듀얼 그리드-포밍 컨버터: 주파수 측정 없이 전력 균형을 유지하는 새로운 접근 방식

Kernkonzepte

본 논문에서는 순시 대역폭을 기반으로 하는 새로운 그리드-포밍(GFM) 컨버터 제어 방식을 제안하며, 이를 통해 주파수 측정 없이도 전력 시스템의 안정적인 운영을 가능하게 합니다.

Zusammenfassung

듀얼 그리드-포밍 컨버터: 주파수 측정 없이 전력 균형 유지

본 논문은 기존의 동기 발전기와는 구조적으로 다른 새로운 GFM 컨버터 제어 방식을 제안합니다.

새로운 듀얼 제어 방식

제안된 방식은 전압 크기의 시간 변화율인 순시 대역폭과 전압 위상각의 시간 변화율인 순시 주파수 간의 이중성에 기반합니다.

• 기존 GFM 컨버터는 동기 발전기처럼 순시 주파수를 사용하여 전력 균형을 유지하는 반면, 본 논문에서 제안하는 방식은 순시 대역폭을 활용합니다.
• 즉, 전압 크기 변화를 통해 유효 전력을 제어하고, 무효 전력 제어를 통해 주파수를 조정하는 방식입니다.

장점

이러한 듀얼 GFM 제어 방식은 다음과 같은 장점을 제공합니다.

• 주파수 측정 없이 전력 시스템의 전력 균형 유지 가능
• 부하 변동 및 고장과 같은 대규모 외란 발생 시에도 강력하고 안정적인 성능 제공
• 무효 전력을 사용한 주파수 제어 방식으로, 배전 및 저압 네트워크에서 기존 GFM 컨버터보다 효과적인 주파수 제어 가능
• 주파수 의존성이 없어 DC 시스템에도 적용 가능

시뮬레이션 결과

WSCC 9-bus 시스템 및 아일랜드 전력 시스템 모델을 사용한 시뮬레이션을 통해 제안된 듀얼 GFM 제어 방식의 성능을 검증했습니다.

• 시뮬레이션 결과, 부하 변동 및 고장 발생 시에도 듀얼 GFM 컨버터가 전력 불균형을 효과적으로 해소하고 정상 운전 상태를 회복하는 것을 확인했습니다.

결론 및 향후 연구 방향

본 논문에서 제안된 듀얼 GFM 제어 방식은 주파수 측정 없이 전력 시스템의 안정적인 운영을 가능하게 하는 새로운 접근 방식입니다.

향후 연구에서는 복소 주파수 이중성을 활용한 새로운 GFM 컨버터 제어 기법 개발 및 DC 그리드 적용 가능성에 대한 연구를 수행할 예정입니다.

Statistiken

본 논문에서는 WSCC 9-bus 시스템과 1479-bus 아일랜드 전력 시스템 모델을 사용하여 시뮬레이션을 진행했습니다.
듀얼 GFM 컨버터의 매개변수는 다음과 같습니다: K = 0.1 (컨버터 용량 대비 pu), ˜M = 30 s, ˜D = 20, ˜Tm = 2 s, ˜R = 0.05, Kq = 10, Tq = 5 s, ˜Kr = 40, ˜Tr = 1 s.
아일랜드 전력 시스템 모델의 경우, K = 1, ˜M = 15 s, ˜D = 0.5를 제외하고는 동일한 매개변수 값을 사용했습니다.

Zitate

"This letter proposes a dual model for grid-forming (GFM) controlled converters. The model is inspired from the observation that the structures of the active and reactive power equations of lossy synchronous machine models are almost symmetrical in terms of armature resistance and transient reactance."
"This work, on the other hand, considers the dual parts of (1) and (2), that is, the terms that depend on the armature resistance and suppose that the reactance x′d is zero or negligible. This can be done because a converter is not a machine with physical coils and its parameters can be tuned as desired."
"In this way, the dual-GFM control is also able provide a perfect tracking (or almost perfect tracking as the one illustrated in Fig. 2) control of the frequency without the need of a secondary frequency control as it happens for synchronous machines and conventional GFM converters."

Wichtige Erkenntnisse aus

Dual Grid-Forming Converter

by Federico Mil... um arxiv.org 11-12-2024

https://arxiv.org/pdf/2408.13185.pdf

Tiefere Fragen

제안된 듀얼 GFM 컨버터 제어 방식을 실제 전력 시스템에 적용하기 위해 극복해야 할 기술적 과제는 무엇일까요?

듀얼 GFM 컨버터는 기존의 동기 발전기나 GFM 컨버터와는 다른 제어 방식을 사용하기 때문에 실제 전력 시스템에 적용하기 위해서는 다음과 같은 기술적 과제들을 극복해야 합니다.

전압 크기 변화율 (ϱ) 측정 및 노이즈 문제: 듀얼 GFM 제어는 전압 크기 변화율 (ϱ)을 기반으로 동작합니다. 실제 시스템에서는 노이즈가 많은 환경에서 정확한 ϱ 값을 측정하는 것이 어려울 수 있습니다. 센서의 정확도, 노이즈 필터링 기술, 그리고 측정 지연 문제 등을 해결해야 합니다.

