3.1 통합 에너지 시스템의 토폴로지

본 절에서는 IES의 구조 및 로직을 제안한다. 그림 1은 본 연구에서 수행하는 IES를 구성하는 설비의 전체 토폴로지를 보여준다. 그림 1에서 변전소는 전력계통으로부터 전력을 수전하여 전력 수요에 대해 전력을 공급하며 풍력 발전기와 태양광 발전기는 부하에 맞춰 직접 공급되거나 EHP, HESS, EV Station에 각각 열, 전력, 수소 에너지 형태로 저장되거나 소모된다. 그림 1에서 보이는 통합 에너지 시스템의 운영 설비들은 다음과 같이 구성된다. 전력을 공급하는 RES들은 풍력 발전기와 태양광 발전기로 구성되어 있으며 전력을 열로 변환하여 열에너지를 공급하는 EHP, 전력을 EV에 공급하는 EV Station, 전력을 수소로 변환하는 ELZ, 수소를 저장하는 HESS, 수소를 이용하여 열 및 전력을 공급하는 FC로 구성된다.

그림 1. IES 토폴로지

Fig. 1. Topology of IES

3.2 재생에너지 설비 모델링

본 연구에서 RES를 구성하는 발전 설비는 WT과 PV으로 가정한다. 식 (1)은 WT의 출력식을 의미한다. WT 발전 설비의 출력 특성은 식 (2)와 같이 시동 풍속, 정격 풍속, 종단 풍속에 따라 모델링된다. 식 (3)은 PV 발전 설비의 출력을 나타낸다.

(2)

식 (1)에서 $P_{WT ,\: t},\: \rho ,\: \mu_{WT},\: A,\: v_{t}$은 WT의 출력, 공기의 밀도, 효율, WT 블레이드의 면적, 풍속을 의미한다. 식 (3)에서$P_{PV,\: t},\: C_{PV},\: f,\: G_{t},\: \epsilon ,\: T_{cell}$은 PV의 출력, 용량, 용량 감쇠계수, 일사량, 온도계수, 패널의 온도를 의미한다 ^[10].

3.3 전기 히트 펌프 모델링

EHP의 출력은 외부 온도를 구간별로 분류하고 각 구간에 해당하는 COP 성능계수를 고려하여 다음과 같이 식 (4)와 식 (5)로 표현한다.

식 (4)에서 $T_{EHP,\: t},\: P_{EHP,\: t}$는 EHP의 열 출력량과 공급되는 전력량을 의미하며 $COP_{t}$는 EHP의 성능계수로 계절별 성능계수를 의미한다. 식 (5)는 EHP의 열 출력 제약을 나타내며$C_{EHP},\: \mu_{EHP}$은 각각 설비의 용량과 효율을 의미한다.

3.4 전기차 충전소 모델링

EV station은 시간에 따른 EV의 일반적인 충전 패턴을 고려하여 식 (6)으로 표현한다.

식 (6)에서 $P_{EV,\: t}^{dch},\: P_{EV,\: t}^{ch},\: \mu_{EV}$은 각각 EV Station에 공급되는 실제 전력, 충전 전력, 전력 전송 효율을 의미한다. 다른 P2X 설비의 경우 전력 및 열 수요에 따른 최적화 과정을 통해 최적 용량이 결정된다. 하지만 EV Station은 시뮬레이션 대상 지역의 데이터 특성을 반영하여 용량 상한을 설정해야 한다. EV 수요는 국가 정책, EV 선호도 등 다양한 요인의 영향을 받아 지역별 특성이 상이하고 높은 불확실성을 나타낸다. 따라서 본 연구에서는 연구 대상 지역의 EV 수요 데이터 패턴 특성을 분석하여 EV Station의 용량을 400kW로 설정하였다.

3.5 수전해 장치 모델링

본 연구에서는 전류와 전압 변동에 대한 응답속도가 빠르고 부하 추종 성능이 뛰어난 양성자 교환막(PEM, Proton exchange Membrane) 기반 ELZ를 사용한다 ^[18].

위의 수식은 PEM 수전해장치에서 전력을 이용하여 물을 전기 분해하는 과정의 화학식이다. ELZ는 잉여전력으로 물을 전기분해하여 수소와 산소를 생산하며 생산된 수소는 수소 저장장치에 저장되고 생산된 산소는 대기 중으로 방출된다. 다음 수식은 ELZ의 동작을 모델링한 수식이다 ^[17].

식 (10)에서 $H_{ELZ,\: t},\: P_{ELZ ,\: t},\: \mu_{ELZ}$은 ELZ의 수소 생산량, ELZ에 공급되는 전력량, 효율을 나타내며 $HHV_{H2}$는 수소의 고위 발열량으로 수소가 연소 시 발출되는 에너지양을 의미한다 ^[17].

