Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers

  1. (Dept. of Electronics and Information Engineering, Soonchunhyang University, Korea.)
  2. (Dept. of Computer software Engineering, Soonchunhyang University, Korea.)
  3. (Dept. of Electrical Engineering, Hankyong University, Korea.)



Power System Analysis, State Estimation, Power Flow, Visualization

1. 서 론

현대 사회는 전기에너지에 대한 의존도가 지속적으로 높아지고 있다. 계통 규모가 증가하고 새로운 설비가 도입되면서 전력계통 역시 계속 복잡화 및 대형화가 이루어지고 있다. 복잡, 대형화된 전력계통의 전기에너지 공급의 신뢰도를 일정한 수준으로 유지하며 경제성의 최대화를 목표로 전력회사에서는 전력계통을 안정적이고 효율적으로 운영, 감시 및 제어를 위해 정보화 기술이 집약된 SCADA(supervisory control and data acquisition) 및 EMS(energy management system) 같은 시스템들을 사용하고 있다. EMS는 전력계통을 최적으로 운영하기 위하여 SCADA 등의 시스템을 통해 수집한 데이터를 기반으로 계통의 상태를 감시하고 제어하는 기능을 수행하는 시스템이다(1).

EMS는 전력계통의 감시와 제어를 위한 계통의 정보를 해석할 수 있는 상태 추정, 조류계산, 안정도 해석, 고장해석, 경제 급전 및 상정사고 해석 등과 같은 많은 계통 해석 응용프로그램들을 포함하고 있다. 상태 추정과 조류계산의 경우 계통 해석의 기본이 되는 응용프로그램으로서 계통을 해석하는데 있어서 그 역할이 매우 중요하다.

다양한 전력계통 해석 응용프로그램을 포함한 상용프로그램들의 경우 가격이 상당히 비싸고 매년 유지보수를 위해 많은 비용이 필요하다. 그리고 대부분의 상용프로그램들이 계통 해석의 기본이 되는 상태 추정 프로그램을 포함하지 않고 있어서 실시간 운용 가능한 데이터베이스를 구성하기 어려운 점이 있다. 본 논문에서는 상태추정과 조류계산을 기반으로 전력시스템 해석과 교육을 위한 응용 프로그램을 개발하였다. 개발된 프로그램은 전력계통 정보를 시각화하여 볼 수 있는 기능을 포함하고 있어서 계통 운영 상황 등 각종 정보를 쉽게 이해할 수 있도록 구성하였다.

2. 전력계통 해석 응용프로그램

전력계통 해석을 위해 많이 사용하고 있는 계통 해석 툴로는 Siemens 사의 PSS/E나 PowerWorld 사의 PowerWorld Simulator 등이 가장 많이 알려져 있다. 해당 툴들은 전력계통 정보의 표현을 위한 다양한 시각화 기법과 계통 해석을 위한 응용프로그램들을 제공하고 있으나 실시간 환경에서 수행되는 상태 추정과 같은 계통 해석을 위한 기본이 되는 응용프로그램들은 포함하고 있지 않다. 또한, 프로그램의 구입과 유지 보수를 위한 비용이 매우 고가이다. 따라서 전력계통 해석을 위한 교육 단계에서 컴퓨터를 이용해 사용자가 쉽게 접근하여 사용할 수 있는 교육용 응용프로그램의 필요성이 대두되고 있다.

전력계통 해석 교육을 위해 개발된 본 프로그램은 C++ 언어를 이용하여 개발한 계통 해석 응용프로그램으로 상태 추정과 조류계산을 포함하고 있다. 다른 응용프로그램의 확장이 쉽게 개발되어 EMS 내에서 계통 해석을 위해 사용되는 다른 응용프로그램을 추가적으로 확장할 수 있는 장점이 있다. 본 프로그램과 타 응용프로그램과의 기능적인 차이를 표 1에 정리하였다. 프로그램에서 사용되는 단선도 상의 기호를 전력계통 구성 요소와 측정데이터 등으로 구분하여 표시하면 표 2와 같다.

