KR-20260060702-A - Method and Apparatus for Determining Virtual Inertia Parameter

KR20260060702AKR 20260060702 AKR20260060702 AKR 20260060702AKR-20260060702-A

Abstract

본 개시의 실시예에 따른 방법은 가상 관성 파라미터를 결정하는 방법에 있어서, 분산자원 특성을 획득하는 과정; 획득된 분산자원 특성을 기초로 하여 그리드포밍 인버터의 가상 관성 파라미터에 포함된 관성 계수 및 댐핑 계수의 최대값 및 최소값을 산출하는 과정; 상기 그리드포밍 인버터, 그리드 팔로잉 인버터, 및 동기발전기의 통합된 동특성 모델을 수립하는 과정; 수립된 동특성 모델을 기초로 하여 상기 그리드포밍 인버터의 시간대별 최적의 관성 계수 및 댐핑 계수를 결정하는 과정; 및 결정된 최적의 관성 계수 및 댐핑 계수를 자원별로 할당하는 과정을 포함한다.

Inventors

이진오
유형준
정소슬

Assignees

한국전기연구원

Dates

Publication Date: 20260506
Application Date: 20241025

Claims (14)

가상 관성 파라미터를 결정하는 방법에 있어서, 분산자원 특성을 획득하는 과정; 획득된 분산자원 특성을 기초로 하여 그리드포밍 인버터의 가상 관성 파라미터에 포함된 관성 계수 및 댐핑 계수의 최대값 및 최소값을 산출하는 과정; 상기 그리드포밍 인버터, 그리드 팔로잉 인버터, 및 동기발전기의 통합된 동특성 모델을 수립하는 과정; 수립된 동특성 모델을 기초로 하여 상기 그리드포밍 인버터의 시간대별 최적의 관성 계수 및 댐핑 계수를 결정하는 과정; 및 결정된 최적의 관성 계수 및 댐핑 계수를 자원별로 할당하는 과정을 포함하는, 가상 관성 파라미터를 결정하는 방법.
제1항에 있어서, 상기 관성 계수 및 상기 댐핑 계수는 하기 수학식을 만족하고, [수학식] , 여기서, H는 상기 관성 계수, K d 는 상기 댐핑 계수, f는 주파수, C H , C D 는 제어 비용 계수를 나타내는, 가상 관성 파라미터를 결정하는 방법.
제1항에 있어서, 상기 최적의 관성 계수 및 댐핑 계수는 PSO(particle swarm optimization) 기법을 적용하여 결정되는, 가상 관성 파라미터를 결정하는 방법.
제1항에 있어서, 상기 결정된 최적의 관성 계수 및 댐핑 계수를 자원별로 할당하는 과정은, 상기 최적의 관성 계수 및 댐핑 계수를 가지는 상기 그리드포밍 인버터의 위치 및 상기 그리드포밍 인버터의 대수를 결정하는 과정을 포함하는, 가상 관성 파라미터를 결정하는 방법.
제1항에 있어서, 상기 분산자원 특성은 전력망 정보, 발전원 상태, 부하 예측 데이터 중 적어도 하나를 포함하는, 가상 관성 파라미터를 결정하는 방법.
제1항에 있어서, 상기 동특성 모델은 상기 관성 계수 및 상기 댐핑 계수가 가변함에 따라 전력망 주파수 응답을 포함한 동특성을 분석하는 수리모델을 포함하는, 가상 관성 파라미터를 결정하는 방법.
제1항에 있어서, 상기 최적의 관성 계수 및 댐핑 계수는, 주파수 변화율을 제1 특정 값보다 작게 유지하게 하고, 주파수 최저점을 제2 특정 값 보다 높게 유지하게 하도록 설정되는, 가상 관성 파라미터를 결정하는 방법.
가상 관성 파라미터를 결정하는 장치에 있어서, 명령어를 포함하는 메모리; 및 상기 명령어의 실행에 의해 분산자원 특성을 획득하고, 획득된 분산자원 특성을 기초로 하여 그리드포밍 인버터의 가상 관성 파라미터에 포함된 관성 계수 및 댐핑 계수의 최대값 및 최소값을 산출하고, 상기 그리드포밍 인버터, 그리드 팔로잉 인버터, 및 동기발전기의 통합된 동특성 모델을 수립하고, 수립된 동특성 모델을 기초로 하여 상기 그리드포밍 인버터의 시간대별 최적의 관성 계수 및 댐핑 계수를 결정하고, 및 결정된 최적의 관성 계수 및 댐핑 계수를 자원별로 할당하는 프로세서를 포함하는, 가상 관성 파라미터를 결정하는 장치.
제8항에 있어서, 상기 관성 계수 및 상기 댐핑 계수는 하기 수학식을 만족하고, [수학식] , 여기서, H는 상기 관성 계수, K d 는 상기 댐핑 계수, f는 주파수, C H , C D 는 제어 비용 계수를 나타내는, 가상 관성 파라미터를 결정하는 장치.
제8항에 있어서, 상기 최적의 관성 계수 및 댐핑 계수는 PSO(particle swarm optimization) 기법을 적용하여 결정되는, 가상 관성 파라미터를 결정하는 장치.
제8항에 있어서, 상기 프로세서는, 상기 결정된 최적의 관성 계수 및 댐핑 계수를 자원별로 할당 시, 상기 최적의 관성 계수 및 댐핑 계수를 가지는 상기 그리드포밍 인버터의 위치를 결정하는, 가상 관성 파라미터를 결정하는 장치.
제8항에 있어서, 상기 분산자원 특성은 전력망 정보, 발전원 상태, 부하 예측 데이터 중 적어도 하나를 포함하는, 가상 관성 파라미터를 결정하는 장치.
제8항에 있어서, 상기 동특성 모델은 상기 관성 계수 및 상기 댐핑 계수가 가변함에 따라 전력망 주파수 응답을 포함한 동특성을 분석하는 수리모델을 포함하는, 가상 관성 파라미터를 결정하는 장치.
제8항에 있어서, 상기 최적의 관성 계수 및 댐핑 계수는, 주파수 변화율을 제1 특정 값보다 작게 유지하게 하고, 주파수 최저점을 제2 특정 값 보다 높게 유지하게 하도록 설정되는, 가상 관성 파라미터를 결정하는 장치.

