가상 발진기 기반 그리드 형성 컨트롤러를 위한 통합 고장 통과 기술

핵심 개념

본 논문에서는 기존 가상 발진기(VO) 기반 컨트롤러가 가지고 있는 고장 상황에서의 동기화 문제를 분석하고, 이를 해결하기 위한 통합 고장 통과(FRT) 제어 기술을 제안합니다.

초록

개요

본 논문은 가상 발진기(VO) 기반 그리드 형성 컨트롤러의 고장 상황에서의 성능 개선을 위한 통합 고장 통과(FRT) 기술을 제안하는 연구 논문입니다.

기존 VO 기반 컨트롤러의 문제점 (섹션 II)

기존 VO 기반 컨트롤러는 고장 상황에서 전류 제한 기능은 성공적으로 수행하지만, 그리드와의 효과적인 동기화를 유지하지 못하는 문제점을 가지고 있습니다. 이는 시뮬레이션 연구를 통해 확인되었으며, 고장 발생 시 큰 부하 각도 편차, 심각한 유효 전력 스윙, 전력 역전 현상이 발생하는 것을 확인했습니다.

문제점 분석 (섹션 III)

논문에서는 기존 VO 컨트롤러의 동기화 문제 발생 원인을 분석하기 위해 수학적 분석을 제시합니다.

• 고장 발생 시 전류 제한 모드가 활성화되면서 PCC 전압과 VO 전압의 차이가 발생하고, 이는 부정확한 각 주파수 추정으로 이어져 부하 각도가 감소하게 됩니다.
• 고장 제거 후 부하 각도가 음수(-) 값을 가지는 경우, 내부 PI 전압 제어 루프와 가상 발진기 사이의 상호 작용으로 인해 유효 전력이 역전될 수 있습니다.

통합 FRT 제어 아키텍처 제안 (섹션 IV)

본 논문에서는 기존 시스템 레벨 VO에 통합 가능한 통합 FRT 컨트롤러를 제안합니다.

• 제안된 FRT 컨트롤러는 고장 감지기, 전류 동기화 장치, 전압 동기화 장치로 구성됩니다.
• 3상 단락 고장 시에는 PLL 기반 전압 동기화 기술을 사용하고, 최소 1개 이상의 상이 정상 상태인 경우 전류 동기화 방법을 사용합니다.

시뮬레이션 결과 (섹션 V)

제안된 통합 FRT 컨트롤러의 성능을 검증하기 위해 시뮬레이션 연구를 수행했습니다.

• 시뮬레이션 결과, 제안된 FRT 컨트롤러를 통해 고장 상황에서도 부하 각도를 일정하게 유지하며 효과적인 동기화를 달성할 수 있음을 확인했습니다.
• 또한, 고장 제거 후 유효 전력 역전 현상을 방지하고 빠르게 정상 동작 상태로 복귀하는 것을 확인했습니다.

결론

본 논문에서 제안된 통합 FRT 제어 기술은 기존 VO 기반 컨트롤러의 고장 상황에서의 성능을 크게 향상시키고, 그리드 안정성을 향상시키는 데 기여할 수 있습니다.

통계

3상 전력 레퍼런스(P*)는 9kW로 설정되었습니다.
직접 축 전류(Id_upper 및 Id_lower)의 상한 및 하한은 각각 0A 및 20A로 설정되었습니다.
0.5초에 그리드 측 PCC에서 고장이 발생하고 0.75초에 고장이 제거되었습니다.

인용구

"흥미롭게도 유효 전력 출력이 음수가 되었습니다. 즉, 동기화 손실로 인해 직접 축 전류(Id_upper 및 Id_lower)의 제한을 0A에서 20A로 설정했음에도 불구하고 그리드 형성 소스가 그리드에서 전력을 소비하기 시작했습니다."
"그러나 위에서 언급한 장점에도 불구하고 실제 상황에서는 인버터가 단방향으로 소스에서 그리드로 에너지를 전달하기 때문에 유효 전력이 역전되는 시점(그림 2의 t3)에서 인버터가 그리드에서 분리되어 컨트롤러가 실패할 것입니다."
"이 기사에서는 위에서 언급한 VO용 FRT 컨트롤러의 한계를 해결하는 데 중점을 두었습니다."