표 1. 프로그램별 기능 비교

Table 1. Comparison of Program Functions

종류

Power

World

simulator

PSS/E

개발

프로그램

조류계산

O

O

O

단선도

자동 형성

O

O

O

구성 요소 회전

X

O

O

상태 추정

X

X

O

가관측성 해석

X

X

O

불량데이터 처리

X

X

O

계통 해석을 수행하기 위해서는 계통의 파라미터나 구성 요소들의 연결 정보, 계통의 구성 요소 정보, 각 설비의 파라미터 정보 및 각 모선 및 선로의 측정데이터를 제공해야 한다. 전력계통의 규모가 클 경우 전력계통의 정보나 측정데이터의 정보를 하나하나 추가하기 어렵기 때문에 본 프로그램에서는 파일 입출력을 통해 전력계통 해석을 위한 데이터의 입출력 기능을 제공하고 있다. 개발한 프로그램은 IEEE 14모선 시험계통(21)을 사용하여 그 기능을 시험하였다.

표 2. 단선도 상의 기호 구분

Table 2. Symbols for One Line Diagram

구분

기호

내용

비고

전력계통

구성 요소

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_1.png

Slack 모선 (sky blue)

계통

편집

모드

활성화

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_2.png

PV 모선(green)

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_3.png

PQ 모선(black)

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_4.png

일반 선로

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_5.png

변압기 선로

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_6.png

병렬설비

측정

데이터

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_7.png

SCADA

모선 전압크기

상태 추정

모드

활성화

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_8.png

SCADA

모선 주입전력

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_9.png

SCADA

선로 조류전력

../../Resources/kiee/KIEE.2020.69.9.1303/tbl2_10.png

PMU 데이터

2.1 전력계통 상태 추정

상태 추정은 전력계통 해석을 위한 가장 기본적인 도구로 실시간 전력계통 운용에 필수 요소이다. 상태 추정은 오차가 포함된 측정데이터로부터 실제 계통의 상태와의 오차를 최소로 하는 최적의 상태변수를 추정하는 것을 목적으로 한다. 상태 추정을 이용해 전압 위상각의 측정 어려움을 해소하고, 현재 운용 중인 계통의 정확한 실시간 데이터베이스를 제공하게 된다(2-3).

상태 추정을 수행하는 과정에서 필요한 데이터 흐름 및 정보들을 그림 1에 표현하였다. SCADA를 통해 계통으로부터 얻어진 여러 가지 정보를 토대로 상태 추정을 수행한다. Topology processor를 통해 계통의 스위치 및 차단기에 대한 on/off 상태정보를 기반으로 계통의 모선 및 선로의 연결 관계정보를 받을 수 있으며, SCADA로부터 수집한 전력계통의 여러 지점의 측정데이터를 통해 측정데이터의 종류, 위치 및 정확도 등을 제공 받을 수 있다.

그림. 1. 상태 추정을 위한 데이터의 흐름 및 정보

Fig. 1. Data Flow and Information for State Estimation

../../Resources/kiee/KIEE.2020.69.9.1303/fig1.png

2.1.1 상태 추정 모드 (state estimation mode)

상태 추정 모드는 전력계통 상태 추정을 수행하기 위한 모드이다. 이 기능은 편집 모드(edit mode)에서 구성한 전력 계통에 대하여 상태 추정을 수행할 수 있는 준비와 실행 할 수 있는 모드를 나타낸다. 프로그램 실행 시 초기에는 계통을 편집할 수 있는 편집 모드로 활성화되어 있고, 편집 모드에서 계통의 편집이 완료되었을 경우 상태 추정 모드를 선택해 활성화 할 수 있다. 그림 2는 편집 모드에 대한 예를 나타내고 있으며, IEEE 14 모선 시험 계통에 대하여 편집이 완료된 상태를 나타내고 있다. 편집 모드에서는 계통 편집을 위해 빨간색으로 표시한 계통 구성 요소 아이콘과 기능이 활성화되어 있다. 그림 3은 상태 추정 모드에 대한 화면 예를 나타내고 있다. 상태 추정 모드 활성화 시 그림 3에 빨간색 박스로 표시한 바와 같이 상태 추정을 위한 측정데이터를 추가할 수 있는 아이콘이 활성화된다. 측정데이터의 아이콘을 선택 후 위치시키고자 하는 모선과 선로를 선택하여 위치시키면 각 측정데이터에 대한 설정 화면이 표시되고, 각 측정데이터의 값과 표준편차를 설정할 수 있다.

