스마트그리드 전력계통 제어·상태추정 최적화 연구

Smart Grid Power System Control and State Estimation Optimization Research

연구 내용

분산전원과 계통 불확실성이 큰 환경에서 PV 인버터 제어, DNR, 전력흐름 계산, 관성 추정에 딥러닝·강화학습 기반 최적화를 적용하여 계통 운영 성능을 개선하는 연구

전력계통에 분산전원이 증가하면서 발생하는 전압 편차와 불확실성에 대응하기 위해 강화학습 기반 제어와 데이터 기반 전력흐름 계산을 결합한 연구를 수행합니다. PV smart inverter의 volt-VAR 운용과 DNR의 토폴로지 제어를 통합하여 정확한 계통 파라미터가 없어도 제어가 가능하도록 설계합니다. 또한 버스 군집화 기반 deep neural network로 빠르고 견고한 전력흐름 산정 모델을 구축합니다. PMU 주변 데이터 기반 관성 추정과 DER 연계 EV/FCEV 급속충전 운영 최적화로, 감시-제어-운영 의사결정까지 이어지는 연계를 지향합니다.

관련 프로젝트

0건

연구 흐름

2022년에는 PV 대규모 연계로 유발되는 과전압 문제를 대상으로 DNR과 PVSIs 제어를 통합하고, 시스템 파라미터 비의존성을 강화한 강화학습 기반 제어 체계를 제안했습니다. 2023년에는 분산전원 통합으로 복잡도와 불확실성이 증가한 분배계통을 대상으로 군집화 전략을 포함한 심층 신경망 기반 전력흐름 계산 연구로 확장했습니다. 2025년에는 DER와 수소·수요 불확실성을 함께 고려한 EV/FCEV 급속충전소 구성·운영 최적화로 운영 의사결정 범위를 넓혔습니다. 2026년에는 PMU 주변 데이터로부터 관성 상수를 식별하는 모니터링 접근을 제시하여 계통 상태추정 관점을 보강했습니다.

활용 가능성

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

전압 프로파일 개선 제어전략
DNR 기반 계통 토폴로지 제어
PMU 기반 관성 상수 추정
DER 연계 충전소 운영 최적화
불확실성 하 전력흐름 산정
강화학습 기반 계통 응답제어
전압 위반 저감 스케줄링
분산전원 통합 운영 프레임
데이터 기반 계통 진단 고도화
스마트그리드 실시간 의사결정 모듈