[논문 리뷰] Predicting Failures in Power Grids

Michael Chertkov, Feng Pan외 1명|arXiv (Cornell University)|2010. 06. 03.

Power System Optimization and Stability참고 문헌 17인용 수 1

한 줄 요약

이 논문은 전력망의 고장 모드를 예측하기 위해 물리학에 영감을 받은 히우리스틱 방법을 제안한다. 이 방법은 혼잡 또는 붕괴를 유도하는 희박하고 영향력이 큰 부하 변동—'인스탄톤'으로 불리는 것—을 식별함으로써 작동한다. DC 전력 흐름 모델을 사용하여 괌의 전력망과 IEEE RTS-96 시스템에 적용된 결과, 이 방법은 취약한 연결부, 과부하가 걸린 발전기, 그리고 활용도가 낮은 단위를 효율적으로 탐지하여 전력망 신뢰성 예측을 향상시켰다.

ABSTRACT

Here we develop an approach to predict power grid weak points, and specifically to efficiently identify the most probable failure modes in static load distribution for a given power network. This approach is applied to two examples: Guam's power system and also the IEEE RTS-96 system, both modeled within the static Direct Current power flow model. Our algorithm is a power network adaption of the worst configuration heuristics, originally developed to study low probability events in physics and failures in error-correction. One finding is that, if the normal operational mode of the grid is sufficiently healthy, the failure modes, also called instantons, are sufficiently sparse, i.e. the failures are caused by load fluctuations at only a few buses. The technique is useful for discovering weak links which are saturated at the instantons. It can also identify generators working at the capacity and generators under capacity, thus providing predictive capability for improving the reliability of any power network.

연구 동기 및 목표

• 정적 부하 조건 하에서 전력망의 가장 가능성이 높은 고장 모드를 규명하는 것.
• 과부하가 걸린 버스와 정격 용량 이하 또는 정격 용량에서 운용 중인 발전기와 같은 취약점을 탐지하는 것.
• 포화 지점과 고장의 징후를 사전에 식별하여 전력망의 신뢰성을 향상시키는 것.
• 원래 물리학 및 오류 수정 분야에서 사용되던 최악의 구성에 대한 히우리스틱을 전력망 분석에 적응시키는 것.

제안 방법

• 통계역학 및 오류 수정 코드에서 처음으로 사용된 최악의 구성 히우리스틱을 전력망 고장 예측에 적응 적용하는 것.
• 부하 흐름 분석을 단순화하기 위해 정적 DC 전력 흐름 근사 모델을 사용해 전력망을 모델링하는 것.
• 인스탄톤을 정의하여, 소수의 버스에서 발생하는 극단적인 부하 변동으로 인해 유도되는 가장 가능성이 높은 고장 구성 상태를 식별하는 것.
• 네트워크 붕괴 또는 혼잡을 유도하는 가장 희박한 부하 교란을 찾기 위해 최적화 기법을 사용하는 것.
• 인스탄톤 구성 상태에서의 발전기 적재 수준을 분석하여 정격 용량 또는 용량 이하로 운용되는지를 분류하는 것.
• 두 개의 실제 시스템—괌의 전력망과 IEEE RTS-96 시험 시스템—에서 방법을 검증하는 것.

실험 결과

연구 질문

• RQ1 정적 전력 흐름 모델에서 전력망 고장을 유발할 가능성이 가장 높은 부하 변동은 무엇인가?
• RQ2 건강한 전력망에서 고장을 유발하는 부하 구성은 얼마나 희박한가?
• RQ3 극한의 부하 조건 하에서 어떤 버스와 발전기가 고장에 가장 취약한가?
• RQ4 물리학에 영감을 받은 히우리스틱이 전력망의 취약한 연결부를 효과적으로 식별할 수 있는가?
• RQ5 고장 치명적 구성 상태에서 발전기 용량 활용도는 어떻게 예측할 수 있는가?

주요 결과

• 정상적인 전력망 운영이 충분히 건강할 경우, 고장 모드인 인스탄톤은 희박하다—단지 소수의 버스에서의 부하 변동으로 인해 발생한다.
• 이 방법은 포화 상태에 이르는 버스와 정격 용량에서 운용 중인 발전기를 성공적으로 식별하여 치명적인 취약점을 드러낸다.
• 인스탄톤 구성 상태에서 용량 이하로 운용되는 발전기는 향후 신뢰성 향상의 대상으로 식별된다.
• 이 접근법은 고장의 징후를 효율적으로 탐지하여 예측 유지보수 및 네트워크 강화 계획 수립을 가능하게 한다.
• 이 기법은 괌의 실제 전력망과 IEEE RTS-96 시험 시스템을 통해 다양한 시스템에 효과적으로 적용됨을 입증하였다.
• 인스탄톤의 희박한 성격 덕분에 계산 효율성이 높아지고 집중적인 개선 전략 수립이 수월해진다.