그림. 2. 편집 모드 화면 예

Fig. 2. Example of Edit Mode

../../Resources/kiee/KIEE.2020.69.9.1303/fig2.png

그림. 3. 상태 추정 모드 화면 예

Fig. 3. Example of State Estimation Mode

../../Resources/kiee/KIEE.2020.69.9.1303/fig3.png

상태 추정에 사용할 수 있는 측정데이터는 모선 전압의 크기, 모선 주입전력, 선로의 조류전력 및 각 모선에 설치한 PMU(phasor measurement unit)로부터 측정한 전압 페이저와 모선에 인접한 선로의 조류전력이 있다. 그림 4~7은 각 측정데이터에 대한 데이터 추가를 위해 표시된 화면의 예를 나타내고 있다. 각 측정데이터의 물리량을 pu단위로 입력 가능하며, 각 측정데이터의 측정 정확도를 나타낼 수 있는 표준편차를 기입할 수 있다. PMU 측정데이터의 경우 설치된 모선의 전압 크기와 위상각을 입력할 수 있으며, 자동으로 해당 모선에 연결된 선로의 정보가 스프레드시트 형태의 화면에 표시되어 선택적으로 데이터를 입력할 수 있다.

전력계통의 규모가 클 경우 전력계통의 정보나 측정데이터의 정보를 하나하나 추가하기 어렵기 때문에 본 프로그램에서는 논문 part 1에 예를 들어 나타낸 파일 입출력을 통해 전력계통 해석을 위한 데이터의 입출력 기능과 많은 양의 데이터를 관리할 수 있는 스프레드시트 형태의 데이터 편집 기능 및 해석 결과를 저장, 표시할 수 있는 기능을 제공하고 있다.

그림. 4. 조류전력 측정데이터 입력 창

Fig. 4. Input for Line Flow Measurements

../../Resources/kiee/KIEE.2020.69.9.1303/fig4.png

그림. 5. 주입전력 측정데이터 입력 창

Fig. 5. Input for Injection Measurements

../../Resources/kiee/KIEE.2020.69.9.1303/fig5.png

그림. 6. 전압 크기 측정데이터 입력 창

Fig. 6. Input for Voltage Magnitude Measurements

../../Resources/kiee/KIEE.2020.69.9.1303/fig6.png

그림. 7. PMU 측정데이터 입력 창

Fig. 7. Input for PMU Measurements

../../Resources/kiee/KIEE.2020.69.9.1303/fig7.png

상태 추정은 계통으로부터 얻어지는 측정데이터와 여러 정보 등으로부터 구성되는 등호 제약과 부등호 제약을 포함하는 목적함수를 최소화시키는 상태변수를 추정하는 것이라 할 수 있다. 그림 8은 본 연구에서 사용한 가중 최소 제곱(weighted least square) 상태추정 알고리즘을 나타낸 것이다.

그림. 8. 가중 최소 제곱 상태 추정 알고리즘

Fig. 8. Flowchart for WLS State Estimation Algorithm

../../Resources/kiee/KIEE.2020.69.9.1303/fig8.png

상태 추정 응용프로그램의 기능 수행을 위한 측정데이터 셋의 종류와 위치는 그림 9에 나타낸 것과 같이 전압의 크기 4개, 유효 무효 주입전력 쌍 14개, 유효 무효 조류전력 쌍 10개를 포함한 총 52개의 측정데이터를 사용하였다. 측정데이터의 생성은 내장된 조류계산 응용프로그램을 통해 계산된 조류계산의 결과에 가우시안 노이즈를 포함한 측정 데이터를 사용하였다.

상태추정 수행 후 결과는 계통 단선도 위에 표시할 수 있다. 모선 전압의 크기(pu)와 위상각($^{\circ}$)에 대한 정보를 화면에 표시하거나, 측정데이터와 추정결과를 비교하여 화면에 표시할 수도 있다. 그림 10은 유효전력 측정데이터(녹색)와 상태 추정 결과 유효전력(빨간색)을 비교하여 표시한 화면이다. 이외에 메뉴 Result의 State Estimation에서 각 측정데이터 별 추정 정보를 화면에 비교하여 표시할 수 있으며, 대형 계통의 정보는 스프레드시트 형태로 CaseInformation 메뉴에서 확인할 수 있다. 또한, 상태 추정 연산 특성을 확인하고 수렴 여부를 확인할 수 있는 상태 추정 연산 과정의 수치적 값들이 담긴 로그 기록을 표시할 수 있다.

