RnDCircle Logo
윤성국 연구실
숭실대학교 전기공학부 윤성국 교수
전력계통
분산에너지자원
스마트 인버터 제어
연구 영역
기본 정보
논문·특허
과제
구성원

윤성국 연구실

숭실대학교 전기공학부 윤성국 교수

윤성국 연구실은 전기공학부 기반의 전력계통과 에너지 ICT 융합 연구를 수행합니다. 분산전원과 계통 불확실성이 커진 환경에서 PV smart inverter의 volt-VAR 제어, DNR을 연계한 운용 최적화, 군집화 기반 deep neural network 전력흐름 계산, PMU 주변 데이터의 관성 추정 등 계통 지능형 분석과 제어를 연구합니다. 동시에 건물 영역에서는 Thermal comfort 기반 개인화 HVAC 예측과 강화학습 제어, 그리고 XGBoost 기반 VSTLF를 통해 에너지관리 관점의 의사결정 모델을 구축합니다.

전력계통분산에너지자원스마트 인버터 제어강화학습 제어전력부하예측
대표 연구 분야
연구 영역 전체보기
스마트그리드 전력계통 제어·상태추정 최적화 연구 thumbnail
스마트그리드 전력계통 제어·상태추정 최적화 연구
Smart Grid Power System Control and State Estimation Optimization Research
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
인용수 0
·
2026
Inertia Estimation of Regional Power Systems Using Band-Pass Filtering of PMU Ambient Data
Kyeong-Yeong Lee, Sung‐Guk Yoon, Jin Kwon Hwang
IF 3.2 (2026)
Energies
이 논문은 페이저 측정 장치(phasor measurement units, PMU)가 측정한 주변(ambient) 데이터를 사용하여 전력 시스템에서 지역 관성(inertia)을 추정하는 방법을 제안한다. 제안된 방법은 기계적 동력의 저주파 영향은 억제하고, 회전자의 속도와 전기적 주파수 간의 불일치 및 고주파 잡음은 완화하기 위해 대역통과 필터링(band-pass filtering)을 활용한다. 단순한 1차 AutoRegressive Moving Average with eXogenous input(ARMAX) 모델을 이용함으로써 관성 상수(inertia constant)를 직접 식별할 수 있다. 이 방법은 사전 모델 차수 선택, 회전 속도 추정, 또는 주파수 변화율(RoCoF; rate of change of frequency) 계산을 필요로 하지 않는다. 제안된 방법은 3개의 벤치마크 시스템에서 시뮬레이션을 통해 검증되었으며, 그 대상은 Kundur 2지역(two-area) 시스템, IEEE Australian 간소화 14발전기 시스템, 그리고 IEEE 39-bus 시스템이다. 이 방법은 모든 시험 사례에서 약 ±5% 오차 범위 내로 영역 수준의 관성 추정을 달성하였고, 교란 모델 및 시스템 구성의 변동에도 불구하고 일관된 성능을 보였다. 또한 추정은 수 분에 불과한 짧은 데이터 윈도우에서도 안정적인 성능을 유지하였으며, 이는 준 실시간 모니터링 응용에 적합함을 보여준다.
https://doi.org/10.3390/en19020424
Inertia
Phasor
Benchmark (surveying)
Electric power system
Control theory (sociology)
Noise (video)
Computation
Autoregressive model
Rotor (electric)
2
Article
|
인용수 2
·
2025
XGBoost-Based Very Short-Term Load Forecasting Using Day-Ahead Load Forecasting Results
