배전시스템의 에너지 절감 최대화를 위한 지능형 전압/무효전력(Volt/Var) 제어 기법

개요

일반적으로 배전시스템에서의 전압 및 무효전력 제어를 위해 Voltage regulator 및 Capaciror bank가 사용된다. 전압/무효전력(Volt/Var) 제어를 이용하여 에너지를 절약하는 전압 감소관리(CVR)로 알려진 특별한 매커니즘이 개발되었다. 높은 분산전원 보급은 유효 배전 시스템에 전압/무효전력(Volt/Var) 제어를 위한 추가적인 메카니즘을 제공한다. 대부분의 공통 분산전원 기술은 컨버터 사이즈 및 계획에 의해 제한된 만큼의 무효전력을 망에 공급할 수 있다. 이 논문은 지능형 전압/무효전력(Volt/Var) 최적화 및 분산전원으로 부터 CVR을 통해 전반적인 망 에너지 절약의 최대화를 위한 계산 가능한 알고리즘의 개발에 큰 기여를 하고있다. 포괄적인 풍력에너지 모델은 역률제어, 전압제어 및 전압안정모드를 위해 분석되었다. 커패시터는 계획단계에서 손실 민감도 분석을 사용하여 할당되었고, 운영기간 동안에 제안된 유효/무효 최적 문제는 최적 전압 제한값, 스위치 커패시터 단계 및 분산전원의 전압 크기를 찾기 위해 문제를 풀었다. 이 논문은 배전선로 운영 시스템(DMS)에서 어플리케이션을 찾을 수 있는 유일한 전압/무효전력(Volt/Var) 추종 아키텍쳐를 제공한다. 주어진 조합 변수의 양립성과 강건성으로 비선형 최적화 문제를 풀고 쉬운 적용을 위해 군집 최적화(PSO)가 사용되었다. 이 결과는 IEEE 13버스와 IEEE 37 버스 배전시스템을 이용한 철저한 조사와 상업 배전 소프트웨어 SynerGEE를 사용하여 유효성을 입증했다.