그림. 9. 측정데이터 위치 및 종류

Fig. 9. Measurements Location and Type

../../Resources/kiee/KIEE.2020.69.9.1303/fig9.png

그림. 10. 상태추정 수행 결과

Fig. 10. State Estimation Calculation Results

../../Resources/kiee/KIEE.2020.69.9.1303/fig10.png

2.1.2 가관측성 해석 기능

가관측성 해석은 계통으로부터 측정된 데이터와 계통의 연결 상태(topology)를 이용하여 측정데이터 셋으로부터 전체 계통의 상태추정 해를 구할 수 있는지를 결정하고, 만약 전체 시스템에 대하여 해를 구하지 못하는 경우에는 관측 가능 지역을 결정하는 상태추정의 부기능이다.

가관측성 해석은 계통의 여러 지점에서 수집한 측정데이터의 함수와 상태변수와의 관계를 나타내는 측정 자코비안 행렬 $H$의 계수(rank)와 연관이 있다. 측정데이터의 수가 $m$이고 상태변수의 수가 $n$일 때, 자코비안 행렬은 $m\times n$차원의 행렬이다. 자코비안 행렬 $H$의 계수가 $n$이여야만 측정데이터로 전체 계통의 상태변수를 추정할 수 있다(7-9).

가관측성 해석 방법에는 크게 두 가지 방법이 많이 사용된다. 첫 번째 방법은 계통의 연결 상태와 측정데이터의 위치, 즉 위상 수학적 연결 관계를 표현한 그래프를 탐색하여 해당 계통이 관측 가능한지를 판별하는 위상 수학적 방법(topological method)이다(10). 두 번째 방법은 상태 추정 알고리즘 계산 과정에서 자코비안 행렬로부터 얻어지는 이득 행렬의 삼각분해를 수행하는 과정에서 pivot들이 0의 값을 가지게 되는지를 판별하는 수치적 방법(numerical method)이 있다(11).

상태 추정 응용프로그램은 전체 계통이 가관측할 경우 상태 추정을 수행할 수 있고, 만약 전체 계통에 대한 가관측성이 확보되지 않을 경우에는 가관측 지역(observable island) 별 구분을 통해 지역별 상태 추정을 수행할 수 있다. 만약 이용 가능한 의사 측정데이터(pseudo measurement)가 있을 경우 이를 측정데이터 셋에 추가한 후 구분된 가관측 지역을 하나의 가관측 지역으로 통합하여 상태 추정을 수행할 수 있다.

그림 11그림 9의 시스템에서 몇 개의 측정데이터(9-14, 4-7, 7-9 선로조류전력과 7번 모선주입전력)을 제거하여 관측 가능하지 않은 시스템으로 구성한 후, 가관측성 해석을 포함한 상태추정을 수행한 결과이다.

가관측성 해석 결과 가관측한 지역은 2개로 구분되었으며, 두 개의 지역을 노란색 점선으로 구분하여 표시하였다. 프로그램에서는 가관측하지 않은 선로(unobservable branch)를 단선도 상에 표시하기 위해 해당 선로를 빨간색으로 표시하고, unobservable이라고 표시하여 가관측한 지역을 구분할 수 있다.

전체 계통에 대하여 상태추정을 수행할 수 없고 여러 개의 가관측한 지역으로 구분되었을 경우, 각 가관측한 지역에 대한 상태 추정을 수행하여야 한다. 그림 11에는 모선 1(녹색 상자)과 모선 8(빨간색 상자)의 상태 추정 결과 위상각이 모두 0$^{\circ}$임을 확인할 수 있다. 이것은 전체 계통에 대한 슬랙모선이 포함되지 않은 가관측한 지역 2에 상태 추정을 위한 가상의 슬랙모선을 생성한 결과이다. 적절한 의사 측정데이터를 추가하여 여러 지역으로 구분된 시스템을 전체 계통이 관측가능하도록 구성할 수 있으며, 그림 11의 시스템에서는 모선 7에 의사 측정데이터로 모선 주입전력을 추가하였을 경우 구분된 가관측한 지역이 하나의 가관측한 지역으로 통합되어 상태추정을 수행할 수 있다

