실시간 AC 최적전력흐름 및 FACTS 제어를 위한 강화학습 기반 전력계통 최적화 연구

Reinforcement Learning for Real-Time AC Optimal Power Flow and FACTS Control

연구 내용

전력계통의 제약조건과 불확실성을 반영해 실시간 AC 최적전력흐름과 D-STATCOM 전류 기준을 도출하는 강화학습 기반 전력계통 최적화 연구

전력망 운영은 재생에너지 비중 증가로 전력수지 조건과 다양한 제약을 동시에 만족하는 실시간 계산이 중요해집니다. 본 연구는 AC 최적전력흐름에서 전력수지와 계통 제약을 보상함수로 반영하고, 네트 부하의 불확실성을 가우시안 노이즈로 모사하여 TD3 기반 정책을 학습하는 접근을 사용합니다. 또한 분산계통의 전압 안정도와 과도응답을 목표로 D-STATCOM에서 d-q축 전류 기준을 DDPG 기반 강화학습으로 생성하며, 전류·전압이 빠르게 수렴하도록 제어 성능을 비교합니다.

관련 프로젝트

0건

연구 흐름

초기에는 ACOPF의 실시간 반복해를 줄이기 위해 신경망 기반 정책학습과 TD3 구조를 적용하는 방향으로 연구를 수행하였습니다. 이후 전력수지 제약을 직접 학습 과정의 보상으로 반영하고, 재생에너지 연계로 인한 부하 불확실성을 노이즈로 주입해 정책의 강인성을 확보하는 흐름으로 확장되었습니다. 병행하여 분산계통의 전압 안정도 문제에서는 D-STATCOM에 대해 PID 기반 기준생성과 비교하면서, d-q축 전류 기준을 DDPG 강화학습으로 생성하는 방식으로 제어 성능을 검증하였습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

실시간 AC 최적전력흐름 근사해
전압 안정도 기반 제어기 설계
재생에너지 불확실성 반영 운영전략
D-STATCOM 전류 기준 자동 생성
계통 제약 포함 제어 정책 학습
운영비 최소화 전력분배
유연 AC 전력기기 통합 제어
고속 전력망 시뮬레이션 보조
실시간 제약최적화 엔진 구성
강인성 검증용 시나리오 생성