Ⅰ. 소개 2003년 풍력에너지는 전체 수요 13,353GWh의 4,200GWh를 공급한다. 배전단에 연결된 분산전원으로 부터의 실현된 이익은 개선된 네트워크 신뢰성, 최소 에너지 손실 및 현재 인프라에서의 전력공급 용량 증가등이 있다. 그러나 분산전원이 계통시스템으로부터 분리될때는 시스템 전압 프로파일이 심각하게 변동되고, 스탭형 전압 조정기와 캐패시터 조절 운영과 상호작용을 한다. 분산 풍력발전 유닛들(DFIG)은 전력전자 변환의 이점과 공통적으로 결합된 지점에서의 무효전력을 추가로 망에 지원하기 위해 다른 조절모드가 있다. 이 기준에 따라 분산전원들은 전력회사(PCC)에 근접하게 일정한 전력 요소를 유지해야 한다. 추가적인 스위치 캐패시터 뱅크 서포트는 이러한 요구조건을 만족하기 위해 허용된다. 비록 이러한 기준들이 유효전압 제한으로 막고 있지만, 현재 전력회사와 분산전원 소유자간의 상호 합의가 있으면 전압제한이 허용된다. 분산전원의 크기에 따라서 전력요소 조절모드, 전압 조절모드나 전압제한 모드로 운영된다. 전압요소 조절모드에서 전력요소는 공통결합(PCC)점에서 단일로 운영되고, 역전류 투입의 PQ버스로서 모델링 된다. 전압조절모드는 일반적으로 1PU의 일정한 값의 PC전압을 유지한다. 반면 전압제한 모드는 PCC버스에서 유효전압 제한을 허용한다. 그러므로 네트워크망에서 추가적인 무효(VAR)를 제공한다. 이러한 운영은 분산전원 컨버터의 크기에 의해 제한된다. 또한 이러한 운영은 비율에 의해 부여된 전류제한 범위에서 유효전력 발전이나 소비의 능력이 있다. 유무효 문제는 배전 네트워크에서 손실을 최소화 하기 위한 최적 문제로 공식화 되었다. 이러한 문제를 풀기위해 사용된 솔루션 기술은 유전 알고리즘과 발전 무효 용량제한을 포함하고 있는 불평등 제약이다. 유무효 조절 알고리즘 기반의 다중목적 시나리오가 제안되었다. 수정된 교수 알고리즘을 사용 부하탭 변환 변압기를 풀었고, 캐패시터 뱅크의 네트워크 최적화의 신재생 기술로 확률 행동을 설명하였다. 분산발전을 설치할 때 전압조정 문제를 완화하기 위해 제안된 알고리즘이 논문의 목적이다. 민감한 분석기반의 최적 분산 조절 접근법과 분산발전과 분산 네트워크 사이의 무효전력 교환과 네트워크 손실 최소화를 위한 시도의 분권화된 유무효 전력제어가 제안되었다. 배전망 네트워크 운영계획의 전압 프로파일을 제어하기 위해 제안된 방법에 의해서 확률적 체재안의 Volt/VAr 문제 모형을 만들었다. 유효배전시스템에 대한 volt/var 조절계획이 개발된 반면, DG유닛의 운영 특징과 다른 DG 조절모드의 복잡한 행동은 네트워크 단 변수들에 대한 그들의 영향을 더 이해하기 위해 고려되어야 한다. 이 논문의 원래 기여는 유효 배전시스템의 최대 에너지 절약을 하기 위한 전체 유무효 계획안의 DG운영의 다른 조절 모드 영향을 고려한 조정된 유무효 조절을 위한 지능형 계산 알고리즘 개발이다. 그 문제는 계획 단계와 운영단계에서 풀어 왔다. 계획단계 동안, 캐패시터 위치는 전통적인 손실 민감도 분석을 사용해서 결정하였다. 운영단계 동안 제안된 알고리즘은 네트워크 보안 제약을 만족한 것을 확신하는 동안 그들의 조절 단계를 풀고 네트워크 안에서 모든 무효 전원을 최적으로 조정할 수 있었다. DG의 전압조절 모드와 전력요소 조절모드는 관련된 파라미터 상수를 갖고 이러한 최적 문제의 분야로 분석되었다. 다양한 경우가 네트워크 안에서 DG통합으로 시뮬레이션 되었다.

Ⅱ. 문제공식 전반적인 유효 배전 시스템의 에너지 절약은 다른 조절장치의 최적 운영단계를 결정함으로서 최대화 되었다. 에너지 절약은 kw 에너지 절약의 방식 또는 KVA 에너지 절약으로 실현 될 수 있다. 목적은 불평등제약을 조건으로 한다. 평등 제약은 전력조류 방정식이다. V와 I는 각 버스에서 전압과 전류를 나타낸다. 최적 문제의 조절 변수들은 네트워크의 조절장치에 기본을 두고, 전압조절 세팅과 스위칭 캐패시터의 상태를 포함한다. DG조절의 전압조정 모드에서 DG버스 말단 전압은 최적 문제 안으로 추가적인 조절 변수가 더해진다. 그것은 준수되어야 하며, 최적 문제는 별개의 연속된 변수들이 정수-비선형 최적문제로서 다루어져야 한다.

