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

  1. (Dept. of Electrical and Computer Engineering, Sungkyunkwan University, Korea.)



Distributed Generation, Hosting Capacity, Overcurrent Relay, Optimize, Protection Blinding, Protection System, Sympathetic Tripping, Time Dial Setting

1. 서 론

전 세계적으로 급변하는 기후와 환경에 대한 관심 증가로 인해 재생에너지와 관련된 국내·외 여러 정책이 시행되고 있다. 국내의 경우, 재생에너지 발전량 비중을 2030년까지 20 [\%]로 설정하는 ‘재생에너지 3020 이행계획(안)’ 정책을 시행하고 있으며, 연간 목표치 2.5 [GW]를 매년 초과달성하고 있다(1). 국외의 경우, 2014년 비영리 환경단체인 클라이밋그룹 (The Climate Group)과 Carbon Disclosure Project (CDP)가 연합하여 개최한 ‘뉴욕 기후 회의’에 기업이 필요한 전력의 100 [\%]를 재생에너지로 공급하는 ‘RE 100’을 발표하였고 2020년 기준 277개의 국외 기업이 가입하였다(2).

이러한 추세로 미래에는 계통 내 많은 양의 전력을 재생에너지 기반 분산전원이 공급할 것으로 예상되어 계통 내 연계 가능한 분산전원 최대 용량을 의미하는 수용용량 (Hosting capacity)에 관한 연구가 중요해졌다(3). 기존의 수용용량 산정은 분산전원 연계에 따른 과전압, 선로 과부하 등 계통에 악영향을 끼치지 않는 전력품질의 지표를 안정시키는 것에 초점이 맞춰져 있다(4-6). 하지만 전력품질만을 고려한 최대 수용용량 산정 방안은 분산전원의 보호협조 시스템에 대한 영향을 고려하지 않아 고장 발생 시 계통 안정성에 악영향을 끼칠 가능성이 증가하게 된다.

분산전원이 보호협조 시스템에 끼치는 영향을 고려해 안정성을 확보하는 것은 주로 계전기 정정값을 최적화해 해결된다. 다수의 문헌에서는 선형 계획법을 통해 동작전류를 고정시키고 계전기 정정값 중 Time Dial Setting (TDS)를 최적화하고 있으며(7-8), 최적화 기법을 도입해 최적 정정값을 계산하고 있다(9-11). 하지만, 이러한 계전기 최적값 연구는 분산전원 용량을 고정시키거나 단순 증감을 통해 수행되기 때문에 분산전원의 고침투율 (최대 수용용량)이 고려되지 못한 한계가 뚜렷하다.

따라서, 계전기 최적 정정값에 관한 연구는 현 에너지 패러다임에 맞춰 증가하는 분산전원 최대 침투율 연구와 함께 수행되어야 하며, 본 논문에서는 이를 위해 분산전원이 보호시스템에 문제를 발생시키지 않는 범위 내에 존재하는 최대 수용용량과 그때의 계전기 TDS를 동시에 최적화하는 알고리즘을 제안하였다. 본 방법은 최대 수용용량을 극대화하면서 고장 발생에 의한 고침투율 분산전원의 영향을 최소화하는 것이 가능하다는 장점을 가지며, 시뮬레이션은 MATLAB과 DigSILENT PowerFactory를 통해 수행되었다.

2. 태양광 발전의 전력계통 최대 수용용량 산정

수용용량의 정의는 현재 계통 운영 체계에서 추가적인 설비보강 없이 전력품질에 악영향을 미치지 않고 연계 가능한 재생에너지의 발전설비 용량을 의미한다(12). 하지만 연계 가능한 태양광 발전의 최대용량은 선로 용량, 전압 규정 등 전력품질 측정지표에 한계가 지정되어 있어 그림 1과 같이 이를 위반하지 않는 범위 내에서 최적값을 산출하는 것이 중요하다(13). 구분된 구역의 설명은 다음과 같다.

