예비용량 배치 시나리오를 위한 적응형 강건 최적화

본 논문은 전력시스템에서 일일예측(DA) 단계와 실시간(RT) 단계 사이에 발생하는 예비용량(Reserve) 전달 불가능 문제를 해결하기 위해, 두 단계 적응형 강건 최적화(Adaptive Robust Optimization, ARO) 모델을 제안한다. 기존 연구에서는 확률적 시나리오 기반 다단계 스토캐스틱 최적화나 전통적인 강건 최적화가 제시되었지만, 전력망 위상과 DA 스케줄이 RT에서의 혼잡에 미치는 영향을 충분히 반영하지 못했다. 이를 보완하기 위해 저자들은 다음과 같은 핵심 아이디어를 도입하였다. 1. **문제 설정 및 수학적 모델링** - **DA 단계**: 에너지(p)와 예비용량(r⁺, r⁻)을 최소 비용으로 스케줄링하는 선형 프로그램(식 2)으로 정의한다. 여기에는 전력수요 균형, 시스템 전체 예비용량 요구량(ρ⁺, ρ⁻), 전송 제약(PTDF 기반), 발전기 출력 한계 등이 포함된다. - **RT 단계**: 실제 오류 ξ가 실현되면, 재배치(p_rec)와 슬랙 변수(g⁺, g⁻, ℓ⁺, ℓ⁻)를 통해 공급‑수요 균형을 맞추고, 전송 제약을 만족시키려는 최소 비용 문제(식 3)를 푼다. 슬랙 변수는 예비용량 부족이나 전송 용량 초과를 나타내며, 큰 페널티 c_viol이 부과된다. - **ARO 모델**: 1단계 결정 x와 2단계 재배치 문제를 결합한 “min x cᵀx + max_{ξ∈U} min_{p_rec,s} c_violᵀs” 형태의 2단계 적응형 강건 최적화식(4)으로 정식화한다. 여기서 U는 불확실성 집합으로, 시스템 전체 오류 구간(ρ⁻≤1ᵀξ≤ρ⁺)과 노드별 박스(min ξ_k ≤ ξ ≤ max ξ_k)를 교차시킨 폴리헤드론 형태이다. 2. **배치 시나리오(Deployment Scenarios) 구성 방법** - **극단 시나리오 방식**: 산업 현장에서 흔히 쓰이는 방법으로, 모든 노드에 동일 방향(양 또는 음)의 오류를 할당한다. 노드별 할당 비율 e⁺_j는 해당 노드의 1+α/2 분위수를 전체 분위수 합으로 정규화한 값으로 정의한다(식 8). 이 방식은 오류가 완전 상관관계가 있다고 가정해 가장 악조건을 단순화한다. - **CCG 기반 동적 시나리오**: 컬럼‑앤‑컨스트레인트(Column‑and‑Constraint Generation, CCG) 알고리즘을 적용해 현재 DA 결정에 대해 최악의 오류 ξ*를 탐색한다. 알고리즘은 (i) 초기 빈 시나리오 집합 S_depl, (ii) 현재 DA 문제를 해결해 하한 LB를 얻음, (iii) 고정된 x에 대해 Q(x)=max_{ξ∈U} min_{p_rec,s} c_violᵀs 를 계산해 최악의 ξ*를 찾음, (iv) ξ*를 새로운 시나리오로 추가하고 반복한다. 이 과정은 ξ*가 기존 시나리오에 의해 이미 보장될 때까지 진행된다. 3. **이론적 연결 고리** - 폴리헤드론 U가 이산적이거나 다각형이면 최악의 비용은 꼭짓점(V)에서 발생한다. 따라서 ARO 문제(4)는 제한된 시나리오 집합 V에 대한 이중화 형태(5)로 변환된다. 여기서 η는 최악의 슬랙 비용을 나타내며, 모든 시나리오에 대해 슬랙이 0이면 η=0, 즉 완전 보장이 이루어진다. - 이론적으로는 ARO 모델이 “배치 시나리오를 DA 문제에 추가하는 것”과 동등함을 증명한다. 따라서 산업 실무에서 직관적으로 사용되는 배치 시나리오 접근법을 수학적으로 정당화한다. 4. **실험 설계 및 결과** - **테스트 시스템**: IEEE RTS‑GMLC 2019 시스템(≈73버스, 96발전기) 사용. - **시나리오 생성**: 500개의 다변량 오류 시뮬레이션을 Copula 기반으로 생성해 E를 구성하고, 이를 바탕으로 U와 초기 극단 시나리오를 만든다. - **비교 대상**: (a) 네트워크를 무시한 전통적인 예비용량 할당, (b) 극단 시나리오 기반 DA, (c) CCG 기반 동적 시나리오 기반 DA. - **핵심 지표**: (i) 슬랙 변수 발생 빈도(보장 실패율), (ii) 총 예비용량 비용, (iii) 시나리오 수(계산 복잡도). - **주요 발견**: CCG 기반 시나리오는 평균 슬랙 발생률을 70% 이상 감소시켰으며, 동일 신뢰수준(α=0.95)에서 필요한 총 예비용량을 약 5~10% 절감했다. 또한, 시나리오 수는 평균 4~6개로, 극단 시나리오(2개)보다 약간 많지만, 전력망 혼잡이 심한 경우에만 추가 시나리오가 생성돼 계산 비용이 크게 증가하지 않았다. 5. **의의 및 향후 연구** - **실무 적용 가능성**: 기존 산업 관행에 비해 전력망 특성을 반영한 시나리오를 자동으로 생성함으로써, 예비용량 조달 비용을 절감하고 신뢰성을 높일 수 있다. - **확장 가능성**: 현재는 DC 전력 흐름 모델과 선형 제약을 사용했지만, AC 파워 플로우, 비선형 비용, 다시간대(시간 연속성) 모델링 등으로 확장 가능하다. 또한, 실시간 데이터 기반으로 U를 동적으로 업데이트하는 방법도 연구될 수 있다. - **제한점**: 폴리헤드론 U의 정의가 보수적일 경우 과도한 보수성(보수적 시나리오)으로 이어질 수 있다. 따라서 불확실성 집합을 데이터‑드리븐 방식으로 최적화하거나, 확률적 보장(Chance‑Constraint)과 결합하는 연구가 필요하다. 결론적으로, 본 논문은 전력시스템 운영에서 예비용량 전달 가능성을 보장하기 위한 새로운 배치 시나리오 생성 방법을 제시하고, 이를 통해 기존 방법 대비 비용 효율성과 신뢰성을 동시에 향상시킬 수 있음을 실증하였다.