Ⅲ. 솔루션 접근(Solution approach) Branch and band 방법(분기한정법)과 같은 전통접근법 사용, 철저한 검색 전략 (최적 솔루션을 보장한다.) 이러한 최적 문제를 풀기위해 완벽하게 이상적인 선택이어야 한다. 그러나, 분기한정법과 관련된 엄청난 복잡성 그리고, 철저한 검색 전략과 관련된 컴퓨터 계산의 강도 그것들에 대한 후보 솔루션으로서는 자격을 얻을 수 없다. 왜냐하면 실시간 유무효 조절환경에서의 그들의 비현실성 때문이다. 그러므로 검색방법으로 지능형 컴퓨터 계산 알고리즘 사용은 이러한 문제를 위한 주요한 접근방법이 될 수 있다. 이러한 방법들은 컴퓨터가 계산적으로 적은 강도와 최적 솔루션을 빠르게 찾을 수 있다. 제안된 최적화 문제는 PSO(군집 최적화) 사용으로 풀수 있다. PSO알고리즘은 네트워크 조절변수의 운영단계의 확인을 위해서 반듯이 이진수와 연속된 변수들을 다룰 수 있는 능력이 있어야 한다. 아래 기술한것은 이러한 자연적 문제에 대한 이득과 주요 PSO의 장점이다. 1. 최적솔루션을 찾는것은 큰 규모의 시스템 보다 더 빠르다. PSO의 고유성질은 실시간 적용을 위한 이상적 후보를 만들기 때문이다. 2. 검색 공간의 크기는 최적화 문제에서의 조절변수의 수와 같다. 실행시간은 검색 공간의 크기에 직접적으로 비래한다. 3. PSO는 별개로 연속적인 변수들의 혼합된 문제를 다루고 이해되기 쉽게 수정될수있다. 4. PSO는 복합 정수-비선형 최적화 문제를 다룰 수 있다. 제한된 알고리즘은 이논문에서 철저한 검색 전략으로 입증되었다. PSO파라미터는 최적으로 맞추어진다. 그리고, 수정된 결과는 부분적 최적화에 영향을 주지 않는다. d크기 검색 공간안에서 문제에 대한 가능한 솔루션은 부분적으로 특정할 수 있다. 부분 위치 벡터는 Xi로 나타낼 수 있다. 그리고, 속도 벡터는 Vi로 나나탤 수 있다. 부분의 최적 위치는 Pi로 분류 될수 있다. 이러한 부분들 중에서 가장 적합한 값의 하나는 q로 표현된 최적 전역의 적합한 값으로 나타낼 수 있다. 각각의 부분들의 위치와 속도 벡터는 현재 최적 실제의 파라미터에 따라서 매 반복시 마다 갱신된다. PSO단계는 반복의 최대숫자나 미리 정의된 허용오차에 도달할때 까지 반복된다. 배전전력 조류는 각 부분의 적정값을 평가한다. 그리고, 네트워크 제약을 만족한다. 검색공간은 조정변수 기반에서 전력 조류 솔루션의 하나로부터 얻어진 랜덤 솔루션으로 초기 모집단은 제약조건을 만족해야 한다.