∙ 구역 1 : 태양광 발전 용량 및 설치 위치에 관계없이 계통의 안정성에 악영향을 미치지 않는 안전 구역

∙ 구역 2 : 태양광 발전이 연계되었을 때 측정지표를 위반할 가능성이 큰 구역

∙ 구역 3 : 측정지표를 위반하여 산정된 태양광 발전 용량으로 계통에 연계해서는 안 되는 구역

따라서, 본 논문에서는 최적화 기법인 유전알고리즘을 사용하여 태양광 발전의 수용용량 및 최적 위치를 산정하였다.

그림. 1. 태양광 발전 수용용량 산정

Fig. 1. Calculation of Photovoltaic hosting capacity

../../Resources/kiee/KIEE.2021.70.6.852/fig1.png

3. 보호협조

3.1 기존 배전계통 보호협조

배전계통 내 보호기기의 주 역할은 건전 구간과 고장 구간을 분리해 고장으로 인한 피해를 최소화하는 것이다. 이때, 고장과 가장 가까운 보호기기만 작동하고 나머지 보호기기들은 투입 상태를 유지해야 정상적인 동작을 수행하였다고 판단한다. 이러한 과정으로 보호 동작을 수행하는 경우를 보호협조라고 정의하며, 그림 2와 같다(14). 만일, A3 구간에 고장이 발생할 경우 주보호인 Relay 2가 동작하여 건전 구간인 A1, A2의 피해를 최소화한다. 만약 Relay 2가 작동하지 않으면 A2의 Relay 1이 작동하게 되고 이를 Relay 2의 후비보호라고 한다.

그림. 2. 보호협조 개념

Fig. 2. Protection coordination concept

../../Resources/kiee/KIEE.2021.70.6.852/fig2.png

또한, 주보호 및 후비보호 계전기는 동작시간 간격인 Coor- dination Time Interval (CTI)이 보장되어야 보호협조가 되는 것으로 판별되고, 주로 0.2-0.5 사이의 값으로 지정된다(15). 본 논문에서는 CTI의 값으로 0.3을 사용하였다. 계전기 사이 협조여부는 다음의 식(1)로 판단하며, 만일 $\triangle t_{ma\in .backup}$이 0을 초과하면 주보호와 후비보호 계전기는 보호협조 동작을 수행하는 것으로 판단하고, $\triangle t_{ma\in .backup}$이 0 이하이면 후비보호 계전기가 먼저 동작하거나 동시에 동작하는 상황으로 판단한다.

(1)
$\triangle t_{ma\in .backup}=t_{backup}-t_{ma\in}-CTI$

여기서, $\triangle t_{ma\in .backup}$은 CTI 시간차, $t_{backup}$은 후비보호 동작 시간, $t_{ma\in}$은 주보호 동작 시간, $CTI$는 협조시간 간격을 의미한다.

보호협조에 필요한 계전기 특성곡선 (Time-Current Charac- teristic Curve, TC Curve)은 고장전류의 크기에 따라 동작 시간이 달라지는 특성을 곡선으로 표현한 것이다. 계전기의 동작 시간은 다음 식(2)와 같고 본 논문에서는 IEC 60255의 강반한시 특성을 사용하였으며, 계전기 동작전류는 최대 부하전류와 최소 고장전류 사이로 선택하기 위해 최대 부하전류의 150 [\%]로 설정하였다(16). 또한, 강반한시 TC 특성곡선에 따라 상수 A는 13.5, B는 1로 설정하였다.

(2)
$t_{op}=TDS\times\dfrac{A}{(\dfrac{I_{f}}{I_{p}})^{B}-1}$

여기서, $t_{op}$는 계전기 동작시간 $TDS$는 계전기의 조정 가능한 시간 지연값, $I_{f}$는 고장전류, $I_{p}$는 동작전류, $A,\: B$는 특성 곡선의 상수를 의미한다.