Description

가상 관성 파라미터를 결정하는 방법 및 장치{Method and Apparatus for Determining Virtual Inertia Parameter} 본 개시는 가상 관성 파라미터를 결정하는 방법 및 장치에 관한 것이다. 이하에 기술되는 내용은 단순히 본 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다. 전력전자 기반 설비들이 증가함에 따라 기존 동기 발전기를 중심으로 전기에너지를 생산하는 방식에서 인버터를 중심으로 전기에너지를 생산하는 방식으로 바뀌고 있다. 이에 따라 기존 동기 발전기가 제공하는 회전관성이 감소되며, 회전관성이 감소되면 전력계통 내 외란이 발생 시 주파수의 급격한 변화와 더 낮은 주파수 최저점 문제를 야기한다. 이를 해결하기 위해, 인버터 기반의 자원이 직접 전압을 생성하는 그리드포밍 제어가 각광받고 있으며, 다양한 그리드포밍 제어 중에서 가상 관성 제어는 관성 및 댐핑 파라미터를 기존 동기 발전기와 마찬가지로 직관적으로 설정해줄 수 있기 때문에 최근에 가상 관성 제어에 대한 연구가 많이 진행되고 있다. 초기에는 가상 관성을 제공하는 인버터 제어기를 어떻게 구성하고 설계할 것인지에 대한 연구가 진행되었으며, 최근에는 관성을 제공할 수 있는 인버터 자원들을 어떻게 최적으로 관리할 것인가에 대한 연구가 진행되고 있다. 종래기술은 단일 인버터를 대상으로 그리드포밍 제어 기법이나 가상 관성 제어 기법을 어떻게 구현할 것인지에 대해 초점을 맞추고 있다. 제어기 대역폭 등의 파라미터 설정 및 실계통 연계 시 발생할 수 있는 문제들을 해결하기 위한 기술들이 주로 연구되었다. 다수의 인버터 자원의 관성 파라미터 관리는 최근에 연구가 진행되고 있으나, 기존에 관성을 제공하는 동기 발전기 및 인버터 자원들의 모델을 단순화하여 관성 및 댐핑 파라미터를 제외한 제어기 내부 파라미터의 영향을 반영할 수 없다는 단점이 있다. 게다가, 가상 관성 파라미터를 결정하는 기준이 단순히 관성이나 댐핑의 총합 또는 개별 크기로 설정되어 있어서 자원들의 특성을 제대로 반영하지 못하는 단점이 있다. 추가적으로, 전력망 운영의 관점에서 다수의 가상 관성 자원들이 동시에 연계되는 경우 전력망 불안정을 유발할 가능성이 높다. 따라서, 가상 관성 파라미터를 최적으로 관리하는 방안이 요구된다. 도 1은 본 개시의 실시예에 적용되는 가상 관성 적용 제어 시스템의 구성 블록도이다. 도 2는 본 개시의 실시예에 따른 가상 관성 파라미터를 결정하는 방법을 설명하기 위한 예시도이다. 도 3a 및 도 3b는 시간에 따른 주파수 변화율을 나타낸 예시도이다. 도 4는 본 개시의 실시예에 따른 가상 관성 파라미터를 결정하는 방법을 나타낸 흐름도이다. 도 5는 본 개시의 실시예에 적용된 동기 발전기 제어 블록도이다. 도 6은 본 개시의 실시예에 적용된 그리드포밍(Grid Forming) 인버터 제어 블록도이다. 도 7은 본 개시의 실시예에 적용된 그리드 팔로잉(Grid Following : GFL) 인버터 제어 블록도이다. 도 8은 본 개시의 실시 예에 따른 자원별 파라미터 할당 결과가 적용된 간략회된 제주 계통도이다. 도 9는 본 개시의 실시예에 따른 시간대별 GFM 인버터의 개수가 동일한 경우 최적의 파라미터를 나타낸 예시도이다. 도 10은 본 개시의 실시예에 따른 시간대별 GFM 인버터의 개수가 다른 경우 최적의 파라미터를 나타낸 예시도이다. 