화석에너지의 고갈문제와 온실가스 감축을 위한 방안으로 전 세계가 신재생에너지의 중요성이 대두됨에 따라, 국내 전력산업에서는 화력과 원전의 점진적 폐쇄와 동시에 재생에너지원의 발전 비중을 확대하고 있다. 국내 정책에 따르면 2030년 까지 재생에너지 발전량 비율을 7%에서 20%로 확대하는 것을 목표로 하고, 신규 설비용량 중 약 97%를 풍력과 태양광을 중심으로 공급할 예정이다.
재생에너지 발전원은 기상학적 요인에 따라 출력이 매우 간헐적이며, 변동성이 매우 큰 발전원이다. 특히 풍력발전의 경우 태양광과 같은 단기적인 시간 측면에서의 패턴을 예측할 수 없으며, 풍속에 큰 영향을 받기 때문에 불확실성 또한 매우 크다. 향후, 정책적 목표달성을 위해 풍력발전이 대규모로 연계될 경우, 전력계통에 큰 불확실성을 가져올 수 있으며, 이는 막대한 풍력발전의 출력 차단(Curtailment)으로 이어질 수 있다.
본 연구에서는 이에 대응하기 위해 풍력발전원의 수용성 확대를 위한 확률론적 풍력발전 출력 모델링 기법을 제안하며, 이를 통해 전력계통의 정태 안전도 검토를 수행하고, 확률적 해석을 통해 안전도 및 수용성 향상을 위한 송전망 확장 계획을 제시하고자 한다. 기존 결정론적 방법에 따른 전력계통 해석은 재생에너지원의 불확실성을 반영하지 못하기 때문에 조류계산 수행 시 오류 및 복잡성을 증가시킨다. 이는 현재 계통 운영 및 계획자들이 직면한 주요 문제점으로, 전력계통 검토 및 해석에서는 비효율적일 수 있다. 따라서 본 연구에서는 대규모 풍력 발전이 기존 계통에 연계될 경우에 대비하여 효율적인 계통 운영 및 계획을 위한 확률론적 풍력발전 출력 모델링을 수행하였다.
제주도 전력계통을 대상으로 9개소의 풍력발전단지를 연계하기 위해 9개소 풍력발전 단지에 대한 과거 풍력발전 출력 데이터를 활용하였다. 풍력발전 출력의 계절성을 고려하기 위해, 3년간의 과거 실측 데이터를 기반으로 시계열 분석을 수행하여 계절성을 확인하였으며, 불확실성을 반영하기 위해 Monte Carlo Simulation(MCS)기반의 출력 모델링을 수행하였다. MCS란 불확실한 변수들에 대한 값을 설정한 시뮬레이션 횟수만큼 난수들을 임의로 추출하여 발생 확률을 제시할 수 있어 의사결정에 도움을 줄 수 있는 확률적 모의실험을 의미한다. 과거 실측 데이터를 나타내는 확률분포를 기반으로 추출된 난수들을 통해 의사결정을 위한 확률적 지표를 계산한다. 본 연구에서는 추출된 난수들을 정태 안전도 해석을 위한 전력계통 입력 데이터로 활용하며, 난수의 수만큼 반복 조류계산을 수행하고, 확률적 지표를 계산하여 전력계통의 안전도를 평가한다. 이때 무수히 많은 횟수의 반복 조류계산을 위해 Python 기반의 PSS/E 자동화 알고리즘을 구현하였다.
계절에 따라 구분된 제주 전력계통과 풍력발전 연계를 위한 입력 데이터를 통해 정상상태와 N-1 상정고장 시 계통의 안전도를 해석한 결과, 선로 및 모선 별 불확실성과 과부하 및 전압위반 발생 가능성을 평가할 수 있었으며, 확률적 지표를 통해 선로 보강 및 조상설비를 통한 제어가 필요한 설비를 결정할 수 있었다. 이를 기반으로, 제주 전력계통의 송전 선로 확장 용량과 조상설비 및 변압기 Tap 조정 여부를 계획하여 송전망 보강 계획을 제안하였으며, MCS 기반 반복 조류계산을 다시 수행한 결과, 제주 계통의안전도가 향상됨을 확인할 수 있었다.