핵심 통찰 요약

A Unified Fault Ride Through Technique for Virtual Oscillator based Grid Forming Controllers

by Ritwik Ghosh 게시일 arxiv.org 11-06-2024

https://arxiv.org/pdf/2411.03220.pdf

더 깊은 질문

유효 전력 역전 현상을 방지하는 데 초점을 맞추었는데, 실제 계통에서 발생할 수 있는 다양한 유형의 고장 상황(비대칭 고장, 접지 고장 등)에 대한 시스템의 동작 특성은 어떻게 달라질까요?

본 논문에서 제안된 Unified FRT 제어 기술은 주로 3상 단락 고장 및 불평형 고장 상황에서 유효 전력 역전 현상을 방지하는 데 초점을 맞추고 있습니다. 하지만 실제 계통에서는 다양한 유형의 고장, 특히 비대칭 고장(선간 단락, 1선 지락 등)이 발생할 수 있으며, 이러한 고장 상황에서는 시스템의 동작 특성이 달라질 수 있습니다.
1. 비대칭 고장 시 시스템 동작 특성:

영상분 전압 및 전류 발생: 비대칭 고장 발생 시에는 정상 상태에서는 존재하지 않는 영상분 전압과 전류가 발생합니다. 이는 S-VO(Symmetrical Component based Virtual Oscillator)의 동작에 영향을 미쳐 유효/무효 전력 제어 성능을 저하시킬 수 있습니다.
건전 상 전압 상승: 1선 지락 고장과 같은 경우, 고장이 발생하지 않은 건전 상의 전압이 상승할 수 있습니다. 이는 전략적으로 전압 및 전류 제한 값을 설정하지 않으면 계통의 다른 부분에 과전압을 야기할 수 있습니다.
불균형 전압 및 전류: 비대칭 고장은 계통 전반에 불균형 전압 및 전류를 야기합니다. 이는 VOC의 동기화 안정성에 영향을 미칠 뿐만 아니라, 계통에 연결된 다른 장비의 오작동을 유발할 수 있습니다.
2. 접지 고장 시 시스템 동작 특성:

접지 전류 발생: 접지 고장 발생 시에는 접지 전류가 흐르게 됩니다. 계통의 접지 방식(접지형, 비접지형) 및 접지 저항 값에 따라 접지 전류 크기가 달라지며, 이는 VOC의 동작에 영향을 미칠 수 있습니다.
영상 임피던스: 접지 고장 시에는 계통의 영상 임피던스가 중요한 역할을 합니다. 영상 임피던스 값에 따라 접지 전류 크기 및 전압 강하가 결정되기 때문에, FRT 제어 성능에 영향을 미칠 수 있습니다.
3. 추가적인 고려 사항:

고장 검출 알고리즘: 다양한 고장 유형에 따른 특징적인 전압 및 전류 변화를 분석하여 고장 검출 알고리즘을 개선해야 합니다.
제어 파라미터: 비대칭 고장 및 접지 고장 상황에 맞는 제어 파라미터(전압/전류 제한 값, 동기화 루프 게인 등)를 설정해야 합니다.
시뮬레이션 검증: 실제 계통과 유사한 환경에서 다양한 고장 상황을 모의하여 제안된 FRT 제어 기술의 성능을 검증해야 합니다.
결론적으로, 실제 계통에서 발생할 수 있는 다양한 고장 상황에 대한 시스템의 동작 특성을 고려하여 FRT 제어 기술을 더욱 발전시켜야 합니다. 특히, 비대칭 고장 및 접지 고장 시 발생하는 특수한 현상들을 분석하고, 이를 효과적으로 처리할 수 있는 제어 알고리즘 및 파라미터 설정 방법을 개발해야 합니다.

