, 비볼록, 혼합 정수 최적화 문제로 정식화된다. 이 문제 공간은 유연 교류 송전 시스템(FACTS) 장치—구체적으로 사이리스터 제어 직렬 커패시터(TCSC) 및 사이리스터 제어 위상 변위기(TCPS)—의 포함으로 인해 더욱 복잡해지며, 이는 결정 변수에 비선형 제어 변수(리액턴스 및 위상 변위각)를 추가한다. 본 연구는 엄격한 등식 제약(전력 조류) 및 부등식 제약(운영 한계)을 준수하면서 발전기 전압, 변압기 탭, 션트 보상기 및 FACTS 파라미터의 최적 설정을 결정하고자 한다.

방법론
이 복잡한 최적화 문제를 해결하기 위해 저자들은 다층 입자 군집 최적화(MLPSO) 알고리즘의 적용을 제안한다. 이 접근 방식은 표준 PSO의 확장형으로, 고차원 및 다봉성(multi-modal) 지형에서의 조기 수렴 또는 느린 탐색 속도와 같은 한계를 극복하도록 설계되었다.

• 알고리즘 구조: MLPSO는 군집을 여러 계층(통상 3개 층)의 계층적 구조로 구성한다. 하위 층의 입자는 개별 해를 나타내며, 상위 층의 입자는 하위 층의 하위 군집을 나타낸다. 이러한 "사다리형" 계층 구조는 전역 탐색(다양한 FACTS 구성 탐색)과 국부 탐색(전압 프로파일 미세 조정) 사이의 동적 균형을 용이하게 한다.
• 탐색 메커니즘: 알고리즘은 성공률에 따라 전역 및 국부 탐색 변형 사이의 적응형 전환을 채택한다. 또한 로컬 다양성을 높이고 지역 최적점에 빠지는 것을 방지하기 위해 링 토폴로지를 활용한 이웃 탐색 전략(국부 이웃 탐색 및 전역 이웃 탐색)을 사용한다.
• 시스템 모델링: 본 연구는 수정된 IEEE 30-모선 테스트 시스템을 활용한다. 재생 에너지 통합은 8번 모선의 동기 발전기를 태양광 발전소로 교체하고, 11번 및 13번 모선의 발전기를 이중 급전 유도 발전기(DFIG) 풍력 발전소로 교체함으로써 시뮬레이션된다.
• FACTS 통합: TCSC 및 TCPS의 정적 모델이 전력 조류 방정식에 포함된다. TCSC는 가변 리액턴스 소자로 모델링되며, TCPS는 위상 변위각을 갖는 복소 탭 비율로 모델링된다.
• 제약 조건: 최적화는 발전기 전압/무효 전력 제한, 부하 모선 전압 제한, 송전선 열 용량 제한, 변압기 탭 설정, 그리고 TCSC 리액턴스 및 TCPS 위상 변위에 대한 특정 운영 한계를 포함하는 제약 조건을 따른다.

주요 기여

1. 새로운 알고리즘 적용: 본 논문은 다수의 FACTS 장치(TCSC 및 TCPS)가 장착된 재생 에너지 통합 시스템의 ORPD 영역에 MLPSO 알고리즘을 도입하였으며, 이는 기존 문헌에서 광범위하게 다뤄지지 않은 조합이다.
2. 포괄적인 시나리오 분석: 본 연구는 FACTS 장치의 영향을 평가하기 위해 네 가지 별도의 시나리오를 평가한다:
   • 케이스 1: FACTS가 없는 ORPD.
   • 케이스 2: 두 개의 TCSC가 있는 ORPD.
   • 케이스 3: 두 개의 TCSC와 하나의 TCPS가 있는 ORPD.
   • 케이스 4: 세 개의 TCSC와 세 개의 TCPS가 있는 ORPD.
3. 강건성 및 민감도 분석: 저자들은 재생 에너지 침투 수준(20% ~ 100%)에 대한 민감도, 확률적 발전 불확실성(몬테카를로 시뮬레이션) 하에서의 강건성, FACTS 배치 및 크기에 대한 민감도, 그리고 N-1 보안 예비 분석(선로 탈락)을 포함한 광범고한 사후 최적화 분석을 수행한다.
4. 동적 보안 평가: 제안된 설정이 과도 안정성에 미치는 영향을 평가하기 위해 심각한 고장 및 발전 손실 이후의 회전자 각도 편차, 임계 차단 시간(CCT), 주파수 응답을 분석한다.

