초록 ▼

일상적인 부하변동이나 계통사고에 의한 전력수급의 불일치가 발생하면 원거리 발전소들은 상호간에 진동이 수반된 전력을 전력계통에 보낸다. 이러한 진동의 광역모드는 0.1 이하의 작은 댐핑비와 1 Hz 이하의 고유주파수를 갖으며 하나 이상의 광역모드가 전력계통에 있을 수 있다. 광역모드의 정확한 식별을 통하여 전력계통의 안정적인 운영을 위한 감시제어를 수행할 수 있다. 본 연구에서는 기존의 광역모드 식별기법들보다 연산시간이 작으면서 잡음에 강인한 새로운 기법 5 개를 제시하였다.
전력계통 데이터는 그 운영 상태에 따라 ringdow

일상적인 부하변동이나 계통사고에 의한 전력수급의 불일치가 발생하면 원거리 발전소들은 상호간에 진동이 수반된 전력을 전력계통에 보낸다. 이러한 진동의 광역모드는 0.1 이하의 작은 댐핑비와 1 Hz 이하의 고유주파수를 갖으며 하나 이상의 광역모드가 전력계통에 있을 수 있다. 광역모드의 정확한 식별을 통하여 전력계통의 안정적인 운영을 위한 감시제어를 수행할 수 있다. 본 연구에서는 기존의 광역모드 식별기법들보다 연산시간이 작으면서 잡음에 강인한 새로운 기법 5 개를 제시하였다.
전력계통 데이터는 그 운영 상태에 따라 ringdown과 ambient 데이터의 2 종류로 구분한다. ringdown 데이터는 발전기 트립이나 선로 트립 등과 같이 계통사고 상태에서 수집된 것이며 큰 세기의 광역진동을 포함하게 된다. ambient 데이터는 소규모 부하의 일상적인 불규칙 변동이 전력계통에 있는 경우에 수집된 데이터이며 매우 미세한 광역진동을 갖게 된다. 본 연구에서 ringdown과 ambient 데이터에 대한 2종류의 식별기법들을 각기 개발하였다.
기존 식별기법은 Prony 해석에 근거하여 시간영역에서 최소오차자승법으로 광역모드를 식별한다. 이러한 시간 영역에서의 식별기법은 샘플링 데이터로 구성된 큰 차원의 행렬 연산을 수반하여서 광역모드 식별의 연산에 긴 시간이 소요되며 잡음에 의한 식별오차가 매우 커질 수 있다. 제안 기법들은 광역모드의 전달함수 계수들을 주파수 영역에서 최소오차자승법으로 추정하여 이 계수들에서 광역모드의 고유주파수와 댐핑비를 계산하였다. 모의실험을 통하여 제안 기법들이 기존 기법들에 비하여 잡음에 강인하고 빠른 연산을 수행함을 검증하였다.
오늘날, 송전선로에 WAMS(Wide-Area Monitoring System)를 설치하여 WAMS의 실시간 데이터로 전력계통을 감시하고 제어하고 있다. 현대의 전력계통은 매우 복잡하고 방대한 규모이어서 광역모드의 정확한 식별을 위하여 WAMS 데이터 등과 같이 실제 데이터의 사용이 요구된다. 국내 광역모드의 식별을 위하여 FNET(Frequency monitoring NETwork)을 국내 배전계통에 구축하였고 제안된 식별기법들과 FNET 데이터를 사용하여 국내 전력계통에서 고유주파수 0.4967 Hz와 댐핑피 0.0869의 광역모드를 식별하였다.
본 과제에서 도출된 주요한 연구 성과는 다음과 같다.
■ 국내 220 V 배전선로에 FNET 시스템의 구축에 의한 국내 계통주파수 데이터의 확보.
■ ringdown 데이터에 대한 2 개 식별기법들의 SCI와 SCIE 논문지 발표,
[1] J. K. Hwang and L. Liu, “Identification of interarea modes from ringdown data by curve-fitting in the frequency domain,” IEEE Trans. Power Systems, vol. 32, no. 2, pp. 842-851, March 2017.
[2] J. K. Hwang and L. Liu, “Identification of interarea modes from an effectual impulse response of ringdown frequency data,” Electric Power Systems Research, vol. 144, pp. 96-106, Ma. 2017.
■ ambient 데이터에 대한 3 개 식별기법들의 SCI 논문지와 IEEE 국제학술대회의 발표.
[3] J. K. Hwang and L. Liu, “Discrete Fourier transform-based parametric modal identification from ambient data of the power system frequency,” IET Generation, Transmission & Distribution, vol. 10, no. 1, pp. 213-220, Jan. 2017.
[4] J. K. Hwang, “Modal identification by curve-fiting of power spectra,” Proc. in 7th IEEE PES Asia-Pacific Power and Energy Engineering Conference (2015 APPEEC), Brisbane, 2015.
[5] J. K. Hwang, “Parametric DFT identification of interarea modes in consideration of a decaying DC,” Proc. in 2016 IEEE Power and Energy Society General Meeting (2016 PESGM), Boston, 2016.
■ 제안된 기법들과 국내 FNET 데이터의 사용에 의한 0.5 Hz 광역모드의 식별.

(출처 : 연구결과 요약문 3p)

Abstract

목차 Contents

• 표지 ... 1
• 목차 ... 2
• Ⅰ. 연구결과 요약문 ... 3
• Ⅱ. 연구내용 및 결과 ... 4
• 1. 연구과제의 개요 ... 4
• 2. 국내외 기술개발 현황 ... 4
• 3. 연구수행 내용 및 결과 ... 5
• 4. 목표 달성도 및 관련 분야에의 기여도 ... 6
• 5. 연구결과의 활용계획 ... 7
• 6. 연구과정에서 수집한 해외과학기술정보 ... 7
• Ⅲ. 연구성과 ... 8
• 끝페이지 ... 9