Two-rate prescribed-performance adaptive non-linear integral backstepping control with AECO–DBO-based parameter optimization for renewable energy grid integration

기술 요약: AECO–DBO 기반 파라미터 최적화를 적용한 2-속도 규정 성능 적응형 비선형 적분 백스테핑 제어

문제 정의
본 논문은 그리드 연결형 태양광(PV)-배터리 시스템의 DC-링크 전압 안정성을 조절하는 데 있어 매우 중요한 과제를 다룹다. 이러한 시스템은 태양광 어레이의 비선형 동역학, 일사량의 간헐성, 배터리 충전 상태(SOC)의 변동, 그리고 다양한 부하 요구로 인해 상당한 제어 난관에 직면한다. 프로포셔널-인티그랄(PI) 제어기와 같은 전통적인 제어 방식은 파라미터 불확실성과 급격한 환경 변화에 취약하여, 결과적으로 열악한 과도 응답, 전압 불안정성 및 높은 총 고조파 왜곡(THD)을 초래하는 경우가 많다. 고급 비선형 및 적응형 제어기가 존재함에도 불구하고, 본 논문은 규정 성능 제약, 적응형 파라미터 식별, 그리고 효율적인 하이브리드 최적화를 DC-링크 전압 제어에 동시에 통합하는 데 있어 연구 공백이 있음을 확인하였다. 특히, 기존 방법들은 동시 발생하는 교란에 대한 강건성이 부족하거나 파라미터 튜닝 과정에서의 계산 복잡성 및 조기 수렴 문제로 인해 어려움을 겪는다.

방법론
저자들은 **2-속도 규정 성능 적응형 비선형 적분 백스테핑 제어(TR-PPANIBC)**라고 명명된 새로운 제어 구조를 제안한다. 방법론은 다음과 같이 구성된다:

1. 제어 전략 (TR-PPANIBC):

   • 2-속도 접근 방식 (Two-Rate Approach): 제어기는 느린 적응형 파라미터 진화와 빠른 전기적 동역학의 조절을 분리하여, 서로 다른 시간 척도를 개별적으로 처리할 수 있도록 한다.
   • 규정 성능 (Prescribed Performance): 성능 엔벨로프 함수를 사용하여 추적 오차를 사전 정의된 정상 상태 및 과도 경계 내로 제한함으로써, 오차가 작은 잔차 집합으로 수렴하도록 보장한다.
   • 적응형 비선형 적분 백스테핑 (Adaptive Non-linear Integral Backstepping): 이 프레임워크는 파라미터 변동과 불확실성을 처리하기 위해 적응형 항을 활용하는 동시에, 정상 상태 추적 오차를 제거하기 위해 적분 동작을 사용한다.
   • 안정성: 폐루프 시스템의 안정성은 리아푸노프(Lyapunov) 이론를 사용하여 엄격하게 분석되었으며, 모든 신호가 균등 최종 유계(uniformly ultimately bounded)임을 증명하였다.

2. 파라미터 최적화 (Hybrid AECO–DBO):

   • TR-PPANIBC는 5개의 이득 파라미터($K_1, K_2, K_i, K_a, K_r$)에 의존한다. 이 이득들을 최적화하기 위해 저자들은 하이브리드 적응형 독수리-고양이 최적화(AECO) 및 쇠똥구리 최적화(DBO) 알고리즘을 도입하였다.
   • AECO: 독수리와 고양이의 사냥 및 탐색 행동에서 영감을 얻은 전역 탐색 능력을 제공한다.
   • DBO: 강력한 지역 탐색(local exploitation) 및 다양한 탐색 전략(공 굴리기, 춤추기, 먹이 찾기, 번식, 훔치기)을 제공하여 지역 최적해(local optima) 탈출을 돕는다.
   • 하이브리드 구조는 탐색(exploration)과 이용(exploitation)의 균형을 맞추어, PSO, GWO 또는 SSA와 같은 단독 알고리즘보다 더 빠르게 최적의 이득에 수렴하도록 하는 것을 목표로 한다.

3. 시스템 구성:

   • 시스템은 증분 전도도(IncCond) MPPT 기술이 적용된 PV 어레이, 배터리를 위한 양방향 DC-DC 벅-부스트 컨버터, 그리고 LCL 필터를 통해 그리드에 연결된 3상 전압원 인버터를 통합한다.
   • 제어 루프는 PV 소스, 배터리 저장 장치, 유틸리티 그리드 간의 전력 흐름을 조정하며 DC-링크 전압을 800V 참조값으로 조절한다.

