[논문 리뷰] Deep Reinforcement Learning-Based Robust Protection in Electric Distribution Grids.

Dongqi Wu, Dileep Kalathil외 1명|arXiv (Cornell University)|2020. 03. 05.

Smart Grid Security and Resilience참고 문헌 20인용 수 5

한 줄 요약

이 논문은 분산 발전 및 고장 임피던스와 같은 복잡한 조건에서도 고장 탐지 정확도와 반응 속도를 향상시키는 통신 불필요한 딥 강화학습(DRL) 기반의 배전망 보호 리레이를 제안한다. OpenDSS에서 IEEE 34- 및 123노드 피더를 대상으로 평가한 결과, 기존의 과전류 보호 방식에 의존하지 않고도 낮은 고장률과 높은 강건성을 확보하였다.

ABSTRACT

This paper introduces a Deep Reinforcement Learning based control architecture for protective relay control in power distribution systems. The key challenge in protective relay control is to quickly and accurately detect faults from other disturbances in the system. The performance of widely-used traditional overcurrent protection scheme is limited by factors including distributed generations, power electronic interfaced devices and fault impedance. We propose a deep reinforcement learning approach that is highly accurate, communication-free and easy to implement. The proposed relay design is tested in OpenDSS simulation on the IEEE 34-node and 123-node test feeders and demonstrated excellent performance from the aspect of failure rate, robustness and response speed.

연구 동기 및 목표

• 분산 발전 및 파wr 일렉트로닉 장치의 비중이 높은 현대의 배전 시스템에서 기존 과전류 리레이의 한계를 해결하기 위해.
• 다양한 고장 임피던스와 시스템 교란에 강건한 고장 탐지 방법을 개발하기 위해.
• 실제 구현에 적합한 통신 의존성 없이 작동하는 리레이 제어 아키텍처를 설계하기 위해.
• 동적이고 불확실한 배전망 조건에서 보호 리레이의 반응 속도를 향상시키고 고장률을 감소시키기 위해.
• 실제 배전 시스템 시뮬레이션 환경에서 DRL 기반 접근법의 타당성과 성능을 입증하기 위해.

제안 방법

• 실시간 시스템 측정치를 바탕으로 최적의 트립 결정을 학습하는 보호 리레이 에이전트를 위해 딥 강화학습(DRL)을 활용한다.
• 기존 리레이 간의 통신이 필요 없도록 현지 측정치만을 사용해 자율적으로 작동하도록 DRL 에이전트를 설계한다.
• 상태 공간으로 버스 전압, 전류 및 전력 주입량을 포함하는 마르코프 결정 과정(MDP) 프레임워크를 사용한다.
• 행동 공간은 고장 탐지에 기반해 회로 차단기를 트립할지 여부로 정의한다.
• 고장 정리 성공 여부와 속도에 기반한 희소 보상(sparse rewards)을 사용해 DRL 에이전트를 훈련시킨다.
• 안정적인 훈련 및 구현을 위해 OpenDSS에 DQN 기반 알고리즘을 사용해 DRL 모델을 구현한다.

실험 결과

연구 질문

• RQ1 분산 발전과 변동하는 고장 임피던스가 존재하는 조건에서 DRL 기반 리레이는 기존 과전류 리레이에 비해 뛰어난 고장 탐지 정확도를 확보할 수 있는가?
• RQ2 다양한 고장 조건 하에서 제안된 DRL 리레이는 반응 속도와 고장률 측면에서 어떻게 성능을 발휘하는가?
• RQ3 배전망 내 다른 리레이와의 통신 없이 DRL 리레이는 어느 정도 효과적으로 작동할 수 있는가?
• RQ4 시스템 교란 및 네트워크 토폴로지 또는 운영 조건의 변화에 대해 DRL 기반 리레이는 얼마나 강건한가?
• RQ5 IEEE 34노드 및 123노드 시스템과 같은 다양한 배전 시스템 테스트 피더에서 DRL 리레이는 어떤 성능을 보이는가?

주요 결과

• DRL 기반 리레이는 IEEE 34노드 및 123노드 테스트 피더 양쪽 모두에서 기존 과전류 리레이에 비해 유의미하게 낮은 고장률을 기록하였다.
• 이 방법은 고저항 고장 조건에서도 빠른 반응 시간을 보여, 고장 즉시 격리가 가능했다.
• 다양한 고장 유형과 시스템 구성 조건에서도 다른 장치와의 통신 없이도 높은 정확도와 안정성을 유지하였다.
• 다양한 운영 조건, 특히 변동하는 분산 발전 비중과 고장 임피던스 수준 하에서의 테스트를 통해 강건성이 확인되었다.
• OpenDSS에서의 시뮬레이션 결과, DRL 접근법이 신뢰성과 적응성 측면에서 기존 방식을 뛰어넘는 것으로 확인되었다.