3.6 수소 저장 장치 모델링

본 연구에서는 ELZ를 통해 잉여전력을 이용하여 전기 에너지를 수소 에너지 변환 후 수소를 저장하는 HESS를 활용한다. 아래의 식은 HESS를 모델링한 수식이다.

식 (15)는 HESS의 충전 및 방전에 의한 SOC의 변동을 의미하며 는 HESS의 SOC, ELZ 장치에서 생산되어 저장되는 수소량, FC로 공급되는 수소량이다. $\underline{HSOC_{t}},\: \overline{HSOC_{t}}$는 각각 SOC의 최소 및 최댓값을 의미한다. HESS는 ELZ를 이용한 충전과 FC를 이용한 방전 과정이 독립적으로 이루어지므로 BESS와 달리 여러 대를 운용하여 충전과 방전을 동시에 수행한다. 식 (17)은 안정적인 스케줄링을 위하여 HESS에 저장된 수소의 양을 용량에 대한 일정 비율만큼 조정하는 제약식이다. 식 (17)에서 $\sigma ,\: C_{HESS}$는 각각 HESS의 비율, 용량을 의미한다. 본 연구에서는 HESS에 저장된 수소의 양을 72시간마다 HESS 용량의 0.5배로 초기화한다고 가정한다.

3.7 연료전지 모델링

FC는 전력 수요가 RES 발전량보다 크거나 FC의 운영이 경제성을 가질 때 전력을 생산하며 동시에 생성되는 열에너지는 열부하에 활용된다. 아래의 수식은 FC의 동작 모델링을 표현한 것이다 ^[17].

식 (18)와 (19)는 FC의 전력 및 열 출력을 모델링한 수식이다. 식 (18)과 (19)에서 $P_{FC,\: t},\: T_{FC,\: t}$는 각각 FC의 전력 출력, 열 출력을 의미하며 식 (20)와 (21)는 FC의 전력 및 열 출력의 범위를 정의하며 $\mu_{FC}^{P},\: \mu_{FC}^{T},\: C_{FC}$는 FC의 전력 및 열에 대한 효율과 용량을 나타낸다.

4.1 VEMS 기반 IES 운영 로직

본 절에서는 VEMS가 REP가 MEP로 전환하며 운영하는 IES에서 수행하는 역할을 설명한다. VEMS는 지역 내 분산되어 있는 RES를 통합적으로 관리하여 VPP로 운영함으로써 기존의 개별 RES가 독립적으로 운영되던 방식에서 벗어나 IES 기반의 통합 운영을 통해 에너지 자원의 효과적인 활용을 가능하게 한다. 또한 VEMS는 P2G, P2H, P2M 설비들을 통합적으로 관리하여 에너지 변환 과정을 최적화하며 독립된 에너지 중심의 기존 운영 방식에서 다종 에너지 간 연계 효과를 활용하는 IES 운영을 가능하게 한다. 특히 시간별로 변동하는 전력, 열 수요에 대응하여 각 설비의 출력을 동적으로 조정하며 전력 균형방정식과 열 균형방정식을 통해 실시간 수급 균형을 유지한다. VEMS의 핵심 기능은 RES의 불확실한 출력 변동성을 P2G 설비와 연계하여 완화하는 것이다. RES의 예측이 어려운 출력 변동에 대해 수소 생산 및 저장을 통한 에너지 저장 및 변환을 제공하여 시스템 안정성을 확보한다. 재생에너지 출력이 전력 수요를 초과할 때 출력 제한으로 손실되는 에너지를 최소화하기 위해 잉여전력을 P2X 설비를 통해 수소, 열, 모빌리티 에너지로 변환하여 활용한다. 이러한 에너지 형태의 변환을 통해 RES의 수용률을 향상시키며 RES의 경제적 이익을 극대화하고 에너지 시스템 전체의 효율성을 향상시킨다. 따라서 VEMS는 REP를 MEP로 전환하는 핵심 플랫폼 역할을 수행하며 에너지 시스템의 효율성, 경제성, 안정성을 동시에 향상시키는 핵심 요소로 작용한다.

4.2 IES 운전 제약 조건

본 절에서는 본 연구에서 제안한 VEMS 기반 IES의 운영에 대한 수학적 모델링에 대해 설명한다. VEMS 기반 IES를 통해 국내의 REP는 MEP로 전환하여 P2X설비를 운영하며 하나의 통합된 에너지 시스템인 IES를 운영한다. 다음식은 IES의 전력 수요 공급 균형제약을 나타낸다.