3.2 태양광 발전 연계 배전계통 보호협조

태양광 발전 연계로 조류가 기존 단방향에서 양방향으로 변화함에 따라 계통 고장 발생 시 보호기기 오·부동작과 같은 문제가 야기되고 있으며, 이는 기기 손상과 화재, 정전을 유발하여 이를 방지하는 보호협조 시스템 구축이 필요하다.

3.2.1 보호기기 부동작-Blinding Protection

그림 3은 보호기기 부동작에 관한 그림이며, Feeder 2에 3상 단락고장이 발생하는 경우, 고장전류는 변전소 측과 분산전원 측 모두에서 공급된다. 따라서, 고장전류가 분산되어 표시된 Feeder 2 CB 보호기기의 고장전류 크기는 줄어들게 되며, 기존에 설정한 계전기 정정값으로 보호되지 않는 현상이다(17).

그림. 3. 보호기기 부동작

Fig. 3. Blinding protection

../../Resources/kiee/KIEE.2021.70.6.852/fig3.png

3.2.2 보호기기 오동작-Sympathetic Tripping

그림 4는 보호기기 오동작에 관한 그림이며, 그림과 같이 Feeder 1에 발생한 고장에 대해 고장 선로의 보호기기가 오동작하는 것으로 분산전원이 연계된 배전계통 내 가장 빈번하게 발생하는 사고이다(18). 보호기기 오동작은 Feeder 1 고장에 대해 Feeder 2에 있는 분산전원이 고장전류를 기여함에 따라 표시된 Feeder 2 CB의 계전기가 작동하게 되는 현상이다.

그림. 4. 보호기기 오동작

Fig. 4. Sympathetic Tripping

../../Resources/kiee/KIEE.2021.70.6.852/fig4.png

4. 제안하는 태양광 발전의 계통 수용용량 및 과전류 계전기 정정값 최적화

제안하는 알고리즘은 태양광 발전의 계통 수용용량 및 계전기 정정값 최적화를 동시에 수행해 계통의 신뢰성과 안정성을 확보하는 방안이다. 알고리즘 검증을 위한 세 가지 Case를 아래와 같이 수행하였다. 또한, 모든 경우에서 분산전원이 배전계통에 미치는 영향을 분석하기 위해 고장 모의를 함께 진행하였다.

∙ Case 1 : 태양광 발전 수용용량 최적화 + 기존 계전기 정정값

∙ Case 2 : 태양광 발전 수용용량 최적화 + 계전기 정정값 최적화 - 단일 목적함수 (각각 수행)

∙ Case 3 : 태양광 발전 수용용량 최적화 + 계전기 정정값 최적화 - 다중 목적함수 (동시 수행)

Case 1은 전력품질을 고려해 최대 수용용량을 산정하고 기존 계전기 정정값으로 고장 모의를 수행한 경우이다. 본 경우를 통해 최대 수용용량을 갖는 분산전원이 배전계통 보호협조 시스템에 끼치는 영향 평가와 그에 따른 계전기 최적화의 필요성이 강조된다. 최적화에 사용된 유전알고리즘 목적함수는 식(3)과 같이 태양광 발전 용량이 최대가 되도록 하였으며, 제약조건은 식(4)식(5)의 전압 및 허용전류를 고려하였다.

(3)
$F_{1}=\max[\sum_{i=1}^{N}(Photovoltaics Host\in g "\cap ac y"_{i})]$

(4)
$0.95[p.u.]\le V_{node p.u.}\le 1.05[p.u.]$

(5)
$I_{"L\in e"}\le Ampac y_{"L\in e"}$

여기서, $V_{node p.u.}$는 p.u. 노드 전압, $I_{"L\in e"}$는 선로에 흐르는 전류, $Amapac y_{"L\in e"}$는 선로 허용전류이다.