그림. 11. 가관측 지역 별 상태추정 결과

Fig. 11. Measurements Location and Type

../../Resources/kiee/KIEE.2020.69.9.1303/fig11.png

2.1.3 불량데이터 처리 기능

불량데이터 처리 기능은 상태 추정의 주요 기능 중 하나로 EMS 내의 데이터베이스의 필터 기능을 상태 추정이 담당하게 된다. 계통으로부터 원격으로 측정한 측정데이터는 여러 가지 요인으로 불량데이터가 포함될 수 있다. 상태 추정기는 다양한 요인으로 발생하는 측정데이터에 포함된 불량데이터를 처리함으로써 불량데이터의 검출 및 판별이 이루어져야 한다. 최소 제곱법 상태 추정은 불량데이터의 영향에 매우 민감하여 불량데이터를 처리하는 루틴이 필요하다. 최소 제곱법 상태 추정이 사용하는 불량데이터 검출을 위한 방법으로는 chi-square, 정규화 잉여 오차 테스트 및 가설 검증 등 많은 방법들이 있다. 이들 중 정규화 잉여 오차 테스트 방법은 가장 정확한 불량데이터 검출방법으로 많이 사용되고 있다(2-3, 13-15).

불량데이터 처리 기능을 수행하기 위해 시험계통에 대하여 표 3과 같이 임의의 불량데이터를 추가 후 상태 추정을 수행한다. 추가된 불량데이터는 측정데이터에 포함될 수 있는 여러 유형의 불량데이터 형태를 포함시켰다. 전압의 크기는 참값에 대하여 오차가 큰 불량데이터를 추가하였고, 주입전력과 조류전력은 방향성의 오류나 큰 오차를 가지는 불량데이터를 추가하였다.

표 3. 불량 측정데이터 정보

Table 3. Bad Measurements Information

종류

측정

데이터 수

불량데이터

개수

위치

전압

3

2 개

2, 4

주입

전력

유효 P

14

0 개

0

무효 Q

14

0 개

0

조류

전력

유효 P

20

6 개

4 - 5

4 - 9

7 - 9

9 - 14

6 - 12

9 - 10

무효 Q

20

6 개

4 - 5

4 - 9

7 - 9

9 - 14

6 - 12

9 - 10

개발된 프로그램에서는 정규화 잉여 오차 테스트 방법을 용하여 불량데이터를 검출한다. 불량데이터가 확인되면 다음 그림 12와 같이 불량데이터를 붉은색으로 표시하며, 표 3에 주입한 모든 불량데이터가 검출되었음을 확인할 수 있다. 검출 정보에 대한 자세한 통계적 연산 값들은 상태 추정 수행 로그 기록을 통해 자세히 분석할 수 있는 형태를 제공한다.

2.2 전력계통 조류계산

전력 조류 계산은 현재 전력계통의 운전 조건에 대한 최적 운용방법을 결정하고, 전력계통 확충 계획의 입안 및 사고에 대한 예방, 제어를 위하여 수행되는 필수적인 전력계통 해석 응용프로그램 중 하나이다. 전력 조류계산에 의해 제공되는 주요 정보는 각 모선 전압 크기와 위상각이며, 이 결과를 토대로 각 송전 선로의 유효전력 및 무효전력 조류 및 전력 계통의 송전 손실 등을 쉽게 계산할 수 있다.

그림. 12. 검출된 불량데이터의 표시

Fig. 12. Representation of Identified Bad Data

../../Resources/kiee/KIEE.2020.69.9.1303/fig12.png

비선형 전력 조류 방정식을 풀기 위해 여러 가지 비선형 방정식의 해법을 위한 반복 계산법이 사용되고 있다. 비선형 연립 방정식의 해를 구하기 위한 반복 계산법에는 가우스 법(Gauss method), 가우스-자이델법(Gauss-Seidel method) 및 뉴튼-랩슨법(Newton-Raphson method) 등이 있으며, 뉴튼-랩슨법을 기반으로 하는 고속 분할 조류계산(fast decoupled power flow) 알고리즘이 많이 적용되어 운영되고 있다(16-20).

2.2.1 조류계산 모드(power flow mode)

조류계산 모드 기능은 전력계통 조류계산을 수행하기 위한 모드이다. 이 기능은 편집 모드(edit mode)에서 편집한 전력계통에 대하여 조류계산을 수행할 수 있는 준비를 할 수 있는 모드를 나타낸다. 프로그램 실행 시 초기에는 계통을 편집할 수 있는 편집 모드로 활성화 되어 있고, 편집 모드에서 계통의 편집이 완료되었을 경우 조류계산 모드를 선택해 활성화 할 수 있다.