Kyungmin Song, Tae-Geun Kim, Seung-Min Cho, Kyung‐Bin Song, Sung‐Guk Yoon
IF 2.6 (2025)
Electronics
재생에너지로 인한 불확실성이 증가하는 상황에서 전력계통의 안전한 운영을 보장하기 위해서는 매우 단기 부하 예측(VSTLF)이 정확해야 한다. 본 연구는 일일 전(前)날 부하 예측(DALF) 결과와 부하 변동 특성을 통합하는 eXtreme Gradient Boosting(XGBoost) 기반 VSTLF 모델을 제안한다. DALF 결과는 목표 시점에 대한 추세 정보를 제공하는 반면, 부하 변동(과거 전력부하의 차이)은 잔여 패턴을 포착한다. 또한, 계통 외(behind-the-meter, BTM) 태양광(PV) 발전으로 인해 발생하는 예측 불확실성을 완화하기 위해 부하 재구성 방법을 적용한다. 제안된 VSTLF 모델의 입력 특성은 Kendall의 tau 상관계수와 특성 중요도 점수를 사용하여 무관한 변수를 제거함으로써 선정한다. 한국 전력계통의 실측 데이터를 이용한 사례 연구를 통해 제안된 모델의 높은 예측 정확도와 견고성이 확인되었다.
https://doi.org/10.3390/electronics14183747
Residual
Probabilistic forecasting
Electrical load
Gradient boosting
Boosting (machine learning)
Electric power system
Photovoltaic system
Load profile
3
Article
|
인용수 2
·
2024
Two-Stage Fault Classification Algorithm for Real Fault Data in Transmission Lines
Se-Heon Lim, Taegeun Kim, Kyeong-Yeong Lee, Kyungmin Song, Sung‐Guk Yoon
IF 3.6 (2024)
IEEE Access
전력 전송선로에서의 고장 분류는 고장 발생과 관련된 정확한 상(phase)을 식별하기 위한 거리 계전(distance relaying)에서 중요하다. 일반적으로 고장 분류 알고리즘의 정확도는 시뮬레이션 데이터로 평가되는데, 이는 실제 고장 데이터와는 상당히 다른 특성을 보인다. 또한 대부분의 선행 연구에서는 규칙 기반 알고리즘이나 기계학습 기반 알고리즘과 같은 단일 단계(single-stage) 방법을 사용하였다. 실제 고장 데이터는 다양한 특성을 가지므로, 단일 단계 방법의 성능에는 한계가 있다. 이러한 문제를 해결하기 위해 본 논문에서는 규칙 기반 알고리즘과 기계학습 알고리즘의 장점을 결합한 새로운 2단계(two-stage) 알고리즘을 제안하여 실제 고장 데이터에서의 정확도를 향상시킨다. 실제 고장 데이터를 사용한 사례 연구 결과, 제안된 2단계 알고리즘이 다른 기존의 단일 단계 알고리즘보다 우수함을 보였다.
https://doi.org/10.1109/access.2024.3452188
Computer science
Fault (geology)
Stage (stratigraphy)
Algorithm
Statistical classification
Data mining
Artificial intelligence
Geology
최신 정부 과제
12
과제 전체보기
1
2024년 4월-2028년 12월
|1,003,945,000
에너지정책 융합대학원
[최종목표]o 국가 에너지정책을 선도하는 융합형 에너지전문인력양성- 세부목표 1: 에너지정책·기술 융합대학원 교육인프라 구축- 세부목표 2: 수요기반형(demand-based) 에너지정책·기술 융합교과 구성- 세부목표 3: 현장중심의 기업연계 연구 프로젝트 활성화- 세부목표 4: 인적 네트워크 구축을 위한 선순환 환류체계 마련- 세부목표 5: 지속적인 에너...