매개변수 민감도: 듀얼 GFM 제어는 가상 관성 (M), 가상 감쇠 (D), 그리고 제어 게인 (K, Kq, Kr) 등 다양한 매개변수를 사용합니다. 이러한 매개변수들은 시스템의 안정성과 성능에 큰 영향을 미치기 때문에 실제 시스템에 적용하기 위해서는 정확한 매개변수 설정 및 튜닝 기술이 필수적입니다. 특히, 다양한 운전 조건과 외란 상황에서도 안정적으로 동작할 수 있도록 매개변수의 강인성을 확보하는 것이 중요합니다.

실제 시스템 검증: 제안된 제어 방식은 시뮬레이션을 통해 검증되었지만, 실제 전력 시스템은 시뮬레이션보다 훨씬 복잡하고 예측 불가능한 요소들이 많습니다. 따라서 실제 시스템에 적용하기 전에 소규모 시스템에서의 실험 및 검증 과정이 필수적입니다.

보호 계전기와의 연동: 듀얼 GFM 컨버터는 기존의 보호 계전기 시스템과 다르게 동작할 수 있습니다. 따라서 기존 보호 시스템과의 호환성을 확보하고, 새로운 보호 방식을 개발해야 할 수도 있습니다.

표준화 및 상호 운용성: 듀얼 GFM 컨버터가 널리 사용되기 위해서는 통신 프로토콜, 데이터 형식, 그리고 제어 인터페이스 등의 표준화가 필요합니다. 또한, 기존 전력 시스템과의 상호 운용성을 확보하는 것도 중요합니다.

기존 GFM 컨버터에 비해 제어 복잡성이 증가함으로써 발생할 수 있는 문제점은 없을까요?

듀얼 GFM 컨버터는 기존 GFM 컨버터에 비해 제어 루프가 더 복잡해지고 추가적인 매개변수 설정이 필요합니다. 이러한 제어 복잡성 증가는 다음과 같은 문제점을 야기할 수 있습니다.

계산량 증가 및 실시간 처리 문제: 듀얼 GFM 제어는 기존 GFM 컨버터에 비해 더 많은 계산량을 요구합니다. 따라서 높은 성능의 제어기가 필요하며, 실시간으로 빠르게 제어 신호를 계산하고 출력해야 하는 어려움이 있습니다.

매개변수 튜닝 어려움: 듀얼 GFM 제어는 기존 GFM 컨버터보다 더 많은 매개변수를 가지고 있으며, 이러한 매개변수들은 서로 연관되어 있어 튜닝 과정이 복잡하고 어려울 수 있습니다.

시스템 모델링 및 해석 복잡도 증가: 듀얼 GFM 컨버터를 포함하는 전력 시스템의 모델링 및 해석은 기존 시스템보다 더욱 복잡해집니다. 이는 시스템의 안정성 및 동적 성능 분석을 어렵게 만들고, 제어 설계 및 검증 과정을 복잡하게 만듭니다.

유지보수 및 운영 비용 증가: 제어 복잡성 증가는 컨버터의 유지보수 및 운영 비용 증가로 이어질 수 있습니다. 숙련된 운영 인 personnel이 필요하며, 시스템 고장 발생 시 진단 및 복구가 어려워질 수 있습니다.

인공지능 기술의 발전이 듀얼 GFM 컨버터 제어 성능 향상에 어떤 영향을 미칠 수 있을까요?

인공지능 기술의 발전은 듀얼 GFM 컨버터 제어 성능 향상에 다음과 같이 크게 기여할 수 있습니다.

데이터 기반 모델링 및 매개변수 최적화: 인공지능 기술, 특히 머신러닝은 듀얼 GFM 컨버터의 운전 데이터를 학습하여 시스템의 동적 특성을 정확하게 모델링할 수 있습니다. 이를 통해 시스템의 동작을 예측하고 제어 성능을 향상시킬 수 있습니다. 또한, 강화 학습과 같은 기술을 활용하여 다양한 운전 조건에서 최적의 제어 매개변수를 자동으로 찾는 것이 가능해집니다.

실시간 학습 및 적응형 제어: 인공지능 기반 제어 시스템은 실시간으로 운전 환경 변화를 학습하고 이에 적응하여 제어 성능을 유지하거나 향상시킬 수 있습니다. 예를 들어, 계통 조건 변화, 부하 변동, 재생에너지원 출력 변동 등에 따라 듀얼 GFM 컨버터의 제어 매개변수를 실시간으로 조정하여 안정적인 계통 운영을 가능하게 합니다.

고장 감지 및 진단: 인공지능 기술을 활용하여 듀얼 GFM 컨버터의 고장을 조기에 감지하고 진단할 수 있습니다. 센서 데이터 분석을 통해 시스템 이상 동작을 감지하고, 고장 원인을 빠르게 파악하여 시스템 다운타임을 최소화하고 유지보수 효율을 높일 수 있습니다.

자율 운전 및 계통 안정화: 인공지능 기술은 듀얼 GFM 컨버터의 자율 운전을 가능하게 하여 인적 오류를 줄이고 운영 효율성을 향상시킬 수 있습니다. 또한, 계통 안정도 저하를 예측하고 사전에 예방적인 제어를 수행하여 계통 안정성을 향상시킬 수 있습니다.

인공지능 기술은 듀얼 GFM 컨버터의 제어 복잡성을 해결하고 성능을 향상시킬 수 있는 잠재력이 큰 기술입니다. 하지만, 인공지능 기술 적용 시 데이터 의존성, 모델 해석의 어려움, 안전성 검증 문제 등을 고려해야 합니다.