조류계산 응용프로그램은 뉴튼-랩슨법 기반의 고속 분할 조류계산 알고리즘을 적용하였다. 고속 분할 조류계산 방법은 전력 방정식을 P - $\theta$와 Q - V 관계로 분리하여 계산하기 때문에 메모리의 효율적인 사용과 연산 속도가 빠르다는 장점이 있다. 그림 13은 개발된 조류계산 응용프로그램에 적용한 고속 분할 조류계산 알고리즘의 순서도를 나타내고 있다.

조류계산 수렴 후 제공하는 정보는 각 모선의 전압의 크기와 위상각 및 발전량, 부하량이며, 각 선로의 조류전력을 결과로 표시할 수 있다. 그림 14는 조류계산 수행 후 각 모선의 전압의 크기와 위상각 정보를 화면에 표시한 것이다. 그림 15는 조류계산 후 각 선로에 흐르는 조류전력 정보를 표시한 것으로 유효전력(녹색) 및 무효전력(빨간색)을 해당 선로를 기준으로 위와 아래에 표시한 결과이다. 대형 계통의 경우에는 전체 계통의 정보 확인을 위해 스프레드시트 형태로 표시하거나 저장할 수 있다.

그림. 13. 고속 분할 조류계산 알고리즘

Fig. 13. Fast Decoupled Power Flow Algorithm

../../Resources/kiee/KIEE.2020.69.9.1303/fig13.png

그림. 14. 조류계산 수행 결과(모선전압 표시)

Fig. 14. Power Flow Results (Bus Voltages)

../../Resources/kiee/KIEE.2020.69.9.1303/fig14.png

그림. 15. 조류계산 수행 결과(조류전력 표시)

Fig. 15. Power Flow Results (Line Power Flows)

../../Resources/kiee/KIEE.2020.69.9.1303/fig15.png

개발된 프로그램은 조류계산의 결과 값을 이용해 계통의 상태 추정 알고리즘 학습을 위한 시나리오 데이터를 생성할 수 있으며, 조류계산 결과에 가우시안 분포를 따르는 오차를 포함시켜 실 데이터와 유사한 측정데이터 시나리오를 생성할 수 있다.

2.2.2 조류계산 위반사항(violation) 보고 기능

조류계산 응용프로그램은 계통의 조류계산 수행 후 각 구성 설비의 위반사항에 대한 정보를 표시할 수 있다. 전력계통 조류계산에서 발생할 수 있는 위반사항에는 각 모선 전압의 과전압 및 부족 전압과 각 선로의 과부하에 대한 정보가 있다.

개발한 조류계산 응용프로그램은 각 모선의 과전압 및 부족 전압과 각 선로의 과부하 정보를 색깔로 구분하여 표시한다. 계통 해석 결과에 따라 설정한 전압 크기의 최대 및 최소 값을 기준으로 하여 모선 별로 단선도 상에 과전압 기준을 넘는 모선은 빨간색으로 표시하고, 저전압 기준을 넘는 모선은 노란색으로 표시한다. 그림 16은 모선 전압 위반 사항에 대한 화면 예시를 위해 최댓값을 1.05 pu, 최솟값을 1.02 pu로 설정한 결과를 표시하고 있다. 모선 전압 위반 사항 보고를 위한 기본 값(default value)은 1.05 – 0.95 pu로 설정되어 있다.

과부하에 대한 위반사항이 발생한 선로는 기준값에 대한 비율로 판단하며 기본값은 100%로 설정되어 있어 이 기준을 넘을 경우 해당 선로를 주황색으로 표시한다. 선로 과부하에 대한 기본값은 변경할 수 있다. 현재 조류계산 위반사항 중 과부하 선로에 대한 정보는 위치만 표시하고 있으나, 개선을 통해 데이터의 비율을 쉽게 파악할 수 있는 파이 차트와 같은 도표가 함께 표시되는 기능을 추가할 예정이다.

그림. 16. 조류계산 위반사항 예

Fig. 16. Violation Reports

../../Resources/kiee/KIEE.2020.69.9.1303/fig16.png

2.2.3 조류 애니메이션(flow animation) 기능

조류 애니메이션 기법은 다양한 물리량들의 흐름을 단선도상에 크기와 방향을 화살표와 같은 모양으로 표기하는 방법을 말한다. 조류계산 결과 각 선로에 흐르는 조류의 크기와 방향을 화살표의 크기와 흐름으로 표현하는 방법으로 가장 널리 사용되는 시각화 기법 중 하나이다. 개발된 프로그램에서는 그림 17과 같이 조류계산 결과 및 상태 추정 결과 확인용으로 선로의 조류의 양과 방향 및 크기를 조류 애니메이션을 통해 정보를 제공하고 있다. 그림 17은 IEEE 14모선의 조류계산 결과를 이용하여 조류의 흐름을 보여준다.