해외 재생에너지 발전 수준이 높은 전력기관들이 주목하는 확률론적 기법 기반의 전력계통 해석방법을 기반으로 국내 제주 전력계통의 풍력발전 수용성 확대를 위한 모델링 기법을 제안하였다. 이에 따라 국내 전력계통 또한 재생에너지발전원의 불확실성을 반영하여, 보다 효율적이고 경제적인 송전망 운영 및 확장, 보강 계획 수립에 기여할 수 있기를 바란다.

As the importance of renewable energy utilization has emerged around the world in an effort to reduce fossil fuel energy reliance and greenhouse gases, South Korea’s power industry has gradually shut down thermal power and nuclear power plants and increased the proportion of renewable energy resources in power generation. This policy aims to increase the rate of renewable energy generation from 7% to 20% by 2030 and plans to supply approximately 97% of new facility capacity, mainly in wind and solar power generation.
Renewable energy resources are very intermittent and variable depending on meteorological factors. In particular, in wind power generation, the short-term pattern such as in solar power is difficult to predict and has large uncertainty because it is greatly affected by wind speed. In the future, if wind power generation can be integrated at a large scale to achieve policy goals, it will bring great uncertainty into the power system, which can lead to a massive curtailment of wind power output. To cope with this, we propose a probabilistic wind power output modeling method to expand the penetration of wind-generation resources. In this paper, a probabilistic security assessment of the power system is performed and a transmission network expansion plan is proposed to improve power system security through probabilistic analysis.
According to the existing deterministic method, power system analysis cannot reflect the uncertainty of renewable energy resources, which increases errors and complexity when performing power flow calculations. This is a major problem currently faced by grid operators and planners and can be inefficient in power system analysis. Therefore, probabilistic wind power output modeling was performed in this study for efficient system operation and planning when large-scale wind generation resources are integrated into an existing system.
Nine wind farms were integrated into Jeju Island''s power system using their historical wind power output data. To take into account the seasonality of wind power output, time series analysis was performed based on historical data from the past three years to confirm the seasonality and Monte Carlo Simulation (MCS)-based output modeling was performed to reflect the uncertainty. MCS is a probabilistic simulation that can assist decision-making by randomly extracting random values as many times as a preset number of simulations for uncertain variables and presenting the probability of occurrences. Probabilistic indicators for decision-making are calculated through random numbers extracted based on probability distributions that represent past measured data. In this study, the extracted random numbers are used as power system input data for steady-state security analysis and a random number of repeated power flow calculations are performed. At this time, a Python-based PSS/E automation algorithm was implemented for the countless number of iterative power flow calculations.
As a result of analyzing the security of the power system during steady-state and N-1 contingency through input data for integrating the Jeju power system, it is possible to evaluate the uncertainty of each transmission line and bus and the potential of overload and voltage violation. Through the probabilistic indicator, it was possible to determine what facilities were needed to reinforce the transmission capacities and input reactive power compensators.
The transmission network reinforcement plan was proposed with plans to expand the capacity of the transmission lines of the Jeju power system and whether to adjust the reactive power compensators and transformer taps. The result of repeated power flow calculations after applying reinforcement plan confirmed that the security of the Jeju power system was improved.
This paper proposes a modeling method for expanding the penetration of wind generating resources in Jeju power systems in South Korea based on the probabilistic power system analysis method to which power institutions with high levels of overseas renewable energy generation pay attention. Accordingly, it is hoped that the Korean power system will also reflect the uncertainty of renewable energy resources, contributing to more efficient and economical transmission network operation, expansion, and reinforcement plans.