Case 2는 Case 1에서 발생한 보호협조 시스템의 문제 해결을 위해 태양광 발전 수용용량 산정 최적화 이후 계전기 최적화를 수행한 경우이다. 하지만 본 경우는 계전기 최적화 수행 시 계전기 정정값 중 TDS 최댓값 지정으로 인한 계전기 최적화 단일 목적함수 한계를 보인다. 그에 따라 제안하는 Case 3의 다중 목적함수를 통한 수용용량 및 정정값 동시 최적의 필요성이 강조되는 경우이다. 본 경우에서 추가된 계전기 최적화 유전알고리즘 목적함수는 주보호와 후비보호 계전기의 동작시간이 최소가 되도록 하는 식(6)을 사용하였다.

(6)
$F_{2}=\min\sum_{i=1}^{N}(OCR_{-}t_{op.ma\in .i}+OCR_{-}t_{op.Backup})$

여기서, $OCR_{-}t_{op.ma\in .i}$는 $i$번째 주보호 OCR 동작시간, $OCR_{-}t_{op.Backup}$는 후비보호 OCR 동작시간이다.

Case 2의 제약조건인 식(7)은 부동작 방지를 위해 단락에 따른 고장 시간을 고려하여 2 [s] 내에 후비보호 계전기가 작동하지 않을 때 보호하지 못한 것으로 판별해 설정하였다. 식(8)은 오동작에 관한 제약조건으로 주보호 계전기보다 빠른 시간 안에 후비보호 계전기가 동작하게 되는 경우로 설정하였다. 식(9)는 CTI 보장에 관한 것으로 보호협조 시간 차이가 CTI 범위를 만족하는지 판별하도록 설정하였다.

(7)
$t_{op.DG}-t_{op."orig\in "}SUCC 2[s]$

여기서, $t_{op.PV}$는 태양광 발전 연계 후 OCR 동작시간, $t_{op.""org\in ""}$는 기존 OCR 동작시간을 의미한다.

(8)
$\triangle OCR_{-}t_{op}\ge OCR_{-}t_{op.ma\in}-OCR_{-}t_{op.Backup}$

(9)
$\triangle OCR_{-}t_{ma\in .Backup}\le OCR_{-}t_{op.Backup}-OCR_{-}t_{op.ma\in}-CTI$

Case 3은 단일 목적함수로 염색체를 구성해 수용용량 및 계전기 정정값을 각각 따로 최적화할 경우 발생할 수 있는 문제를 극복하기 위해 Case 1과 Case 2의 모든 제약조건을 고려하여, 유전알고리즘 염색체를 $F_{1}$과 $F_{2}$ 다중 목적함수로 구성해 동시에 최적화하는 경우이며 그림 5와 같다. 임의로 설정된 다중 목적함수는 $F_{1}$ 및 $F_{2}$ 염색체들로 하나의 세대가 생성되며, 한 세대의 초기 염색체들은 지정한 세대수 $i$에 도달할 때까지 적합도가 높은 염색체를 탐색하도록 반복 수행된다. 이때, 다중 목적함수의 염색체 적합도는 설정한 제약조건 위반횟수가 적을수록 커지게되고, 변이를 통해 적합도가 높은 함수를 제외한 유전자는 도태되도록 설정하였다.

그림. 5. 제안하는 알고리즘 순서도

Fig. 5. Flowchart of proposed algorithm

../../Resources/kiee/KIEE.2021.70.6.852/fig5.png

그림 5와 같이 태양광 발전의 최대 수용용량 산정을 위해 $F_{1}$에 대한 제약조건 검사가 우선 수행되며, 만일 식 (4-5)를 위반 시 $F_{1}$ 염색체는 패널티를 부여받게 된다. 이후, $F_{1}$ 태양광 발전 용량을 계통에 연계해 고장 모의를 진행하고 $F_{2}$의 계전기 TDS를 적용해 보호협조 시스템 제약조건인 식 (7-9)를 검사하게 된다. 이때, 제약조건 위반 시 동일하게 $F_{2}$ 염색체에 대해 패널티를 부여한다. 본 알고리즘을 통해 결과적으로 계전기 TDS 지정 범위 내에 존재하는 $F_{1}$ 최대 수용용량을 산정할 수 있게 되며, 동시에 $F_{1}$의 고침투율 상황을 대비한 $F_{2}$의 계전기 최적 정정값이 산출되어 안정적인 보호협조 시스템을 구축할 수 있다.