그림. 17. 조류 애니메이션 도

Fig. 17. Flow Animation Diagram

../../Resources/kiee/KIEE.2020.69.9.1303/fig17.png

3. 결 론

본 논문에서는 계통 모선의 지리적 위치를 기반으로 전력계통도의 자동 생성 기능을 가진 계통 정보 시각화 프로그램을 개발하였다. 개발된 프로그램은 상태추정과 조류계산 응용프로그램을 활용하여 계통을 해석하고 그에 대한 정보를 시각화하여 제공한다. 본 프로그램은 전력계통 해석 응용프로그램 간에 데이터를 공유하며, 많은 양의 데이터를 편집하고 관리하기 용이하도록 구성하였다.

프로그램은 상태 추정에 대한 기본적인 알고리즘들의 특성과 상태 추정이 포함하고 있는 내부적인 부가 기능들에 대하여 학습할 수 있는 토대를 마련하였다. 또한, 조류계산을 포함하고 있어 조류계산에 대한 학습 및 상태 추정에 사용될 측정데이터 셋과 계통 해석에 대한 기본적인 시나리오들을 생성할 수 있다. 개발된 프로그램은 계통 해석과 운영을 위한 기타 응용프로그램을 쉽게 추가하여 프로그램의 확장이 용이하도록 개발하였다.

본 응용프로그램은 전력 공학에 대한 기초 지식을 가진 사용자의 입장에서 개발하였으며, 상태 추정 및 조류계산의 주요 기능과 부기능에 대한 솔루션을 제공하고 있다. 이를 통해 기본적인 상태 추정 알고리즘의 이해와 측정데이터에 포함된 불량데이터의 검출 및 제거하는 불량데이터 처리 기능을 학습할 수 있으며, 가관측성 해석을 이용한 측정기기의 최적 위치 선정 등과 같은 상태 추정과 조류계산과 같은 전력계통 해석의 개념 이해을 위한 다양한 응용을 수행 할 수 있다.

추후 대형 계통의 표현을 위한 화면의 확대 및 축소 기능을 추가하고 확장을 통해 더 많은 기능들이 제공될 수 있을 것으로 기대한다. 본 논문을 통해 개발한 전력시스템 해석을 위한 정보 시각화 프로그램을 이용해 사용자의 계통 해석을 위한 기초 지식 및 응용을 위해 상태 추정 및 조류계산에 국한된 기능뿐 아니라 지속적으로 다양한 계통 해석 응용프로그램의 기능 업데이트를 추진하고자 한다.

Acknowledgements

This research was supported by Korea Electric Power Corporation (Grant number: R18XA06-76) and Soonchunhyang University (Grant number: 20120669).