식 (22)와 (23)에서 $P_{\alpha ,\: t}$,$P_{\beta ,\: t}$는 기본 공급 변수와 보완 공급 변수를 의미한다. 기본 공급 변수는 RES로부터 공급되는 전력이 EV station으로 공급가능하며 EHP, ELZ와 같은 IES 설비를 통해 수소 및 열과 같은 다른 형태의 에너지로 변환될 수 있음을 의미한다. 또한 식 (22)에서 $Curtail_{t}$은 계통 제약 또는 설비 한계로 인해 실제 활용되지 못하고 출력 제한되는 RES 잉여전력을 나타낸다. 보완공급 변수는 FC로 공급받는 전력, Grid로부터 공급받는 전력으로 구성되어 있으며 유연한 제어가 가능하다. 기본 공급 변수와 보완 공급 변수로 분리함으로써 FC로부터 출력되는 전력이 ELZ, EV, EHP와 같은 IES 설비로 공급이 되는 것을 방지할 수 있다. 기본 공급 변수와 보완 공급 변수의 합으로 식 (24)과 같이 전력 수요를 충족한다.

위의 식 (25)는 열 수요 균형 제약조건을 나타내며 지역 열 공급자가 공급하는 열에너지와 FC 및 EHP를 통해 공급받은 열에너지를 통해 열 수요를 충족한다.

4.3 최적화 문제의 목적함수

본 절에서는 지역 RES를 보유한 REP가 P2X 설비를 도입하여 IES를 구성하고 운영함에 따른 각 설비의 편익과 비용을 바탕으로 순편익 목적함수를 수식화하고 MEP의 운영 관점에 대해 설명한다. 우리나라는 공급의무자에게 총발전량의 일정량 이상을 신재생에너지로 공급하도록 의무화하는 RPS제도를 시행 중이다. 이 제도에 따라 REP는 RES를 통해 생산한 전력량에 비례하여 재생에너지 공급 인증서(REC, Renewable Energy Certificate)를 발급받으며 REC를 REC 거래 시장에서 판매함으로써 전력 판매 수익 외에도 REC 거래를 통한 추가적인 경제적 이익을 얻는다. 이러한 RPS제도는 REP의 RES 투자를 촉진하여 RES의 확대에 기여한다. 따라서 RES의 경제적 편익은 계통한계가격(SMP)과 REC 수익을 통해 식 (26)과 같이 표현된다. 본 연구에서는 기존의 RES를 보유한 REP가 IES 설비를 도입하여 MEP로 전환하는 관점을 제시한다. MEP가 도입하는 IES의 설비는 ELZ, FC, HESS, EHP, EV Station이다. MEP는 이 같은 설비들을 활용하여 RES의 잉여전력을 P2G, P2H, P2M 기술을 통해 전력, 열, 수소의 공급으로 확장한다. 이를 통해 MEP는 보유한 RES에서 생산된 전력을 EV의 충전, 열에너지의 공급, 수소 공급 등 다양한 형태로 활용하여 각각에 대한 경제적인 이익을 창출한다. 다음식은 RES 및 IES 각 설비의 편익을 나타내는 수식이다.

식 (26)는 RES 설비를 통해 전력을 공급함으로써 얻는 편익을 나타내며 이는 PV, WT 발전 설비로부터 공급되는 전력을 최대화하는 것을 목표로 한다. $REC_{WT},\: REC_{PV},\: SMP_{t}$는 각 설비에 대한 REC와 전력 거래 정산금을 의미한다. 식 (27)은 P2G 설비 운영을 통한 편익을 의미하며 연료전지의 경우 신재생에너지 공급 의무화 제도 고시 ^[19]에 따라 생산된 전력을 전력시장에 판매함과 동시에 REC 가중치에 따른 추가 수익을 얻게 된다. 식 (27)의 $\Phi_{FC},\: \psi$는 REC 가중치 수익, 열에너지 가격을 나타낸다. 식 (28)은 EV Station운영에 따라 얻는 편익에 대한 수식이다. $\Phi_{EV}$는 EV의 충전 비용을 의미한다. 식 (29)은 EHP 설비 운영에 대한 편익을 나타내며 공급한 열에너지 수익에서 사용한 전력비용을 차감하여 표현한다. 아래의 표는 IES를 구성하는 설비들의 자본적 지출(CAPEX, Capital Expenditure), 운영 비용(OPEX, Operating Expenditure), 효율 정보를 나타낸다. 본 연구에서는 기존 RES를 보유하고 있는 REP가 IES를 운영함으로써 추가 수익을 창출하는 상황을 고려하므로 RES에 대한 CAPEX, OPEX는 고려하지 않는다.

IES 설비의 비용 함수는 아래와 같이 표현한다. 식 (30)은 EV Station의 비용 함수로 $EV_{station.n}$은 EV Station 설비 개수를 의미한다. 식 (31)과 (32)은 각각 P2G와 EHP 설비의 비용 함수를 나타내며 최적화 알고리즘을 통해 도출된 최적 용량 값을 기반으로 결정된다.