Ⅳ. 시스템 모델링 A. 분산전원 이 논문에 사용된 분산 전원에 대한 모델은 DFIG 모델이다. 주요 DFIG시스템의 구성요소는 풍력터빈 모델, 망측면 변환기(GSC)로 구성된 DC 링크를 통해 연이어 연결된 두 개의 VSCs와 로터측면 변환기(RSC), 그리고 권선형 유도기(WRIM)을 포함한다. GSC가 변압기에 RSC는 WRIM과 결합된다. 주어진 바람속도에 대한 어떤 시간의 점에서 저자는 DFIG에서 사용된 VSCs와 WRIM에 대한 간략한 모델을 개발하였다. VSCs와DC연계의 비율은 전체 DFIG 비율의 3%이다. 이 모델에서 그리드 측면 VSC안에서 손실, 로터측면 VSC와 변압기는 임피던스 Zt에 의해 정의 된다. DC링크는 손실로서 간주된다. 제로 요소들은 이 모델에서 고려되지 않는다. 왜냐하면, WRIM은 델타 또는 접지 스타 연결이기 때문이다. DFIG PCC버스는 PCC버서에서 조정전압이나 규제하기 위한 PV버스로 간주되어진다. B. 배전전력 조류 이번 작업에서 TCIM 전력조류는 버스의 삼상전압의 실제와 상상부분으로 계산되어 지곤한다. 균형되거나 불균형 시스템 조건에 대해 모두 유효하다. 만약 DG의 무효전력 한계를 계산하는 동안 교차된다면, 부여된 제약조건을 위반한다. 이것은 한계값에서 고정되어 있으며, 버스는 PQ 버스로 취급된다. 만약에 전력조류 후에 변환된 버스의 Qg가 한계안에서 떨어진다면 부하는 PV부하 안에서 거꾸로 전환된다. TCIM전력 조류 기술은 첫째 모든 버스에서 1PU까지 전압을 초기화 한다. DFIG 모델은 그후에 소개 되었고, 유효와 무효를 계산했다. 수렴하기 위해 전력 불일치는 계산되어지고 허용오차는 점검 된다. 만약 해가 수렴하지 않는다면, 자코비안 행렬은 다음단계에서 계산되어진다. 다음단계 이후에 변수값들을 풀게 되고 갱신된다. 이과정은 허용오차가 범위안에 있거나 반복 최고 숫자가 한계에 달할 때 까지 계속된다. C. 전압조정 모델 전압조정을 모델링 하기 위해 1버스는 변전소에 근접하게 PV버스로 전환 되어져 왔다. 이모델의 기본은 SEL2431이며, 32개 세팅값으로 이루어져 있고 16개 상위, 중립, 하위 탭이 있다. 연속된 코일의 탭핑은 ±10% 전압조정을 제공한다. +0.625%에 상응하는 1H의 위치는 1PU의 기본으로부터 증가한다. -0.625%에 상응하는 1L의 위치는 0.99375전압의 1PU 기본으로부터 -0.625% 감소한다. 비슷하게 16H의 위치는 10%의 전압 변화를 이끈다. 101PU의 새로운 전압과 16L의 위치는 0.9PU까지 내려간다. D. 축전지 할당 계획단계 동안 축전지 할당을 결정하기 위해 접근에 기반된 손실 민감도는 (27),(28)에 의해 영감을 받아 적용된다. 손실 민감도 요소는 기본 경우를 위해 계산되어지고 일반화된 전압값도 계산되어진다. 대부분 공통적으로 DG연결요구조건을 찾는다. 기본 경우의 선택과 네트워크의 DG로부터 미리 결정된 축전지 상태는 다른 조절모드와 추가적인 VAr 지원의 영향을 시현하는 것에 도움을 준다. 이 작업에서 오직 200kVAr이 고정된 축전지 사이즈로 고려되었다. 요소에 기반된 손실 민감도는 순서를 결정한다. 버스는 보상을 위해서 고려되어 지며, 일반화된 전압값은 버스들이 Q보상이 필요한지 아닌지를 결정한다.