에너지정책
에너지경제
에너지산업
에너지기술
탄소중립
2
주관|
2020년 5월-2023년 2월
|50,000,000
재생에너지 수용 용량 극대화를 위한 데이터 기반 능동배전망 운용 및 지역 내 전력거래 활성화 기법
[1차년도] ① 개발목표 - 능동배전망의 모델링 및 관련 데이터 확보 - 능동배전망 활용 사례 조사 ② 개발내용 및 범위 - 능동배전망 제어요소 파악 및 강화학습 적용 가능성 분석 ·능동배전망에서 관리자가 수행할 수 있는 제어 요소 파악 (스위치, 선로전압조절장치(SVR), 스마트인버터, ESS 등) ·능동배전망 제어요소 특성 분석을 통한 강화학습과의 적합성 검증 - 데이터 수집 및 배전망 조류 계산 프로그램 작성 ·능동배전망 관련 공개 데이터 수집: 배전망 전력부하 데이터, 지역적 소규모 태양광 발전 데이터, D-PMU 데이터 등 ·기본 데이터를 활용한 시계열 배전망 조류계산 프로그램 작성 - 배전망의 변동성전원 도입으로 인한 계통 문제 및 문제 해결 기법 조사 ·변동성전원 도입 양에 따른 시간대별 전압 변동 및 전류 최대치 규정 위반 분석 ·강화학습 기법의 능동배전망 적용 국내외 문헌 및 연구 프로젝트 조사 [2차년도] ① 개발목표 - 능동배전망의 효율적인 운용을 위한 데이터기반 강화학습 기술 개발 - 프로슈머 발전량 조절을 통한 시간대별 지역 내 전력거래 극대화 ② 개발내용 및 범위 - 모델 계통 수립 및 데이터 기반 강화학습 제어기법 적용 ·1차년도에서 수집한 데이터와 국내외 사이트를 활용하여 데이터 보완 및 전처리작업 수행 ·재생에너지 수용 용량 극대화를 표현하는 강화학습 모델 디자인: 환경(state), 행동(action), 포상(reward) ·중앙집중적 강화학습 프로그램 개발 및 모델계통에 적용하여 효과 및 편익 분석 ·로컬 데이터를 이용한 분산적 강화학습 기반 제어기법 개발 - 프로슈머와 소비자의 시간대별 배전망 내 전력거래 기법 개발 ·프로슈머 거래 반영을 위해 계통을 국소 단위로 나누어 거래를 진행할 구역 설정 ·프로슈머의 재생에너지 발전량의 시간대별 출력 조절을 통한 계통 문제 해결 여부 확인 ·시간대별 계통 지원금을 이용한 프로슈머의 부하 이동 촉진 ·부하 이동 후 프로슈머 잉여전력량 패턴과 소비자 전력소비 패턴을 이용한 배전망 내 프로슈머-소비자 매칭 기법 개발 [3차년도] ① 개발목표 - 강화학습 기반 능동배전망 제어-전력거래 통합 재생에너지 수용 용량 극대화 ② 개발내용 및 범위 - 목적에 따른 강화학습 기반 능동배전망 제어 모드 기준 선정 ·변동성전원 수용 용량 증가에 따른 이익, 전력 손실, 소비자의 거래이득, 계통 운용비용을 고려한 능동배전망 제어 모드 분류 ·프로슈머 및 소비자의 이득을 위한 전력거래 모드 또는 변동성전원 수용용량 최대화 모드 등 제어 모드 실시간 변경 기법 개발 - 2차년도에 검증한 능동배전망 제어요소 프로슈머 거래에 접목 ·프로슈머 거래 활성화를 위해 스위치, SVR, 스마트인버터, ESS 등의 제어요소 통합적 접목. ·강화학습 학습 파라미터 수정 및 보완으로 제어 성능 개선 - 모델 배전망을 통하여 제안하는 기법의 성능 평가 ·2차년도 프로슈머 거래의 편익과 비교하여 능동배전망 제어를 접목한 프로슈머 전력거래(3차년도 연구목표)의 효용성 검증
능동배전망
데이터 기반 운용
지역 내 전력 거래
강화학습
재생에너지
수용 용량
3
주관|
2020년 5월-2023년 2월
|50,000,000
재생에너지 수용 용량 극대화를 위한 데이터 기반 능동배전망 운용 및 지역 내 전력거래 활성화 기법