그림. 6. IEEE 37 모의 배전계통

Fig. 6. IEEE 37 Node Test Feeder

../../Resources/kiee/KIEE.2021.70.6.852/fig6.png

표 1. GA 파라미터

Table 1. GA Parameter

Parameter

Contents

Parameter

Contents

Simulation Time

24 hour

Population

50

Time Interval

1 hour

Selection

Roulette Wheel

Generation

3,000

Mutation Rate

0.1

5. 시뮬레이션 조건 및 결과분석

5.1 시뮬레이션 조건

그림 6은 본 논문에서 사용한 IEEE 37 모의 배전계통의 단선도이며, 표 1은 최적화 시뮬레이션에 사용한 GA의 파라미터이다. 시뮬레이션은 MATLBA과DigSILENT가 서로 연동되도록 설정하였으며, MATLAB을 통해 최적화를 진행하였고 산출된 최적값 (태양광 수용용량 및 계전기 TDS)을 DigSILENT에 적용해 조류해석과 고장해석을 수행하였다. 모의된 계통에는 2개의 변압기가 포함되어 있고 변압기의 총 용량은 3,000 [kVA]이며, 태양광은 부하를 갖는 24개의 모선에 설치하였고, 모의된 계통의 총 부하량 (Spot loads)은 2,739.51 [kVA]이다. 대규모 태양광 발전 단지 연계로 증가하게 되는 고장전류 기여가 변전소에 미치는 영향을 최소화하기 위해 가까운 구역 1-3에 OCR을 설치하였고, 후비보호 OCR은 변압기 2차 측 선로 바로 앞에 설치하였다. 고장은 주보호 OCR과 가장 가까운 713, 703, 705에 3상 단락 고장을 모의하였다. 태양광 발전량과 부하량은 참고문헌(19-20)을 사용하여 시뮬레이션에 적용하였다.

5.2 시뮬레이션 결과분석

다음 표 2는 계전기가 설치되어 있는 위치와 가장 가까운 곳에 고장을 모의한 후 식(2)로 각 계전기의 파라미터를 산출한 값이다. 각 계전기 동작시간 $t_{op}$는 모두 0.2 [s]로 설정하였으며, 후비보호 계전기는 CTI 0.3을 고려해 각 TDS와 $t_{op}$를 산출하였고, 그 중 가장 큰 고장 전류를 보호할 수 있는 TDS인 0.06으로 설정하였다.

표 2. 구역별 계전기 정정 파라미터

Table 2. Relay parameter for each zone

Parameter

Region 1, OCR 1

(713 Fault)

Region 2, OCR 2

(703 Fault)

Region 3, OCR 3

(705 Fault)

$t_{op}$ [s]

0.2

$I_{f}$ [A]

1,355

1,368

1,346

$I_{p}$ [A]

107.8050

223.02

35.5050

$A,\: B$

13.5, 1

$TDS$

0.13

0.05

0.28

Backup Protection

$TDS$ ($t_{op}$)

0.06 (0.5)

