[논문 리뷰] Challenges and opportunities of inertia estimation and forecasting in low-inertia power systems

Evelyn Heylen, Goran Štrbac외 1명|arXiv (Cornell University)|2020. 08. 28.

Energy Load and Power Forecasting참고 문헌 66인용 수 15

한 줄 요약

이 논문은 저관성 전력시스템의 관성 추정 및 예측 기법을 분류하고 평가하며, 실시간 정확도와 예측 능력 측면에서의 격차를 밝혀내고 있다. 시스템 관리자의 의사결정을 향상시키기 위해 근접 연속 추정 및 확률적 예측을 제안한다.

ABSTRACT

Accurate inertia estimates and forecasts are crucial to support the system operation in future low-inertia power systems. A large literature on inertia estimation methods is available. This paper aims to provide an overview and classification of inertia estimation methods. The classification considers the time horizon the methods are applicable to, i.e., offline post mortem, online real time and forecasting methods, and the scope of the inertia estimation, e.g., system-wide, regional, generation, demand, individual resource. Shortcomings of the existing inertia estimation methods have been identified and suggestions for future work have been made.

연구 동기 및 목표

• 증가하는 변환기 연결 태양광 및 풍력 발전으로 인한 시스템 관성 감소 문제를 다루기 위해.
• 현재 관성 추정 방법의 한계, 특히 실시간 정확도가 낮고 예측 기능이 부족한 점을 밝혀내기 위해.
• 시간 범위(사후 분석, 실시간, 예측)와 범위(전체 시스템, 지역, 개별 자원)에 따라 기존 방법을 분류하기 위해.
• 미래 전력 시스템에서 안정적인 주파수 제어를 지원하기 위해 신뢰할 수 있고 고해상도의 관성 추정이 필요함을 강조하기 위해.
• 향후 연구 방향을 제안하기 위해, 연속 추정의 검증, 모니터링되지 않은 관성 기여 요소 이해, 그리고 확률적 예측 모델 개발을 포함한다.

제안 방법

• 시간 범위에 따라 관성 추정 방법을 분류: 오프라인 사후 분석, 온라인 실시간, 예측 기법.
• 추정 범위에 따라 방법을 분류: 전체 시스템, 지역, 발전, 수요, 또는 개별 자원.
• 스윙 방정식을 분석: $ 2H \cdot \frac{d\Delta f}{dt} + K^D \cdot \Delta f = \frac{\Delta P}{S^{base}} $, 여기서 H는 시스템 관성, Δf는 주파수 편차, K^D는 감쇠 계수이다.
• 실시간 관성 추적을 위한 마이크로교란 기반 추정, 주파수 반응 분석, 모델 기반 식별 기법 등을 평가하기 위해.
• 고해상도 관성 추정치를 입력으로 사용하는 확률적 예측 모델을 제안하여 점 예측을 넘어서기 위해.
• 알려진 관성 사건(예: 발전기 정지 테스트 등)에 기반한 추정 방법의 검증과 마이크로교란 기법에서의 소규모 주입이 안정성에 미치는 영향 평가를 권장하기 위해.

실험 결과

연구 질문

• RQ1 정확도, 시간 해상도, 범위 측면에서 현재 관성 추정 방법의 핵심 한계는 무엇인가?
• RQ2 시스템 보안을 훼손하지 않으면서 근접 연속 실시간 관성 추정의 검증과 안정화는 어떻게 이루어질 수 있는가?
• RQ3 모니터링되지 않는 수요와 임베디드 발전기의 관성 기여는 무엇이며, 이를 신뢰할 수 있게 추정할 수 있는가?
• RQ4 확률적 예측 모델이 관성 수준의 불확실성 하에서 시스템 관리자의 의사결정을 얼마나 향상시킬 수 있는가?
• RQ5 주파수 반응 변수(예: ROCOF, 주파수 최저점)를 직접 예측하는 것이 리스크 평가에서 관성 기반 예측보다 뛰어나게 작용할 수 있는가?

주요 결과

• 기존 관성 추정 방법은 대부분 사후 분석이거나 근사치에 의존하며, 단순화된 관계나 일부 자원 데이터에 의존하여 실시간 운영에 제한을 받는다.
• 근접 연속 실시간 관성 추정은 진전되었지만, 정확도 평가를 위한 철저한 검증과 기준 데이터가 부족하다.
• 모니터링되지 않는 수요와 임베디드 단위가 관성에 기여하는 바는 제한된 가시성과 측정 가능성으로 인해 아직 잘 이해되지 않고 있다.
• 현재 예측 모델은 대부분 선형이며, 외생 변수가 적은 점 예측에 머물러 있어, 확률적 리스크 평가를 지원하는 데에는 부족하다.
• 관성 또는 주파수 반응 변수의 확률적 예측은 향후 안정적이고 비용 효율적인 시스템 운영을 지원하기 위한 유망한 방향이다.
• 예를 들어 발전기 정지와 같은 알려진 관성 사건을 활용한 추정 기법의 검증은 신뢰성과 안정성을 향상시키기 위해 필수적이다.