주요 기여
본 논문은 다음과 같은 7가지 주요 기여를 명시한다:

1. 제어기 설계: PV/배터리로부터 그리드로의 안정적인 전력 전송을 보장하는 견고한 TR-PPANIBC를 개발하였다.
2. 하이브리드 최적화: 5개의 제어 이득을 최적으로 튜닝하여 수렴 정확도를 높이고 지역 최적해를 피하기 위한 AECO–DBO 하이브리드 알고리즘을 제안하였다.
3. 안정성 증명: 리아푸노프 분석을 통해 제어기의 안정성을 조사하였다.
4. 구조적 이점: 2-속도 접근 방식, 규정 성능 제약 및 적분 동작이 어떻게 추적 정밀도, 과도 응답 및 비선형성에 대한 강건성을 결합하여 향상시키는지 입증하였다.
5. 포괄적 검증: MATLAB/Simulink 시뮬레이션 및 OPAL-RT (OP4510) 플랫폼을 통한 실시간 구현을 통해 클래식 PI 및 Super Twisting Sliding Mode Control (STSMC)와 비교 분석하였다.
6. 고조파 억제: 태양광 일사량 및 SOC 변동 상황에서 제안된 방법이 벤치마크 대비 현저히 낮은 THD 값을 나타냄을 입증하였다.
7. 강건성 검증: PV 파라미터 불확실성(온도 변화) 및 부하 교란 하에서의 제어기 성능을 검증하여, 우수한 고조파 억제 및 전압 조절 능력을 보여주었다.

결과
제안된 하이브리드 AECO–DBO 기반 TR-PPANIBC의 성능은 세 가지 시나리오에서 PI 및 STSMC 제어기와 비교 평가되었다:

• 태양광 일사량 및 SOC 변화:

  • 제안된 제어기는 **4.503%**의 THD를 달로 달성하였으며, 이는 PI(69.055%) 및 STSMC(57.068%)를 크게 상회하는 성능이다.
  • 다양한 일사량 수준(1000 W/m² ~ 200 W/m²)에서 가장 빠른 상승 시간(~0.0215 s), 가장 낮은 오버슈트(0.3433), 그리고 가장 짧은 침강 시간(0.0381 s)을 기록하였다.
  • FFT 분석 결과, PI 및 STSMC에서 관찰된 지배적인 피크와 비교하여 고조파 성분이 무시할 만한 수준임을 보여주었다.

• PV 어레이 파라미터 불확실성 (온도 변화):

  • 온도 변화(25°C ~ 55°C) 하에서 제안된 제어기는 **5.088%**의 THD를 유지하였으며, 이는 PI(47.897%) 및 STSMC(24.12%)와 대조적이다.
  • 시스템은 최소한의 정상 상태 진동과 함께 빠른 과도 회복 특성을 보였다.

• 부하 변동:

  • 부하 수요가 150% 증가했을 때(10 kW에서 25 kW로), 제안된 제어기는 **3.949%**의 THD를 달성하였으며, 이는 PI(64.856%) 및 STSMC(25.976%)보다 월등히 우수하다.
  • 실시간 OPAL-RT 실험은 시뮬레이션 결과를 확인해주었으며, 최소한의 오버슈트와 무시할 만한 정상 상태 오차를 보여주었다.

의의 및 주장
본 논문은 제안된 하이브리드 AECO–DBO 기반 TR-PPANIBC가 다양한 운전 조건에서 기존의 고급 제어기들의 한계를 효과적으로 해결함으로써 그리드 연결형 PV-배터리 시스템을 위한 우수한 솔루션을 제공한다고 주장한다. 그 의의는 다음의 성공적인 통합에 있다:

• 규정 성능 (Prescribed Performance): 과도 상태 동안 오차 범위를 보장함.
• 적응형 백스테핑 (Adaptive Backstepping): 시스템의 비선형성 및 불확실성을 처리함.
• 하이브리드 메타휴리스틱 (Hybrid Metaheuristics): 복잡한 제어 이득을 튜닝하기 위한 견고한 메커니즘을 제공함.

저자들은 제안된 방법이 다양한 운전 조건 전반에 걸쳐 "견고한 제어기 설계와 안정적인 제어 성능"을 달성한다고 단언하며, 이는 극적인 THD 감소와 개선된 동적 응답 지표를 통해 입증되었다. 결론적으로, 본 제어기는 개별 교란에는 효과적이지만, 향후 연구에서는 복합적인 조건(예: 부분 음영, 결합된 그리드 노이즈)과 계산 부담을 더욱 줄이기 위한 딥러닝과 같은 AI 기술의 통합을 탐구할 것이라고 밝히며, 테스트된 시나리오에서 입증된 효능에 집중하여 절제된 어조를 유지하였다.