[1차년도] ① 개발목표 - 능동배전망의 모델링 및 관련 데이터 확보 - 능동배전망 활용 사례 조사 ② 개발내용 및 범위 - 능동배전망 제어요소 파악 및 강화학습 적용 가능성 분석 ·능동배전망에서 관리자가 수행할 수 있는 제어 요소 파악 (스위치, 선로전압조절장치(SVR), 스마트인버터, ESS 등) ·능동배전망 제어요소 특성 분석을 통한 강화학습과의 적합성 검증 - 데이터 수집 및 배전망 조류 계산 프로그램 작성 ·능동배전망 관련 공개 데이터 수집: 배전망 전력부하 데이터, 지역적 소규모 태양광 발전 데이터, D-PMU 데이터 등 ·기본 데이터를 활용한 시계열 배전망 조류계산 프로그램 작성 - 배전망의 변동성전원 도입으로 인한 계통 문제 및 문제 해결 기법 조사 ·변동성전원 도입 양에 따른 시간대별 전압 변동 및 전류 최대치 규정 위반 분석 ·강화학습 기법의 능동배전망 적용 국내외 문헌 및 연구 프로젝트 조사 [2차년도] ① 개발목표 - 능동배전망의 효율적인 운용을 위한 데이터기반 강화학습 기술 개발 - 프로슈머 발전량 조절을 통한 시간대별 지역 내 전력거래 극대화 ② 개발내용 및 범위 - 모델 계통 수립 및 데이터 기반 강화학습 제어기법 적용 ·1차년도에서 수집한 데이터와 국내외 사이트를 활용하여 데이터 보완 및 전처리작업 수행 ·재생에너지 수용 용량 극대화를 표현하는 강화학습 모델 디자인: 환경(state), 행동(action), 포상(reward) ·중앙집중적 강화학습 프로그램 개발 및 모델계통에 적용하여 효과 및 편익 분석 ·로컬 데이터를 이용한 분산적 강화학습 기반 제어기법 개발 - 프로슈머와 소비자의 시간대별 배전망 내 전력거래 기법 개발 ·프로슈머 거래 반영을 위해 계통을 국소 단위로 나누어 거래를 진행할 구역 설정 ·프로슈머의 재생에너지 발전량의 시간대별 출력 조절을 통한 계통 문제 해결 여부 확인 ·시간대별 계통 지원금을 이용한 프로슈머의 부하 이동 촉진 ·부하 이동 후 프로슈머 잉여전력량 패턴과 소비자 전력소비 패턴을 이용한 배전망 내 프로슈머-소비자 매칭 기법 개발 [3차년도] ① 개발목표 - 강화학습 기반 능동배전망 제어-전력거래 통합 재생에너지 수용 용량 극대화 ② 개발내용 및 범위 - 목적에 따른 강화학습 기반 능동배전망 제어 모드 기준 선정 ·변동성전원 수용 용량 증가에 따른 이익, 전력 손실, 소비자의 거래이득, 계통 운용비용을 고려한 능동배전망 제어 모드 분류 ·프로슈머 및 소비자의 이득을 위한 전력거래 모드 또는 변동성전원 수용용량 최대화 모드 등 제어 모드 실시간 변경 기법 개발 - 2차년도에 검증한 능동배전망 제어요소 프로슈머 거래에 접목 ·프로슈머 거래 활성화를 위해 스위치, SVR, 스마트인버터, ESS 등의 제어요소 통합적 접목. ·강화학습 학습 파라미터 수정 및 보완으로 제어 성능 개선 - 모델 배전망을 통하여 제안하는 기법의 성능 평가 ·2차년도 프로슈머 거래의 편익과 비교하여 능동배전망 제어를 접목한 프로슈머 전력거래(3차년도 연구목표)의 효용성 검증
능동배전망
데이터 기반 운용
지역 내 전력 거래
강화학습
재생에너지
수용 용량
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
공개2024생성적 적대 신경망을 통해 생성된 전력계통 고장데이터 기반 고장분류 시스템 및 고장분류 방법1020240099265
공개2024송전선로의 고장유형 분류장치 및 그 방법1020240096537
등록2021심층 강화학습 기반 재생에너지 배전계통 재구성 장치 및 그 방법1020210058436
전체 특허

생성적 적대 신경망을 통해 생성된 전력계통 고장데이터 기반 고장분류 시스템 및 고장분류 방법

상태
공개
출원연도
2024
출원번호
1020240099265

송전선로의 고장유형 분류장치 및 그 방법

상태
공개
출원연도
2024
출원번호
1020240096537

심층 강화학습 기반 재생에너지 배전계통 재구성 장치 및 그 방법

상태
등록
출원연도
2021
출원번호
1020210058436