[논문 리뷰] Hycon2 Benchmark: Power Network System

Stefano Riverso, Giancarlo Ferrari‐Trecate|arXiv (Cornell University)|2012. 07. 09.

Frequency Control in Power Systems참고 문헌 1인용 수 26

한 줄 요약

이 논문은 전력망 시스템을 위한 Hycon2 벤치마크를 소개하며, 세 가지의 상이한 상호연결 구조를 가진 시나리오에서 중심집중식 모델 예측 제어(MPC) 프레임워크를 제안하여 자동 발전 제어(AGC) 계층을 설계한다. 정확한 및 시스템 별로 분리된 이산화 방법을 사용하여 저주파수 편차와 타이라인 전력 진동을 저감시키며, 성능 지표 η ≈ 0.025–0.051 및 Φ ≈ 0.0028–0.0063을 달성하여 분산 제어 방법의 성능 기준을 제공한다.

ABSTRACT

As a benchmark exercise for testing software and methods developed in Hycon2 for decentralized and distributed control, we address the problem of designing the Automatic Generation Control (AGC) layer in power network systems. In particular, we present three different scenarios and discuss performance levels that can be reached using Centralized Model Predictive Control (MPC). These results can be used as a milestone for comparing the performance of alternative control schemes. Matlab software for simulating the scenarios is also provided in an accompanying file.

연구 동기 및 목표

• 전력망 시스템에서 분산 및 분산 제어 방법을 평가하기 위한 표준화된 벤치마크를 수립하기 위해.
• 정격 주파수를 유지하고 타이라인 전력 교환을 최소화하는 자동 발전 제어(AGC) 계층을 설계하기 위해.
• 비교를 위한 기준 성능을 제공하기 위해 중심집중식 모델 예측 제어(MPC)를 사용하여 성능 기준을 설정하기 위해.
• 정량적 지표인 η(주파수 편차) 및 Φ(타이라인 전력 진동)를 통해 성능 평가를 가능하게 하기 위해.
• 전체 네트워크에 영향을 받지 않는 국지적 제어기 설계를 통해 신규 영역의 즉시 통합을 지원하기 위해.

제안 방법

• 각 전력 발전 영역에 대해 연속 시간 선형 시간 불변(LTI) 모델을 수립하며, 상태 변수로는 Δθi, Δωi, ΔPmi, ΔPvi, 입력으로는 ΔPrefi 및 ΔPLi를 사용한다.
• 두 가지 이산화 방법을 적용: (D) 전체 시스템의 정확한 이산화 및 (Dss) 입력 분리된 구조를 유지하는 시스템 별로 분리된 이산화.
• 세 가지 변형을 가진 중심집중식 MPC를 구현: MPCfull(전체 비용 행렬), MPCdiag(대각선), 및 MPCzero(영단말 제약 조건).
• 1초의 샘플링 시간을 사용하며, 각 시간 단계에서 최적화 문제를 풀고 다음 간격 동안 제어 작동을 적용한다.
• 부하 변동(예: t=5초에서 ΔPL = +0.15)을 시뮬레이션하고, 성능 평가에 η 및 Φ 지표를 사용한다.
• 모든 시나리오 및 방법에 대해 시스템 행렬, 제어기 파rameter, 부하 프로파일, 시뮬레이션 결과를 포함한 MATLAB 및 Simulink 파일을 제공한다.

실험 결과

연구 질문

• RQ1 서로 다른 상호연결 구조를 가진 세 가지 전력망 구조에서 중심집중식 MPC가 달성할 수 있는 성능 수준은 무엇인가?
• RQ2 다른 이산화 방법(D 대비 Dss)이 중심집중식 MPC의 AGC 제어 성능에 어떤 영향을 미치는가?
• RQ3 중심집중식 MPC의 경우 전력망 시스템에서 η(주파수 편차) 및 Φ(타이라인 전력 진동)의 기준 값은 무엇인가?
• RQ4 분산 제어 방법이 η 및 Φ 측면에서 중심집중식 MPC의 성능을 어느 정도 충족할 수 있는가?
• RQ5 전체 네트워크에 영향을 받지 않도록 국지적 제어기 설계를 어떻게 분리할 수 있는가, 이때 안정성 및 제약 조건 충족을 유지할 수 있는가?

주요 결과

• 시나리오 1에서 중심집중식 MPC는 D 및 Dss 이산화 방법을 모두 사용하여 η = 0.0249 및 Φ = 0.0030를 달성한다.
• 시나리오 2에서는 성능 지표가 η = 0.0346 및 Φ = 0.0063로 나타나 D 및 Dss 간에 최소한의 차이를 보인다.
• 시나리오 3에서는 η = 0.0510 및 Φ = 0.0060를 기록하며, 네트워크 복잡도 증가로 인한 성능 저하가 가장 높다.
• MPCzero 변형은 Φ 값이 가장 낮게 나타나(0.0028–0.0058), 타이라인 전력 진동을 효과적으로 억제함을 시사한다.
• 모든 MPC 변형이 D 및 Dss 방법 간에 거의 동일한 성능를 보이며, 이산화 방법 선택에 대해 강건함을 입증한다.
• 벤치마크는 일관된 성능 기준을 제공하며, η 값 범위는 0.0249에서 0.0511, Φ 값은 0.0028에서 0.0063로 분산 제어 방법의 공정한 비교를 가능하게 한다.