선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 유지보수 및 시스템 사양 및 기능의 업그레이드에는 많은 제약이 있었던 것 또한 기지의 사실이다. 본 논문에서는 EMS 의 네트웍 해석 소프트웨어를 국산화하기 위한 데이터 모델링 및 데이터베이스 구축에 대해 요약하였다.
- 본 논문에서는 한국형 에너지관리 시스템의 네트웍 해석용 소프트웨어를 위한 공통 데이터 모델의 구축에 대해 다루었다. 이를 위해 다양한 네트웍 어플리케이션 중 그 근간이 되는 프로그램 모델을 선정하였으며 각각의 모델 프로그램의 입출력 요구사항을 정리하였다.
제안 방법
- 1) Bus, branch 및 injection 구조: 각 프로세서는 각 설비 테이블들의 데이터를 빈번히 참조하며, 토폴로지 프로세서를 제외하고는 모선(bus) 데이터를 사용한다’ 따라서 좀더 빠른 데이터 입출력이 가능하도록 선로(line), 변압기(TR), 영 임피단스 선로(zero impedance line, ZLN)를 branch(2 node 설비 )로 구성 하고, 발전기 (gen), 병 렬장치 (shunt), 부하(load), SVC는 injection(1 node 설비)로 구성하였다.
- 2) 상태추정 (state estimation, SE) 모델 : 토폴로지 프로세서가 생성한 모선 구조에 대해 SCADA 데이터의 비동기 성(unsynchronous) 및 오류 데이터를 보정하며 조류계산을 위한 모선 전압 및 위상 초기치와 유입 조류 (injection MW/NWAr)의 양을 계산한다.
- 3) 조류계산(load flow, LF) 모델 : 상태추정 결과를 초기치로 하여 모선 전압과 위상 및 모선간 전력조류를 계산한다. 표 1의 네트웍 어플리케이션 중 급전원 조류계산, 전압계획, 상정사고 해석, 송전가능 용량 계산 및 송전선 과부하해소 등이 조류계산 모델에 기반하여 연산을 수행한다.
- ACMe 계층적 모델과 비 계층적 모델로 나뉘어 지며, 어플리케이션 소프트웨어의 구동 및 급전원의 화면 표출을 위한 사항들을 고려하여 설계되었다. 각 테이블간의 관계를 설정하기 위해 본 논문에서는 링크 리스트 모델(linked list model)을 사용하였다 [3], ACM 데이터베이스의 각 테이블은 다음의 3가지 링크를 사용하여 관계가 설정된다.
- ACMe 앞서 설명한 각 어플리케이션의 요구사항과 표 3 의 계통 구성요소들인 각 계통 설비에 대한 공통 데이터 모델을 이용하여 설계되었다. 표 3의 계통 설비 모델링은 토폴로지 프로세서, 상태추정, 조류 및 고장계산에서 공통으로 사용할 수 있도록 모델링 되었다.
- KEMS에서 개발된 토폴로지 프로세서, 상태추정 및 조류계산 프로그램을 사용하여 제안한 데이터 모델 및 데이터베이스 구조의 효용성을 테스트 하였다. 본 논문에서 사용한 시험 계통은 EMS 해석 범위에 속하는 전계통을 대상으로 하였으며 그 구성도를 그림 6에 나타내었다.
- 표에 나타내지 않았으나 토폴로지 프로세서의 수행결과 유효 모선이 3470개 도출되었으며, 독립계통 (island)은 2개(육지 및 제주)로 구분되었다. SCADA 측정값, 상태 추정 결과 및 조류 계산 결과를 각 공칭전압별로 부스 바(busbar) 전압의 최소 및 최대치를 이용하여 비교하였다. SCADA 측정치에는 비 동기적 오차 및 오류 데이터 (bad data)에 의한 약간의 오차(error)가 섞 여 있으며 345kV 및 154kV 계통에 전압이 매우 낮은 것은 소수의 부스바 (busbar) 측정 전압에 이와 같은 오류가 섞여 있기 때문이다.