References

1 
Seokha Song, 2006, Development of Korean Energy Management System(K-EMS), Journal of Electrical worldGoogle Search
2 
A. Abur, A. Exposito, 2004, Power System State Estimation, Marcel Dekker, Inc.Google Search
3 
A. Monticelli, 1999, State Estimation in Electric Power Systems : A Generalized Approach, Kluwer Academic PublishersGoogle Search
4 
A. Monticelli, A. Garcia, 1990, Fast Decoupled State Estimator, IEEE Trans. on Power Systems, Vol. 5, No. 2, pp. 556-564DOI
5 
A. Abur, M. Celik, 1992, A Fast Algorithm for the Weighted Absolute Value State Estimation, IEEE Trans. on Power Systems, Vol. 6, pp. 1-8DOI
6 
Simes-Costa A., Quintana V., February 1981, A Robust Numerical Technique for Power System State Estimation, IEEE Trans. on Power Apparatus and Systems, Vol. pas-100, pp. 691-698DOI
7 
A. G. Exposito, A. Abur, August 1998, Generalized Observability Analysis and Measurement Classification, IEEE Trans. on Power Systems, Vol. 13, No. 3, pp. 1090-1096DOI
8 
A. Monticelli, F. F. Wu, May 1985, Network Observability: Theory, IEEE Trans. on PAS, Vol. PAS-104, No. 5, pp. 1042-1048DOI
9 
A. Monticelli, F.F. Wu, May 1985, Network Observability: Identifi- cation of Observable Islands and Measurement Placement, IEEE Trans. on PAS, Vol. PAS-104, No. 5, pp. 1035-1041DOI
10 
G. R. Krumpholz, K. A. Clements, P. W. Davis, July/Aug 1980, Power System Observability: A Practical Algorithm Using Network Topology, IEEE Trans. on Power Apparatus and Systems, Vol. PAS-99, No. 4, pp. 1534-154DOI
11 
K. A. Clements, G. R. Krumpholz, P. W. Davis, 1983, Power System State Estimation with Measurement Deficiency: An Observability/Measurement Placement Algorithm, IEEE Trans. on Power Apparatus and Systems, Vol. 102, No. 7, pp. 2012-2020DOI
12 
Gou Bei, A. Abur, November 2001, An Improved Measurement Place- ment Algorithm for Network Observability, IEEE Trans. on Power Systems, Vol. 16, No. 4, pp. 819-824DOI
13 
E. Handschin, F. C. Schweppe, J. Kohlas, A. Fiechter, 1975, Bad Data Analysis for Power System State Estimation, IEEE Trans. on Power Apparatus and Systems, Vol. PAS-94, No. 2, pp. 329-337DOI
14 
F. Broussolle, May 1978, State Estimation in Power Systems: Detecting Bad Data through the Sparse Inverse Matrix Method, IEEE Trans. on PAS, Vol. PAS-97, No. 3, pp. 678-682DOI
15 
A. Monticellli, A. Garcia, 1983, Reliable Bad Data Processing for Real-Time State Estimation, IEEE Trans. on PAS, Vol. PAS-102, No. 3, pp. 1126-1139DOI
16 
W. F. Tinney, C. E. Hart, 1968, Power Flow Solution by Newton’s Method, IEEE Trans. on PAS, Vol. pas-86, pp. 1449-1460DOI
17 
S. T. Despotovic, 1974, A New Decoupled Load-Flow Method, IEEE Trans. on PAS, Vol. pas-93, pp. 884-891Google Search
18 
B. Stott, 1972, Decoupled Newton Load Flow, IEEE Trans. on PAS, Vol. PAS-91, pp. 1955-1959DOI
19 
B. Stott, O. Alsac, 1974, Fast Decoupled Load Flow, IEEE Trans. on PAS, Vol. pas-93, pp. 859-869DOI
20 
R. A. M. Van Amerongen, May 1989, A General Purpose Version of the Fast Decoupled Load Flow, IEEE Trans. on Power Systems, Vol. 4, pp. 760-770DOI
21 
https://www.ee.washington.edu/research/pstca/Google Search

저자소개

김병호(Byoung-Ho Kim)
../../Resources/kiee/KIEE.2020.69.9.1303/au1.png

He received his B.S., M.S. and Ph.D. degrees in Electrical Engineering from Soonchunhyang University, Korea, in 2007, 2009 and 2015, respectively.

He is currently an assistant professor at the Dept. of Electronics and Infor- mation Engineering at Soonchunhyang University, Korea.

홍 민(Min Hong)
../../Resources/kiee/KIEE.2020.69.9.1303/au2.png

He received B.S. degree in Computer Science from Soonchunhyang University in 1995.

He received his M.S. degree in Computer Science and Ph.D. degree in Bioinformatics from the University of Colorado in 2001 and 2005, respectively.

He is a professor at the Dept. of Computer Software Engineering, Soonchunhyang University, Korea.

His research interests are in Computer Graphics, Mobile Computing, Physically- based Modeling and Simulation.

김규호 (Kyu-Ho Kim)
../../Resources/kiee/KIEE.2020.69.9.1303/au3.png

He received his B.S., M.S. and Ph.D. degrees from Hanyang University, Korea, in 1988, 1990 and 1996, respectively.

He is a professor in the Department of Electrical Engineering at Hankyong University, Korea.

He was a visiting scholar at Baylor University for 2011-2012.

His research interests include power system control and operation, optimal power flow and renewable energy.

김홍래(Hongrae Kim)
../../Resources/kiee/KIEE.2020.69.9.1303/au4.png

He received his B.S. and M.S. degrees in Electrical Engineering from Yonsei University, Korea in 1986 and 1989, respectively.

He received his Ph.D. in Electrical Engineering from Texas A&M University, College Station, Texas, in 1995.

He is currently a professor at the Dept. of Electronics and Information Engineering at Soonchunhyang University, Korea.

His research interests include power system analysis and state estimation.