다음 표 3은 Case 1에서의 태양광 발전의 최대 수용용량이며, 총 5,650 [kVA]로 산정되었다. 본 논문에서는 기존 수용용량 산정 방안으로 산정된 태양광 발전 용량이 배전계통 보호시스템에 미치는 영향을 고려하기 위해 고장 분석을 수행하였다. 그림 7(a)는 705 모선 고장에서의 TC 곡선이며, 건전선로인 구역 2는 태양광 발전 수용용량이 다른 구역에 비해 높아 고장전류를 크게 기여하고 그에 따라 구역 2의 보호기기가 오동작한 것으로 분석할 수 있다. 그림 7(b)와 (c)는 703 및 713 모선 고장에 대한 TC 곡선이며, 두 경우 보호기기 오동작 또는 부동작 상황이 발생하지 않았지만, (c)의 경우 CTI의 범위가 초과된 것을 확인할 수 있다. 이는 수용용량이 과도하게 산정되어 기존 계전기 정정값으로는 보호협조 시스템의 위반사항 (보호기기 오동작 및 보호협조 시간 초과)을 해결할 수 없게 된 것을 의미한다. 따라서, 수용용량 산정 시 이를 해결하기 위한 계전기 최적화가 필요하다.

Case 2의 각 계전기 TDS 값은 최적화를 통해 703에서 OCR 0.23, 705에서 OCR 0.07, 713에서 OCR 0.11로 산출되었다. 이를 적용하여 고장 모의를 진행한 결과 계전기 TC 곡선은 그림 8과 같다. 그림에서와 같이 계전기 최적화를 수행했음에도703 고장 시 보호기기 오동작 및 705, 713 고장 시 CTI 범위 초과가 되는 것을 확인할 수 있다. 이는 태양광 발전 최대 수용용량 최적화와 계전기 정정값 최적화가 각각의 단일 목적함수로 수행될 경우, TDS 최댓값 지정으로 최적값 산출의 한계가 있음을 의미한다. 즉, 두 가지의 최적값의 상관관계로 각각의 단일 목적함수 최적화가 아닌 다중 목적함수를 통한 최적화가 수행되어야 한다.

표 3. Case 1 : 태양광 발전 수용용량

Table 3. Case 1 : Hosting capacity of Photovoltaics

BUS

Capacity [kVA]

BUS

Capacity [kVA]

712

190

731

330

713

175

732

370

714

130

733

315

718

150

734

380

720

75

735

350

722

85

736

360

724

95

737

310

725

170

738

260

727

325

740

70

728

330

741

40

729

315

742

180

730

305

744

340

Total [kVA]

5,650

그림. 7. Case 1 : TC 곡선 (a) 705 (b) 703 (c) 713

Fig. 7. Case 1 : TC Curve (a) 705 (b) 703 (c) 713

../../Resources/kiee/KIEE.2021.70.6.852/fig7.png

그림. 8. Case 2 : TC 곡선 (a) 705 (b) 703 (c) 713

Fig. 8. Case 2 : TC Curve (a) 705 (b) 703 (c) 713

../../Resources/kiee/KIEE.2021.70.6.852/fig8.png

그림. 9. Case 3 : TC 곡선 (a) 705 (b) 703 (c) 713

Fig. 9. Case 3 : TC Curve (a) 705 (b) 703 (c) 713

../../Resources/kiee/KIEE.2021.70.6.852/fig9.png

표 4는 제안하는 알고리즘 (Case 3)으로 태양광 발전 수용용량과 계전기 TDS 최적값을 산출한 결과이다. Case 3의 수용용량은 Case 1에 비해 730 [kVA] 감소된 4,920 [kVA]로 산출되었지만, 계통 고장 발생 시 어떠한 보호협조 문제도 발생하지 않는 안정적인 용량을 의미한다. 다음 그림 9는 Case 3의 고장 상황 분석이며, 고장 구역별로 보호기기 오·부동작사항을 위반하는 것이 없고, 모든 CTI가 보호협조 시간 여부 범위를 만족하는 것을 확인할 수 있다. 이는 결과적으로 모의된 IEEE 37 배전계통 내 태양광 발전 최대 수용용량이 산정되었으며, 이러한 최대 수용용량의 침투에도 불구하고 계전기 정정값이 최적으로 동시에 변경되어 모든 고장 상황에 보호협조 시스템 문제가 발생하지 않고 안정적으로 운영될 수 있는 것을 의미한다.