- 따라서 본 논문에서는 대규모 계통해석에 많이 사용되는 링크구조를 이용한 실시간 데이터베이스를 제시하였다 [2-4], 연속적인 여러 소프트웨어들의 해석을 위해 각각의 어플리케이션마다 입출력 DB를 두는 방식은 자원 배분의 효율을 저하시키므로 본 연구에서는 어플리케이션 모두가 공통으로 사용할 수 있는 공통 데이터베이스 모델을 구축하였다. 공통 데이터베이스 모델의 구축을 위해 각 어플리케이션의 논리적 기능을 전개하여 공통이되는 부분을 추출하였다. 이는 전력계통 설비 모델 및 토폴로지적 구조에 적용되었으며 어플리케이션 공통 모델 (application common model, ACM)이라 부른다.
- 직간접 링크와 평형 테이블구조로 작성된 DB 구조는 연산을 위한 데이터 탐색 시간을 줄임으로써 연산속도를 향상하는 효과를 얻었다. 국내 실정 및 향후 확장을 고려한 계층적 DB 구조를 설계하였으며 세부 계통 설비에 대한 공통 모델을 구축하였다. 또한 어플리케이션 전용 및 화면 등의 서비스를 위해 비 계층적 DB 구조를 설계하였다.
- 일반적인 파일 기반의 해석과 관계형 데이터베이스와 연동되는 방식들은 이러한 요구를 충족할 수 없는 것이 일반적이다. 따라서 본 논문에서는 대규모 계통해석에 많이 사용되는 링크구조를 이용한 실시간 데이터베이스를 제시하였다 [2-4], 연속적인 여러 소프트웨어들의 해석을 위해 각각의 어플리케이션마다 입출력 DB를 두는 방식은 자원 배분의 효율을 저하시키므로 본 연구에서는 어플리케이션 모두가 공통으로 사용할 수 있는 공통 데이터베이스 모델을 구축하였다. 공통 데이터베이스 모델의 구축을 위해 각 어플리케이션의 논리적 기능을 전개하여 공통이되는 부분을 추출하였다.
- 국내 실정 및 향후 확장을 고려한 계층적 DB 구조를 설계하였으며 세부 계통 설비에 대한 공통 모델을 구축하였다. 또한 어플리케이션 전용 및 화면 등의 서비스를 위해 비 계층적 DB 구조를 설계하였다. 본 논문에서 제시하는 공통 데이터 모델은 한국형 에너지 관리 시스템에서 개발된 어플리케이션 프로그램을 사용한 실시간 시험을 통해 검증되었다.
- 또한 어플리케이션 전용 및 화면 등의 서비스를 위해 비 계층적 DB 구조를 설계하였다. 본 논문에서 제시하는 공통 데이터 모델은 한국형 에너지 관리 시스템에서 개발된 어플리케이션 프로그램을 사용한 실시간 시험을 통해 검증되었다. 검증결과, 연산 속도 및 기능 수행을 모두 만족하는 것으로 나타났다.
- 이를 위해 다양한 네트웍 어플리케이션 중 그 근간이 되는 프로그램 모델을 선정하였으며 각각의 모델 프로그램의 입출력 요구사항을 정리하였다. 본 논문에서 제시한 모델은 기본적으로 실시간 데이터베이스 형태의 메모리 DB 를 구축함으로써 어플리케이션 프로그램의 데이터 입출력 시간을 경감하도록 설계되었다. 직간접 링크와 평형 테이블구조로 작성된 DB 구조는 연산을 위한 데이터 탐색 시간을 줄임으로써 연산속도를 향상하는 효과를 얻었다.
- 이용하여 설계되었다. 표 3의 계통 설비 모델링은 토폴로지 프로세서, 상태추정, 조류 및 고장계산에서 공통으로 사용할 수 있도록 모델링 되었다.
대상 데이터
- 구조의 효용성을 테스트 하였다. 본 논문에서 사용한 시험 계통은 EMS 해석 범위에 속하는 전계통을 대상으로 하였으며 그 구성도를 그림 6에 나타내었다.
- 시험계통은 2008년 11월의 SCADA 데이터와 앞서 정의한 ACM형태의 데이터를 이용하여 시험되었다. 해석 대상 계통을 요약하면 표 4와 같다.
- 이를 위해 다양한 네트웍 어플리케이션 중 그 근간이 되는 프로그램 모델을 선정하였으며 각각의 모델 프로그램의 입출력 요구사항을 정리하였다. 본 논문에서 제시한 모델은 기본적으로 실시간 데이터베이스 형태의 메모리 DB 를 구축함으로써 어플리케이션 프로그램의 데이터 입출력 시간을 경감하도록 설계되었다.