이하, 본 개시의 일부 실시예들을 예시적인 도면을 이용해 상세하게 설명한다. 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면 상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 개시를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 본 개시에 따른 실시예의 구성요소를 설명하는 데 있어서, 제1, 제2, i), ii), a), b) 등의 부호를 사용할 수 있다. 이러한 부호는 그 구성요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 부호에 의해 해당 구성요소의 본질 또는 차례나 순서 등이 한정되지 않는다. 명세서에서 어떤 부분이 어떤 구성요소를 '포함' 또는 '구비'한다고 할 때, 이는 명시적으로 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 개시의 예시적인 실시형태를 설명하고자 하는 것이며, 본 개시가 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다. 도 1은 본 개시의 실시예에 적용되는 가상 관성 적용 제어 시스템의 구성 블록도이다. 도 1을 참조하면, 가상 관성 적용 제어 시스템(100)은 전원부(110)로부터 직류전력을 입력받아 교류전력으로 변환하는 인버터(120), 교류전력으로부터 노이즈를 제거하고 출력 전력을 계통(150)에 공급하는 출력 필터(130), 출력 필터(130)의 출력단에서 출력 전력을 센싱하여 출력 전력 정보를 생성하는 센서(140), 출력 전력 정보를 이용하여 가성 관성의 양을 조절하여 인버터(120)를 제어하는 제어부(160) 등을 포함하여 구성될 수 있고, 이에 한정하지 않는다. 전원부(110)는 직류 전력을 생성하는 기능을 수행한다. 여기서, 직류 전력은 예컨대, 태양광, 풍력 등의 신재생 에너지원에 의해 생성된다. 인버터(120)는 직류 전력을 교류 전력으로 변환하는 기능을 수행한다. 이를 위해, 전력용 스위칭 소자 2개 한 쌍으로 3개가 형성된다. 즉, 중성점(미도시)을 기준으로 대칭되게 한 쌍의 전력용 스위칭 소자가 배치된다. 이러한 배치가 위상(Phase)에 대응하여 구성된다. 여기서, 전력용 스위칭 소자는 IGBT(Insulated Gate Bipolar Mode Transistor)가 사용되나, 이에 한정되는 것은 아니며, FET(Field Effect Transistor), MOSFET(Metal Oxide Semiconductor FET), 파워 정류 다이오드 등과 같은 반도체 스위칭 소자, 사이리스터, GTO(Gate Turn-Off) 사이리스터, TRIAC(Triode for alternating current), SCR(Silicon Controlled Rectifier), I.C(Integrated Circuit) 회로 등이 사용될 수 있다. 특히, 반도체 소자의 경우 바이폴라, 전력 MOSFET(Metal Oxide Silicon Field Effect Transistor) 소자 등이 사용될 수 있다. 여기서, 전력 MOSFET 소자는 고전압 고전류 동작으로 일반 MOSFET와 달리 DMOS(Double-Diffused Metal Oxide Semiconductor) 구조를 갖는다. 