제안된 FRT 제어 기술은 기존 VO 컨트롤러의 성능을 향상시키는 데 효과적이지만, 시스템의 복잡성을 증가시키는 요인이 될 수 있습니다. 시스템의 안정성과 제어 성능을 유지하면서 복잡성을 최소화할 수 있는 다른 방법은 무엇일까요?

제안된 FRT 제어 기술은 고장 상황에서 효과적인 동기화 유지 및 유효 전력 역전 방지 기능을 제공하지만, 추가적인 제어 루프와 파라미터 도입으로 인해 시스템 복잡성을 증가시킬 수 있습니다. 시스템 안정성 및 제어 성능을 유지하면서 복잡성을 최소화할 수 있는 다른 방법들을 아래와 같이 제시합니다.
1. 고장 상황에 강인한 VO 모델 개발:

비선형 제어 기법 활용: 기존 VO 모델은 선형 제어 기법 기반으로 설계되어 고장 상황에서 성능 저하가 발생할 수 있습니다. Sliding mode control, feedback linearization 등의 비선형 제어 기법을 활용하여 고장 상황에 강인하고 안정적인 동작을 제공하는 VO 모델을 개발할 수 있습니다.
적응형 VO 모델: Fuzzy logic, 신경망 등의 지능형 알고리즘을 활용하여 계통 상황 변화에 따라 VO 모델의 파라미터를 실시간으로 조정하는 적응형 VO 모델을 개발할 수 있습니다. 이를 통해 고장 상황에서도 안정적인 동기화 유지 및 전력 제어 성능을 확보할 수 있습니다.
2. 간략화된 FRT 제어 알고리즘:

모델 예측 제어 (Model Predictive Control, MPC): MPC는 시스템의 미래 동작을 예측하여 최적의 제어 입력을 계산하는 제어 기법입니다. MPC를 활용하여 고장 상황을 예측하고 사전에 적절한 제어 동작을 수행함으로써 FRT 제어 알고리즘을 간략화할 수 있습니다.
이벤트 트리거 제어 (Event-Triggered Control): 계통 상태 변화가 발생했을 때만 제어 동작을 수행하는 이벤트 트리거 제어 기법을 적용하여 FRT 제어 알고리즘의 계산 부하를 줄이고 시스템 복잡성을 감소시킬 수 있습니다.
3. 다기능 제어 알고리즘 통합:

가상 동기 발전기 (Virtual Synchronous Generator, VSG) 제어: VSG 제어는 인버터 기반 분산 전원 시스템을 동기 발전기처럼 동작하도록 제어하는 기법입니다. VSG 제어 알고리즘에 FRT 기능을 통합하여 별도의 FRT 제어 루프 없이 고장 상황에 대응할 수 있습니다.
드룹 제어 (Droop Control) 개선: 기존 드룹 제어 기법에 고장 상황을 고려한 추가적인 제어 루프를 추가하여 FRT 기능을 강화할 수 있습니다. 예를 들어, 고장 발생 시 드룹 특성을 조정하여 유효 전력 역전을 방지하고 계통 안정성을 유지할 수 있습니다.
4. 복잡성 감소를 위한 추가적인 고려 사항:

제어 파라미터 최적화: 시스템 모델 및 운영 조건을 고려하여 제어 파라미터를 최적화함으로써 제어 성능을 유지하면서 복잡성을 줄일 수 있습니다.
실시간 시뮬레이션 검증: 제안된 방법들을 실시간 시뮬레이션 환경에서 검증하여 실제 계통 적용 가능성 및 성능을 평가해야 합니다.
결론적으로, 고장 상황에 강인한 VO 모델 개발, 간략화된 FRT 제어 알고리즘, 다기능 제어 알고리즘 통합 등을 통해 시스템 안정성 및 제어 성능을 유지하면서 복잡성을 최소화할 수 있습니다.