- 본 논문에서. 제시한 데이터베이스 구조는 한국전력공사의 실계통 시스템과 실시간 스카다(supervised control and data acquisition, SCADA) 데이터를 이용하여 시험하였다.
이론/모형
- 사항들을 고려하여 설계되었다. 각 테이블간의 관계를 설정하기 위해 본 논문에서는 링크 리스트 모델(linked list model)을 사용하였다 [3], ACM 데이터베이스의 각 테이블은 다음의 3가지 링크를 사용하여 관계가 설정된다.
- 토폴로지 프로세서의 데이터 이동(data propagation: DP) 기능이 주기적으로 실시간 데이터베이스의 값들을 ACM 데이터베이스로 전송한다. 오프라인 데이터베이스는 CIM(common information model) 기반이며, DBMS는 Oracle을 이용하여 구축되었다. 오프라인 데이 터베이스의 값들이 데이터 추가 및 삭제등으로 인해 부분 수정되는 경우 비주기적으로 ACM 데이터베이스를 전체적인 갱신을 수행한다.
성능/효과
- 에너지 관리 시스템(energy management system, EMS)은 전력망의 가장 상위의 시스템으로 전체적인 전력의 수급과 계통의 운용을 관장하고 있으며 최근 국외 의 광역 정전 사례 에서도 볼 수 있듯이 그 중요성이 날로 증가하고 있다. [1], EMS용 네트웍 어플리케이션 프로그램들은 계통 운용을 위한 상태 추정, 조류 해석, 고장 해석, 상정사고 해석 등의 결과를 주기적으로 운용자에게 제공함으로써 현재 및 미래 계통 운용을 위한 다양한 정보를 제공해야만 한다. 이를 위해서는 빠른 연산속도와 다양한 정보 제공이 필수적이며 그 근간이 되는 것은 계통 토폴로지 및 구성 설비들의 데이터 모델링 및 데이터 베이스라 할 수 있다.
- 각 프로그램별 시험 결과 토폴로지 프로세서의 경우 평균 약 0.4-0.5초, 상태추정 프로그램의 경우 평균 4-6초, 조류계산 프로그램의 경우 평균 1-2초 정도가 소요되었다. 현재 국내 도입된 EMS 시스템의 실시간 네트웍 어플리케이션의 주기가 5분임을 감안하면 실시간 연산을 수행하기에 크게 손색없는 결과라 할 수 있다.
- 본 논문에서 제시하는 공통 데이터 모델은 한국형 에너지 관리 시스템에서 개발된 어플리케이션 프로그램을 사용한 실시간 시험을 통해 검증되었다. 검증결과, 연산 속도 및 기능 수행을 모두 만족하는 것으로 나타났다. 본 논문의 연구결과는 향후 대규모 시스템의 계통해석을 위한 자료로 활용 가능할 것으로 사료된다.
- 토폴로지 프로세서의 경우 노드를 그룹화하여 이후 어플리케이션이 사용할 모선을 생성하는데 필요한 데이터 위주로 도출되었고, 상태추정의 경우 모선 전압/위상을 추정하는데 필요한 토폴로지 프로세서의 결과와 각 SCADA 측정치 및 측정 품질을 위주로 도출되었다. 또한 조류계산 및 고장계산의 경우 상태추정 결과인 모선 전압/위상 및 유입 조류와 계통 구성요소들의 임피던스를 위주로 도출되었다.
- 본 논문에서 제시한 모델은 기본적으로 실시간 데이터베이스 형태의 메모리 DB 를 구축함으로써 어플리케이션 프로그램의 데이터 입출력 시간을 경감하도록 설계되었다. 직간접 링크와 평형 테이블구조로 작성된 DB 구조는 연산을 위한 데이터 탐색 시간을 줄임으로써 연산속도를 향상하는 효과를 얻었다. 국내 실정 및 향후 확장을 고려한 계층적 DB 구조를 설계하였으며 세부 계통 설비에 대한 공통 모델을 구축하였다.
후속연구
- 검증결과, 연산 속도 및 기능 수행을 모두 만족하는 것으로 나타났다. 본 논문의 연구결과는 향후 대규모 시스템의 계통해석을 위한 자료로 활용 가능할 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.