따라서 개별 설비 비용 함수들을 바탕으로 IES 운영의 최종 목적 함수를 설정한다. 이는 IES 설비 비용의 최소화와 운영 편익의 최대화를 동시에 고려하는 구조로 MILP 기법을 활용하여 최적화를 수행한다. 비용 함수와 편익 함수를 결합한 최종 목적 함수는 식 (33)에 나타내었다.

그림 2. IES의 최적 운영 계획(시나리오#2)

Fig. 2. Optimal Operation Scheduling for IES(Scenario#2)

5.1 데이터 및 시나리오 정보

본 연구에서 적용되는 PV와 WT의 발전량의 데이터는 2023년 제주도 시간별 발전량 데이터와 2024년 경상남도 시간별 전력 수요 데이터를 기반으로 하며 표 2 는 본 연구에서 적용되는 전력 및 열 수요의 정보를 나타낸다. 표 3은 전체 수요에 대한 PV, WT 발전기의 발전량이 전체 전력 수요 중 차지하는 발전량의 비율을 시나리오별로 나누어 나타낸다.

시나리오는 현재의 전력 수요 상황에서 RES의 발전량이 차지하는 비율이 증가할 때 IES의 효율성을 확인하기 위해 10%씩 증가하는 시나리오로 구성한다.

5.2 연간 최적 계획 결과

본 연구에서는 1년을 주기로 IES의 최적 운영 계획을 수립하며 IES 설비들의 최적 용량은 VEMS를 기반으로 전력 및 열 수요와 증가하는 RES 발전량의 비중을 고려하여 도출한다. 본 연구에서는 기존 REP가 IES를 도입하여 운영할 때의 경제적 이익과 정책 기여도를 분석하기 위해 기존의 전력 및 열 수요 데이터를 활용하였으며 지역의 실제 PV, WT 발전량 데이터를 스케일링하여 기존의 REP로서 참여하는 IPS와 IES 도입을 통한 MEP의 연간 계획을 각각 수립하고 비교하였다. 아래의 그림 2는 전력 수요에 대한 전체 RES 발전 비율이 60%를 차지하는 시나리오 2번에서의 계절별 IES 최적 운영 계획을 나타낸다. 계절별 IES 최적 운영 계획 결과를 분석하면 PV, WT과 같은 RES의 발전량이 높은 비중을 차지하는 낮 시간대에서 EV와 ELZ가 활발히 동작하는 것을 알 수 있다. 이는 부하 변동성이 우수한 ELZ가 적극적으로 동작하는 것이다. 본 연구에서 일반적인 EV의 수요는 전력 수요에 포함되어 있으며 IES 설비로써 EV Station은 피크 부하 시간 및 RES의 과잉 공급이 발생할 경우 전력 공급을 흡수하는 역할을 수행한다.

표 5는 시나리오별 IPS와 IES에서 RES의 수용률을 보여준다. 표 5에 따르면 기존의 IPS 운영 시스템은 RES의 비중이 증가함에 따라 RES의 활용률이 급격하게 감소하는 것을 확인하였다. 이는 IPS 운영 시스템의 에너지 효율이 낮다는 것을 의미한다. 반면 IES 운영 시스템은 IPS 대비 RES의 활용률이 높은 수치를 유지하여 에너지 효율 향상 및 RES 확대에 기여할 수 있음을 의미한다. RES의 비중뿐만 아니라 전력 및 열 수요가 증가하여도 더 많은 RES의 수용이 가능함으로써 REP의 안정적인 발전을 보장할 수 있다.

표 6은 시나리오별 IPS와 IES의 경제적 이익과 출력 제한되는 RES의 전력량 및 생산되는 수소의 양을 보여준다. 표 3의 분석 결과에 따르면 IPS 운영 시스템에 비해 IES 운영 시스템은 P2X 설비로 인해 발생되는 이익으로 인해 경제적인 편익이 더 높고 출력 제한되는 에너지양이 더 낮은 수치를 나타내는 것을 확인할 수 있다. 이는 RES 비중이 증가함에 따라 경제적인 편익이 상승함을 의미하며 장기적으로 증가하는 경제적 이익을 통해 P2X설비 투자 회수 가능성을 보여준다. 따라서 IES 설비에 대한 투자를 촉진함으로써 MEP의 안정적인 운영이 가능하다. 또한 IES 운영 시스템의 경우 청정 수소 발전량이 존재하며 RES의 비중이 증가함에 따라 수소 생산량도 증가하며 이는 우리나라의 탈탄소화 및 청정수소 발전시장과 같은 수소 관련 정책에 중요한 기여를 할 수 있다. 결과적으로 본 연구는 증가하는 RES 비중에 따라 IES 도입을 통하여 RES의 수용률을 향상시킴으로써 REP의 경제적인 이익을 보장하고 정책적으로도 기여할 수 있음을 입증하였다.