동적 마이크로그리드 최적 전력 흐름을 위한 ADMM 기반 분산 제어

본 논문은 스마트 디바이스, 분산형 저장소 및 전기차와 같은 새로운 전력 수요·공급 자산이 대규모로 도입될 때, 전력 시스템 운영을 어떻게 효율적으로 수행할 수 있는지를 다룬다. 전통적인 전력 시장은 대규모 발전기와 네트워크만을 대상으로 하는 중앙집중식 최적화(UC·OPF)를 사용해 왔으며, 이는 부하가 고정돼 있다는 가정에 기반한다. 그러나 스마트 가전·태양광·배터리 등 가정 수준의 자산은 시간에 따라 작동이 달라지고, 종종 이산적인 제어 결정을 요구한다. 이러한 특성은 문제를 비선형·이산으로 만들며, 기존의 ADMM 기반 분산 알고리즘이 보장하는 전역 최적 수렴성을 위협한다. 이에 저자들은 먼저 전력망을 ‘컴포넌트·터미널·연결’이라는 추상화 모델로 재정의한다. 각 컴포넌트는 자체 변수 집합 x_c와 비용 함수 f_c, 제약 함수 g_c를 갖는다. 터미널은 실시간 전력 (p,q)와 전압·위상 (v,θ) 네 개의 연속 변수로 표현되며, 연결 제약 h(y_i, y_j)=0은 전력 흐름의 연속성과 전압·위상의 일치를 강제한다. 버스는 KCL을, 선로는 전도·리액턴스를 포함한 완전한 AC 흐름식(비선형)으로 모델링하고, 발전기는 구간별 전력 제한·램프 제약·이차 비용을, 가변 부하는 시작 시점을 나타내는 이진 변수 u_t와 실행 기간 d를, 배터리는 충·방전 효율 η와 에너지 상태 E_t를 포함한다. 문제는 모든 컴포넌트 비용의 합을 최소화하면서 위의 제약을 만족하는 D‑OPF를 정의한다. 이를 ADMM 프레임워크에 적용하면, 연결 제약에 대한 강화 라그랑주 항을 도입하고, 두 단계(Phase 1, Phase 2)로 컴포넌트를 교대로 최적화한다. 저자는 버스 집합을 Phase 2에 배치해 버스 간 직접 연결이 없도록 함으로써, 각 단계에서 컴포넌트가 완전히 독립적으로 풀릴 수 있게 설계한다. 버스에 대해서는 폐쇄형 해를 이용해 분석적으로 해결하고, 다른 컴포넌트는 Gurobi(선형·이차) 혹은 Ipopt(비선형)으로 풀게 된다. 비선형·이산 문제를 직접 ADMM에 넣으면 수렴 보장이 깨지므로, 저자는 두 단계의 하이브리드 전략을 제안한다. 첫 번째 단계에서는 연속형 완화 문제를 풀어 라그랑주 승수(즉, 지역 한계가격)를 추정한다. 두 번째 단계에서는 이 승수를 고정하고, 이산 변수 u_t와 배터리 충·방전 스케줄을 포함한 MILP를 해결한다. 이렇게 하면 전체 문제를 순차적인 연속·이산 최적화로 분할하면서도, 각 단계가 ADMM의 수렴 조건을 만족하도록 만든다. 실험은 70버스, 11 kV 규모의 교외 마이크로그리드 모델을 사용한다. 기존 정적 PQ 부하를 실제 가구 모델(배경 부하 + 두 개의 가변 부하 + 선택적 배터리·PV)로 교체하고, 모든 가구를 11 kV 버스에 직접 연결한다. 구현은 C++ 기반이며, Gurobi와 Ipopt을 백엔드로 사용한다. 순차적 ADMM 루프에서 가장 오래 걸리는 컴포넌트의 실행 시간을 측정해, 완전 분산 환경에서의 이론적 실행 시간을 추정한다. 결과는 평균 30 초 이내에 수렴했으며, 중앙집중식 최적화와 비교해 비용 차이는 1~2 % 수준에 불과했다. 또한 전압·전류 한계 위반 없이 재생에너지와 저장을 효율적으로 활용했으며, 재구성 수평 제어(RHC) 프레임워크에 적용 가능한 속도를 보였다. 논문의 주요 기여는 다음과 같다. 첫째, 비선형 AC 선로 모델과 가정 수준 이산 부하를 포함한 보다 현실적인 D‑OPF 수식화를 제시했다. 둘째, 연속·이산 단계로 구성된 2단계 ADMM 절차를 도입해 비선형·이산 문제에서도 수렴성을 유지하면서 근접 최적 해를 얻었다. 셋째, 교외 규모 마이크로그리드 실험을 통해 근접 최적성, 빠른 수렴, 그리고 프라이버시 보존이라는 세 가지 목표를 동시에 달성함을 입증했다. 한계점으로는 선형 근사와 완화에 의존하는 부분이 남아 있어, 극한 부하 상황이나 전압 위반 위험이 있는 경우 추가적인 보정이 필요할 수 있다. 향후 연구에서는 완전 비선형 ADMM 수렴 이론을 확립하고, 저전압 배전망까지 포함한 다계층 분산 제어 구조를 탐색하는 것이 기대된다.