표 4. Case 3 : 태양광 발전 수용용량 및 계전기 TDS Case 3 : 태양광 발전 수용용량 및 계전기 TDS

Table 4. Case 3 : Hosting capacity of Photovoltaics and Relay TDS

BUS

Capacity [kVA]

BUS

Capacity [kVA]

712

270

731

360

713

170

732

100

714

330

733

160

718

150

734

160

720

200

735

210

722

230

736

180

724

170

737

160

725

100

738

250

727

250

740

150

728

290

741

310

729

180

742

190

730

60

744

290

Total [kVA]

4,920

Optimization TDS

0.17 (Region 1)

0.08 (Region 2)

0.25 (Region 3)

0.05 (Backup Region)

6. 결 론

기존의 수용용량 산정 연구는 주로 전압, 허용전류 등 계통에 악영향을 끼치는 전력품질 영향 측면을 분석하는 것으로 연구되어 왔다. 하지만 전력품질만 고려하여 수용용량을 산정할 경우 용량이 과도하게 산정되어 배전계통 보호기기 오·부동작, 보호협조 시간 범위 초과 등 보호시스템에 악영향을 줄 수 있다. 이러한 문제는 산정된 수용용량을 고정하고 계전기 정정값을 변경함으로써 어느정도 극복할 수 있지만, 정정값의 최대값이 지정되어 있어 한계가 뚜렷한 방안이다.

따라서 본 논문에서는 분산전원이 보호시스템 문제를 발생시키지 않으면서 최대 용량을 가지도록 계전기 TDS와 분산전원 수용용량을 동시에 최적화하는 알고리즘을 제안하였다. 이를 통해 기존에 과도하게 산정된 수용용량으로 발생되는 보호시스템 문제 해결하였으며, 신뢰성과 안정성이 높은 계통을 확보하였다.

Acknowledgements

This work was supported by the National Research Foundation of Korea(NRF) grant funded by the Korea government(MSIP) (No. 2018R1A2A1A05078680).

