초록 ▼

□ 연구개요
1) 연구개발의 필요성
- 전력계통에서 송전선로와 전력기기의 단락 및 지락고장이 발생하여 과도안정 한계점을 초과하게 되면 주파수와 전압이 붕괴되고, 부하차단 또는 일부 및 광역 정전을 초래하므로 안정적인 계통 운영을 위해서는 실시간 과도안정도 해석이 필수적임.
- 시간영역 시뮬레이션(Time Domain Simulation:TDS)을 통한 전력계통 안정도 평가는 비선형 미분방정식 계산으로 많은 연산량에 의한 시간적 제약 때문에 실시간으로 과도안정도를 판별할 수 없어, 이를 해결하기 위해 여러 고장사례에

□ 연구개요
1) 연구개발의 필요성
- 전력계통에서 송전선로와 전력기기의 단락 및 지락고장이 발생하여 과도안정 한계점을 초과하게 되면 주파수와 전압이 붕괴되고, 부하차단 또는 일부 및 광역 정전을 초래하므로 안정적인 계통 운영을 위해서는 실시간 과도안정도 해석이 필수적임.
- 시간영역 시뮬레이션(Time Domain Simulation:TDS)을 통한 전력계통 안정도 평가는 비선형 미분방정식 계산으로 많은 연산량에 의한 시간적 제약 때문에 실시간으로 과도안정도를 판별할 수 없어, 이를 해결하기 위해 여러 고장사례에 대한 과도상태 데이터를 사전에 학습함으로써 실시간 안정도 판별이 가능한 Deep Learning 기반 응용방법 연구가 필요함.
2) 연구 개발의 최종 목표
- Deep Learning 기반의 실시간 전력계통 과도안정도 평가모델을 구성하기 위한 Test Model 구축 및 학습 데이터 취득 및 분석 기술 개발
- 기존의 수학적 연산기반 TSA(Transient Stability Assessment)모델과 Deep Learning 기반의 실시간 TSA 모델의 정확도 및 연산시간 분석, 실시간 시스템 적용 가능성 검증.

□ 연구 목표대비 연구결과
1) Test Model 구성 및 학습데이터 취득
- IEEE 39 bus system을 Matlab/Simulink로 구성
- 모선 및 송전선로 등 계통 운영 시에 발생할 수 있는 고장 사례를 상정하여 각 사례별 학습데이터를 취득하고, Deep Learning Model에 적용할 수 있는 전처리 방법 제시
2) Deep Learning 기반 TSA Model 구현 및 성능 검증
- 기존에 사용되는 CNN, LSTM Model 과 제안한 CNN과 LSTM을 결합한 Model(C-LSTM)의 정확도, 정밀도, 위양성율, 위발견율 비교함.
- CNN모델 결과 : 정확도(98.21%), 정밀도(99.55%), 위양성율(1.74%), 위발견율(0.45%
- LSTM모델 결과 : 정확도(99.19%), 정밀도(99.29%), 위양성율(2.74%), 위발견율(0.71%)
- C-LSTM모델 결과 : 정확도(99.62%), 정밀도(99.79%), 위양성율(0.82%), 위발견율(0.21%)
- 제안한 C-LSTM 모델이 CNN 과 LSTM 모델 보다 높은 성능을 나타냄.

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
- 시간영역 시뮬레이션의 실시간 안정도평가 활용이 어려운 이유는 전력계통 모델(비선형 미분방정식)을 numerical integration으로 계산할 때 소요되는 많은 연산시간임.
- 본 연구에서는 Deep Learning 기반 신경망의 학습(비선형 모델링)과 학습 후 빠른 실행시간으로 전력계통의 안정도를 실시간으로 판별하는 시스템을 개발함.
- 본 연구의 확장 및 적용을 통해 발전기와 송전선로 및 FACTS 같은 기기들을 최대 운전범위까지 운영할 수 있으며, 따라서 설비의 효율 및 가동률을 극대화시키고 송전선로 및 변압기, 각종 조상설비 설치를 위한 투자비를 절감할 수 있기 때문에 경제적인 측면에서 크게 기여할 수 있음.
- AI 기술과 전력계통 분야의 적용연구를 위한 데이터 취득 및 전처리, 계통모델 구성, Deep Learning 알고리즘 선정, AI 모델 구성 및 활용 방법을 제시하는 주요 사례로서 기대되며 실시간으로 전력계통을 해석, 운영하는 여러 분야의 기초 연구가 될 수 있음.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 가) 연구개발의 목적 ... 4
• 나) 연구개발의 필요성 ... 4
• 다) 연구개발의 최종 목표 ... 4
• 라) 연구개발 범위 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 가) Deep Learning 기반의 전력계통 TSA 모델 구현을 위한 Test Model 및 학습데이터 취득 ... 4
• 나) Deep Learning Model에 적용될 입력 데이터 전처리 방법 ... 5
• 다) 전력계통 과도안정도 판정 모델 구성 ... 6
• 라) 실시간 전력계통 TSA를 위한 Deep Learning Model 분석 결과 ... 8
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 9
• 1) 정성적 연구개발성과(연구개발결과) ... 9
• 2) 세부 정량적 연구개발성과 ... 10
• 3) 목표 달성 수준 ... 10
• 4) 목표 미달 시 원인 분석 ... 10
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 11
• 5. 연구개발성과의 관리 및 활용 계획 ... 11
• 가) 연구 성과 관리 추진 체계 ... 11
• 나) 연구 개발성과의 활용분야 ... 11
• 다) 추가연구의 필요성 ... 11
• 6. 자체점검표 ... 11
• 7. 참고문헌 ... 12
• 붙임1. 세부 정량적 연구개발성과 ... 13
• 붙임2 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 15
• 끝페이지 ... 23