V. 시물레이션 결과와 토의 개발된 알고리즘은 IEEE13부하 배전 네트워크와 IEEE37부하 배전 네트워크에서 실행되었다. 결과는 다음 경우를 위해 분석되어 졌다. 1. 역률조절모드에서 DG의 Volt/VAr최적화(C1) 2. 전압조절모드에서 DG의 Volt/VAr최적화(C2) 3.전압제한 조절모드에서 DG의 Volt/VAr최적화(C3) 이전에 논의된것 처럼 철저한 검색 전략이 또한 실행되었으며 모든 선택과 최고의 에너지 절약을 내기위한 선택 옵션에 대해 에너지 절약 퍼센트를 계산했다. C1~C3 경우를 위해 표1의 결과는 부분적 군집 최적화 기술과 철저한 검색 기술을 통해 얻어진 최적조절 단계를 보여준다. - 표 1 - A. IEEE13버스 배전 시험시스템 기본시험 시스템의 부하는 20% 까지 증가되었다. 200kVAr 전환된 캐패시터는 앞선 부분에서 배치하기로 접근된 논의를 기본으로 네트워크에 추가 되어 졌다. DFIG 발전기는 500kVA 변압기의 0.5MW에 대해 평가된 이 네트워크를 통해서 11번 버스에 연결되어 졌다. A 바람속도 15m/s의 Vwind가 가정되었다. 이것은 시간에 따라 변화하는 다른 값으로 변환 될 수 있다. 전압 제한기는 네트워크에서 최대 위쪽의 1번 버스에서 모델링 되었다. 전압조절과 전압제어 모드에서의 DG운영은 네트워크에 대해 최고의 이익이 되는 것으로 증명됐다. 고려된 시험시스템의 불평형 부하 조건 때문에 에너지 절약 차이는 개별 상에 대해서 얻어진다. 불평형 부하의 다른 영향은 DG버스의 모든 상에 대해 얻어진 전압과 차이가 있다. 주의를 기울여야 한다. DG전원으로부터 추가 지원때문에 시스템의 최적 운영 단계를 결정하기 전에 모든 가능한 솔루션을 탐색한다. B. IEEE37 버스 배전 시험 시스템 1.5m/sec의 바람속도에서의 3개 1.5MW 풍력 발전기 운영은 1.5MW에 대해 상향된 변압기 비율로 775, 729 버스에 설치 되었다. 그리고, 이것의 낮은 전압 측면의 비율은 0.48kv에서 2.4kv까지 변환된다. 이러한 시스템의 본래 불평형을 고려하면 각 상 절약의 차이는 네트워크안에서 관찰되어진다. 이것은 DG유닛으로부터 추가 VAr 지원에 대한 결과라고 할수 있다. 전의 경우에서 연구한것과 비슷하게 감소된 캐패시터 전환을 관찰할 수 있다. C. SynerGEE 상업 툴을 사용한 실증 SynerGEE는 전력조류를 풀기위해 전력회사에서 공통적으로 사용하는 상업 배전계획 툴이다. 역률 조절모드는 이툴을 사용해서 PQ버스에서 모델링 되었다. 반면에 흐르는 전력 조류는 없고 Volt/Var 조절 단계가 통합되었다. 이러한 양쪽 경우로부터 결과를 사용하는 것은 에너지 절약을 계산할 수 있고, 개선된 알고리즘으로부터 얻은 결과를 비교할 수 있다. 개선된 알고리즘을 사용한 상업 소프트웨어 툴의 실증은 최대 에너지 절약을 하기 위해 Volt/VAr 지원을 위한 최적화 솔루션을 찾는것 안에서 적용 할 수 있고 정당화 된다.

Ⅵ. 결론 이 논문에서 지능형의 조정된 Volt/VAr 최적화 접근이 복잡한 유효 배전망을 위해 제안 되었다. 배전시스템 조절에 대한 다른 DG조절 계획의 영향은 분석되어져 왔다. 전반적인 에너지 절약 최대화의 목적으로 개발된 알고리즘은 배전네트워크에서 조절장치의 상태를 확인하기 위해 사용될 수 있다. Volt/VAr 자원을 위한 DG의 영향은 또한 최적화 문제를 푸는 동안 고려되어 질수 있다. 솔루션 후보에 접근되고 결론으로 선택되어진 부분적 군집 최적화(PSO)는 2개의 수정된 IEEE 시험의 경우에 대해서 실증되어져 왔다. 유효 배전 네트워크에서 Volt/Var 조절모드의 복잡성은 논의된 솔루션 기술을 사용해서 손쉽게 다루 수 있다. DG조절의 영향은 시스템에서 전반적으로 증가된 에너지 절약을 이끌었다. 최소화된 캐패시터 전환 운영이 관찰되었다. 개선된 알고리즘의 성능을 평가하기 위해 철저한 검색 전략과 SynetGee툴이 사용되어 졌다. 이러한 기술로 부터의 결과들은 만족한 결과를 보여준다. 개발된 최적화 문제는 네트워크에서 손실을 최소화하기 위한 다른 목적을 포함하기 위해 확장되어 질수 있다. 반면 시스템 제약을 만족하는 동안 수요반응의 최대 이익보다 다른 네트워크에서 임계 부하의 DG로부터 최대공급에 초점을 맞추었다.

참고문헌 [1] Rahul Anilkumar; Griet Devriese; Anurag K Srivastava " Inteligent Volt/VAR Control Algorithm for Active Power Distribution System to Maximize the Energy Saving", 2015 IEEE [2] Ackermann,T, "Wind Power Systems" John Wiley and Sons Ltd, 2005