결과
MLPSO 알고리즘은 수정된 IEEE 30-모선 시스템에서 테스트되었으며, 실수 코딩 유전 알고리즘(RCGA), 차분 진화(DE), 생물 지리학적 최적화(BBO)와 비교되었다.

• 성능 지표: 네 가지 케이스 모두에서 두 목적 함수($P_{Loss}$ 및 TVD)에 대해 MLPSO가 벤치마크 알고리즘들을 일관되게 능가했다.
  • 케이스 4(가장 복잡한 경우)에서 MLPSO는 최소 전력 손실 3.6125 MW와 TVD **0.0513 p.u.**를 달로 달성하였으며, 이는 최적의 경쟁 방법들보다 손실 측면에서 0.61.6%, 전압 편차 측면에서 3.99.7% 개선된 수치이다.
  • 이 알고리즘은 벤치마크들과 비교하여 더 빠른 수렴 속도와 전역 최적해를 찾는 데 있어 더 높은 안정성을 보여주었다.
• FACTS 영향: FACTS 장치의 포함은 전력 손실과 전압 편차를 크게 감소시켰다. TCSC와 TCPS를 재생 에너지 모선 근처(선로 27, 28, 36)에 최적으로 배치했을 때 가장 좋은 결과를 얻었으며, TCSC는 유도성 선로 충전을 상쇄하기 위해 용량성 모드로 동작하였다.
• 강건성: 불확실한 풍력 및 태양광 입력을 가진 1000개의 몬테카를로 시나리오 하에서도 MLPSO 솔루션은 허용 범위 내에 유지되었다 (95% 신뢰 구간: $P_{Loss}$ [3.52, 3.78] MW; TVD [0.0489, 0.0553] p.u.).
• 동적 안정성: 최적화된 FACTS 설정은 과도 안정성을 크게 향상시켰다. 예비력 테스트에서 MLPSO로 최적화된 시스템은 힐러스티즘(heuristic) 또는 비최적화 설정에 비해 가장 낮은 첫 번째 스윙 진폭, 가장 빠른 진동 감쇠, 그리고 우수한 주파수 회복(기저 사례의 나디르 주파수 59.52 Hz 대비 59.68 Hz)을 보였다.

의의 및 주장
본 논문은 제안된 MLPSO 프레임워크가 재생 에너지가 지배적인 미래 그리드를 관리하기 위한 견고하고 효과적인 솔루션을 제공한다고 주장한다. FACTS 장치와 고급 메타-휴리스틱을 통합함으로써, 이 방법은 재생 에너지의 간헐성과 시스템 안정성이라는 이중 과제를 해결한다. 저자들은 자신들의 접근 방식이 기존의 진화 알고리즘에 비해 우수한 손실 최소화 및 전압 프로파일 향상을 제공한다고 단언한다.

본 연구는 MLPSO 알고리즘이 안전하고 효율적인 그리드 운영을 지원하는 데 상당한 잠재력을 보여주지만, 광범위한 산업적 홍보를 위해서는 추가적인 검증이 필요하다고 결론짓는다. 이 연구는 높은 재생 에너지 침투율과 FACTS 통합을 가진 현대 전력 시스템의 비선형, 다목적 특성을 처리하기 위한 고급 최적화 기술의 필요성을 강조한다.