References

1 
Ministry of Trade, Industry and Energy, 2017, Renewable Energy 3020 Implementation PlanGoogle Search
2 
Korea Energy Agency, 2017, Weekly Issue Briefing (no.156)Google Search
3 
Ismael, 2019, State-of-the-art of hosting capacity in modern power systems with distributed generation, Renewable energy, Vol. 130, pp. 1002-1020DOI
4 
Han Nim Yu, Woo Yeong Choi, Kyung Soo Kook, 2021, A Control Strategy of BESS and its Real-Time Simulation for increasing the Hosting Capacity of Variable Energy Resources in the Distribution System, The Korean Institute of Electrical Engineers, Vol. 70, No. 4, pp. 599-610Google Search
5 
R. Torquato, 2018, A Comprehensive Assessment of PV Hosting Capacity on Low-Voltage Distribution Systems, IEEE Transactions on Power Delivery, Vol. 33, No. 2, pp. 1002-1012DOI
6 
S. Sakar, 2017, Increasing PV hosting capacity in distorted distribution systems using passive harmonic filtering, Electr. Power Syst. Res, Vol. 148, pp. 74-86DOI
7 
Ekta Purwar, D. N. Vishwakarma, S. P. Singh, 2019, A Novel Constraints Reduction Based Optimal Relay Cordination Method Considering Variable Operational Status of Distribution System with DGs, IEEE Transactions on Smart Grid, Vol. 10, No. 1, pp. 889-898DOI
8 
Khaled A. Saleh, 2015, A New Protection Scheme Considering Fault Ride Through Requirements for Transmision Level Interconected Wind Parks, IEEE Transactions on Industrial Informatics, Vol. 1, No. 6, pp. 1324-133DOI
9 
A. Carlos, 2015, Directional overcurent relay cordination considering non-standardized time curves, Electric Power Systems Research, Vol. 12, pp. 42-29DOI
10 
D. Solati Alkaran, 2018, Optimal Overcurent Relay Cordination in Interconected Networks by Using Fuzy-Based GA Method, IEEE Transactions on Smart Grid, Vol. 9, No. 4, pp. 3091-3101Google Search
11 
Razavi Farzad, 2008, A new comprehensive genetic algorithm method for optimal overcurent relays cordination, Electric Power Systems Research, Vol. 78, pp. 713-720DOI
12 
Korea Electric Power Corporation Research Institute, 2018, Feeder’s DER Hosting CapacityGoogle Search
13 
H. J. Bollen Math, K. Ronnberg Sarah, 2017, Hosting Capacity of the Power Grid for Renewable Electricity Production and New Large Consumption Equipment, Energies, Vol. 10DOI
14 
Distribution Protection TechnologyGoogle Search
15 
H. M. Sharaf, 2015, A proposed coordination strategy for meshed distribution systems with DG considering userdefined characteristics of directional inverse time overcurrent relays, International Journal of Electrical Power and Energy Systems, Vol. 65, pp. 49-58DOI
16 
1989, Electrical relays-Part 3: Single input energizing quantity measuring relays with dependent or independent time, IEC 60255-3:1989Google Search
17 
Edward Coster, Myrzik Johanna, Kling Wil, 2010, Effect of DG on distribution grid protection, Distributed generationGoogle Search
18 
Korea Electric Power Corporation Research Institute, 2008, Analysis of the cause of malfunction of OCGR for power generation customersGoogle Search
19 
Korea Electric Power Corporation, 2019, KEPCO’s Photovoltaics OutputGoogle Search
20 
Korea Electric Power Corporation, 2019, KEPCO’s LoadGoogle Search

저자소개

Hyung-Jin Oh
../../Resources/kiee/KIEE.2021.70.6.852/au1.png

He received a B.S degree from the College of Information and Technology, Gachon University, Korea, in 2019.

At present, he is enrolled in the master program.

His research interests include distributed energy resource, power system analysis, photovoltaic generation.

Ji-Soo Kim
../../Resources/kiee/KIEE.2021.70.6.852/au2.png

He received a B.S degree from the College of Information and Communication Engineering, Sungkyunkwan University, Korea, in 2016.

At present, he is enrolled in the combined master’s and doctorate program.

His research interests include power system transients, wind power generation

Min-Jae Kang
../../Resources/kiee/KIEE.2021.70.6.852/au3.png

He received a B.S degree from the Department of Electrical Engineering, Kyungnam University, Korea, in 2019.

At present, he is enrolled in the master program.

His research interests include distributed energy resource, hosting capacity and smart inverter.

I Made Dwi Darmantara
../../Resources/kiee/KIEE.2021.70.6.852/au4.png

He received a B.S degree from the School of Electrical Engineering and Informatics, Bandung Institute of Technology, Indonesia, in 2019.

At present, he is enrolled in the master’s program.

His research interests include distributed generation, microgrid, and energy storage system.

Chul-Hwan Kim
../../Resources/kiee/KIEE.2021.70.6.852/au5.png

He received the B.S., M.S., and Ph.D. degrees in electrical engineering from Sungkyunkwan University, Suwon, Korea, in 1982, 1984, and 1990, respectively.

In 1990, he joined Jeju National University, Jeju, Korea, as a FullTime Lecturer.

He was a Visiting Academic with the University of Bath, Bath, U.K., in 1996, 1998, and 1999.

He has been a Professor with the College of Information and Communication Engineering, Sungkyunkwan University, since 1992, where he is currently the Director of the Center for Power Information Technology.

His current research interests include power system protection, artificial intelligence applications for protection and control, modeling/ protection of underground cable, and electromagnetic transients program software.