출력 필터(130)는 인버터(120)에 의해 생성되는 교류 전력으로부터 노이즈를 제거하는 기능을 수행한다. 출력 필터(130)는 인덕터(L)와 커패시터(C)로 구성되는 출력 LC 필터가 될 수 있다. 센서(140)는 출력 필터(130)의 출력단에서 출력 전력을 센싱하여 출력 전력 정보를 생성하는 기능을 수행한다. 물론, 출력 필터(130)를 구성하지 않고 직접적으로 인버터(120)의 출력 전력을 센싱하는 것도 가능하다. 출력 전력 정보는 3상 전압, 3상 전류가 될 수 있다. 센서(140)는 전류 센서, 전압 센서 등을 포함하여 구성될 수 있다. 물론, 이들 센서들은 단독으로 구성될 수도 있고, 인버터 등의 내부에 구성될 수도 있다. 또한, 전류 센서로는 홀 센서, 광섬유 전류 센서, CT(Current Transformer)형 전류 센서 등이 사용될 수 있다. 전압 센서로는 PT(Potential Transformer)가 될 수 있다. 계통(150)은 송전계통 및 배전계통으로 구성되는 송배전계통(Transmission and Distribution Systems)으로서, 발전 설비에서 생산된 전력을 직접 소비하는 수용가까지 유통 배분하는 설비들의 결합이다. 따라서, 송전선, 배전선, 변전소 및 이들과 밀접한 관계를 갖는 각종 보호 장치, 제어 장치, 조정 장치(예컨대, 차단기, 피뢰기, 보호 계전 시스템, 전압 조정용 콘덴서 등) 등이 구성된다. 제어부(160)는 센서(140)의 출력 전력 정보를 이용하여 가상 관성 파라미터를 결정하여 인버터(120)를 제어하는 기능을 수행한다. 본 개시의 실시 예에서 주요 동작은 최적의 가상 관상 파라미터를 결정하는 것으로, 최적의 가상 관상 파라미터를 결정하는 동작은 제어부(160) 또는 도면에 기재하지 않은 프로세서에 의해서 수행될 수 있다. 도 2는 본 개시의 실시예에 따른 가상 관성 파라미터를 결정하는 방법을 설명하기 위한 예시도이다. 본 개시의 실시예에 따른 신재생 에너지(Renewable Energy Sources : RES) 기반의 분산전원은 태양광 발전기, 디젤 발전기, 마이크로 터빈, 및 연료전지 등을 포함할 수 있으며, 이에 한정하지 않는다. 복수의 분산 전원들은 도 2의 박스 1 내지 박스 9로 표시하였다. 에너지 관리 시스템(240)은 복수 개의 분산 전원들과 통신선으로 연결되고, 복수 개의 분산 전원들의 동작 상태를 모니터링하거나 또는 복수 개의 분산 전원들의 동작을 원격으로 제어할 수 있다. 예컨대, 에너지 관리 시스템(240)은 재생전원, 에너지 저장장치, 및 동기 발전기의 동작을 감시 및 원격으로 제어함으로써, 전력계통을 안정화할 수 있다. 추가적으로, 에너지 관리 시스템(240)은 전력망 구조, 전압 크기, 자원 용량/위치/특성, 모션별 부하 예측량, 모션별 신재생 출력 예측량 등의 정보를 전력방 운영자(250)에게 전달한다. 전력망 운영자(250)는 전력망 운영 관리 시스템으로 칭할 수 있으며, 에너지 관리 시스템(240)으로부터 수신된 정보를 기초로 하여 최적의 가상 관성 파라미터를 결정한다. 에너지 관리 시스템(240)으로부터 수신된 정보는 전력망 구조, 전압 크기, 자원 용량/위치/특성, 모션별 부하 예측량, 모션별 신재생 출력 예측량 등을 포함하고, 이에 한정하지 않는다. 본 개시의 실시예에 따른 최적의 가상 관