인공지능 기술의 발전과 함께 그리드 시스템에도 머신러닝 기반의 고장 감지 및 복구 기술이 적용되고 있습니다. 이러한 기술들이 VO 기반 컨트롤러와 융합될 경우 어떤 시너지 효과를 기대할 수 있을까요?

인공지능, 특히 머신러닝 기반 고장 감지 및 복구 기술과 VO 기반 컨트롤러의 융합은 미래형 그리드 시스템의 안정성 및 효율성을 크게 향상시킬 수 있는 잠재력을 지니고 있습니다. 이러한 융합을 통해 다음과 같은 시너지 효과를 기대할 수 있습니다.
1. 향상된 고장 감지 및 분류:

정확도 및 속도 향상: 머신러닝 알고리즘은 대량의 계통 데이터를 학습하여 다양한 고장 유형에 대한 특징을 추출하고, 이를 기반으로 고장을 정확하게 감지하고 분류할 수 있습니다. 이는 기존의 규칙 기반 방법보다 빠르고 정확하게 고장을 감지할 수 있도록 하여 FRT 제어의 신속성을 향상시킵니다.
복잡한 고장 패턴 학습: 머신러닝은 비선형적인 관계 및 복잡한 패턴을 학습하는 데 탁월합니다. 따라서 기존 방법으로는 감지하기 어려웠던 복잡한 고장 패턴을 감지하고, 조기에 예측하여 사전 예방적인 제어 전략 수립에 기여할 수 있습니다.
2. 지능형 FRT 제어 및 복구:

실시간 적응형 제어: 머신러닝 기반 예측 모델을 활용하여 고장 발생 시 계통의 동적 거동을 예측하고, 이를 기반으로 VO 컨트롤러의 파라미터를 실시간으로 조정하여 최적의 FRT 제어 성능을 확보할 수 있습니다.
데이터 기반 제어 전략: 머신러닝은 과거 고장 데이터 및 시스템 응답 특성을 분석하여 최적의 복구 전략을 학습하고, 이를 기반으로 고장 발생 시 자동화된 복구 절차를 수행할 수 있도록 지원합니다.
3. 예측 유지보수 및 계통 안정성 향상:

고장 예측 및 예방: 머신러닝은 계통 운영 데이터 분석을 통해 장비 고장 가능성을 예측하고, 예측적인 유지보수를 가능하게 하여 시스템의 안정성 및 신뢰성을 향상시킵니다.
자기 학습 및 성능 개선: 머신러닝 기반 시스템은 새로운 고장 데이터를 지속적으로 학습하여 시간이 지남에 따라 고장 감지 및 복구 성능을 스스로 개선할 수 있습니다.
4. 시너지 효과 극대화를 위한 고려 사항:

데이터 품질 확보: 머신러닝 모델의 성능은 학습 데이터의 품질에 크게 좌우됩니다. 따라서 정확하고 신뢰성 있는 계통 데이터 확보 및 전처리 과정이 중요합니다.
실시간 데이터 처리: 실시간 고장 감지 및 제어를 위해서는 대량의 계통 데이터를 실시간으로 처리할 수 있는 하드웨어 및 소프트웨어 인프라 구축이 필요합니다.
안전성 및 신뢰성 검증: 머신러닝 기반 시스템의 안전성 및 신뢰성을 검증하기 위한 체계적인 방법론 및 검증 절차가 마련되어야 합니다.
결론적으로 머신러닝 기반 고장 감지 및 복구 기술과 VO 기반 컨트롤러의 융합은 향상된 고장 감지 및 분류, 지능형 FRT 제어 및 복구, 예측 유지보수 및 계통 안정성 향상 등의 시너지 효과를 창출하여 미래형 그리드 시스템 구축에 크게 기여할 것으로 기대됩니다.