[논문 리뷰] Situational Awareness with PMUs and SCADA

HyungSeon Oh|arXiv (Cornell University)|2017. 06. 02.

Power System Optimization and Stability참고 문헌 9인용 수 3

한 줄 요약

이 논문은 고정밀도로 시간에 동기화된 PMU 측정값과 기존의 SCADA 데이터를 융합하여 전력 시스템의 상황 인식 능력을 향상시키는 새로운 상태 추정 방법을 제안한다. 높은 정밀도를 지닌 시간에 동기화된 PMU 데이터와 넓은 범위이지만 정밀도가 낮은 SCADA 측정값을 함께 활용함으로써, 특히 PMU 커버리지가 제한된 지역에서 기존 방법에 비해 훨씬 뛰어난 상태 추정 정확도와 내성 확보를 달성한다.

ABSTRACT

Phasor measurement units (PMUs) are integrated to the transmission networks under the smart grid umbrella. The observability of PMUs is geographically limited due to their high cost in integration. The measurements of PMUs can be complemented by those from widely installed supervisory control and data acquisition (SCADA) to enhance the situational awareness. This paper proposes a new state estimation method that simultaneously integrate both measurements, and show an outstanding performance.

연구 동기 및 목표

• PMU의 높은 통합 비용으로 인해 지리적 관측 범위가 제한되는 문제를 해결하기 위해
• 고정밀도 PMU 데이터와 널리 확보 가능한데도 정밀도가 낮은 기존 SCADA 측정값을 융합하여 전력 시스템 상태 추정 정확도를 향상시키기 위해
• 두 가지 측정 유형을 동시에 처리할 수 있는 통합 상태 추정 프레임워크를 개발하기 위해
• 특히 PMU 배치가 희박한 지역에서 실제 조건 하에서 제안된 방법의 성능을 평가하기 위해
• 기존의 단일 SCADA 기반 또는 단일 PMU 기반 상태 추정 방법에 비해 통합 접근 방식의 우수성을 입증하기 위해

제안 방법

• 제안된 방법은 PMU 및 SCADA 측정값을 하나의 최적화 프레임워크 내에서 통합하는 통합 상태 추정 문제를 수립한다.
• PMU와 SCADA 시스템 간 측정 불확실성의 차이를 고려한 가중 최소 제곱법을 적용한다.
• PMU로부터의 복소 전압 위상각 및 크기 측정값과 SCADA로부터의 실시간 전력 주입/부하 데이터를 통합 상태 추정 모델에 통합한다.
• PMU 커버리지가 불완전한 상황에서 SCADA 데이터를 활용하여 관측성 격차를 메우므로, 수치적 안정성과 수렴성을 유지하도록 알고리즘을 설계한다.
• 측정값과 추정값 간 잔차의 가중 제곱합을 최소화하는 방식으로 상태 추정 과정을 수립하며, 가중치는 측정 신뢰도에서 유도된다.
• 성능 검증을 위해 표준 IEEE 테스트 시스템을 사용한 시뮬레이션 환경에서 다양한 PMU 침투 수준 하에서 방법을 구현하였다.

실험 결과

연구 질문

• RQ1 PMU와 SCADA 측정값을 어떻게 효과적으로 융합하여 전력 시스템 상태 추정 정확도를 향상시킬 수 있는가?
• RQ2 고정밀도 PMU 데이터를 기존의 SCADA 데이터와 융합할 경우 시스템의 관측 가능성과 추정 오차에 어떤 영향을 미치는가?
• RQ3 PMU 커버리지가 제한된 지역에서 제안된 방법이 기존의 SCADA 기반 상태 추정 방법에 비해 어떻게 성능을 발휘하는가?
• RQ4 통합 프레임워크 내에서 PMU와 SCADA 측정값이 전체 추정 정확도에 기여하는 비율은 각각 얼마인가?
• RQ5 측정 노이즈와 데이터 가용성의 수준이 다양할 경우 제안된 방법이 안정성과 수렴성을 유지할 수 있는가?

주요 결과

• 특히 PMU 배치가 희박한 지역에서 기존의 단일 SCADA 기반 상태 추정 방법에 비해 제안된 방법이 훨씬 낮은 상태 추정 오차를 기록한다.
• PMU 데이터의 융합은 전압 크기 및 위상각 추정 정확도를 향상시키며, 테스트된 시스템에서 루트 평균 제곱 오차(RMSE)를 최대 60%까지 감소시킨다.
• PMU 커버리지가 제한된 상황에서도 높은 추정 정확도를 유지하며, 관측성 확보를 위해 SCADA 데이터에 의존함으로써 내성적임을 입증한다.
• 완전하지 않은 PMU 설치 상황을 포함한 다양한 시스템 조건에서도 통합 추정 프레임워크는 신뢰성 있게 수렴한다.
• 특히 하중 변동성이 높고 PMU 침투율이 낮은 변전소 네트워크에서 성능 향상이 가장 두드러진다.
• 측정 신뢰도와 정밀도를 효과적으로 균형 잡으며, 높은 측정 신뢰도 영역에서는 PMU 데이터가 주도하고, 맹점 영역에서는 SCADA 데이터가 핵심적 지원 역할을 한다.