김담
(Dam Kim)
1iD
김용순
(Yong Soon Kim)
2iD
신재현
(Jae Hyeon Shin)
2iD
김진혁
(Jin Hyeok Kim)
†iD
-
(Dept. of Electrical, Electronics & Communication Engineering Edu., Chungnam National
University, Korea)
-
(Dept. of Electrical Engineering, Chungnam National University, Korea)
Copyright © The Korea Institute for Structural Maintenance and Inspection
Key words
Distribution system, Hosting capacity, Distributed energy resources, Phasor measurement unit, Measurement uncertainty
1. 서 론
태양광, 풍력 등 재생에너지 중심의 분산에너지원 증가에 따라 이를 수용하는 배전계통 변동성 및 해석의 복잡성이 가중된다. 안정적이고 효율적인 배전계통
운영을 위해 지역 단위 분산에너지원을 관리하는 배전계통운영자(DSO, Distribution System Operator)를 통한 능동적인 출력제어의
필요성이 대두되고 있으며, 이에 따라 2023년 ‘분산에너지 활성화 특별법’이 제정되어 배전계통운영자의 도입 및 분산에너지(DERs, Distributed
energy resources) 보급 확대를 효과적으로 추진하기 위한 법률적 기반이 마련되었다. 재생에너지 및 분산에너지는 기후변화 대응과 탄소중립
이행을 위해 국가 단위의 보급 목표를 설정함에 따라 우리나라는 2043년까지 재생에너지 발전량 비중 22.2%[1], 분산에너지의 경우 발전량 비중 2036년까지 단계적으로 23.3%을 목표로 한다[2]. 이와 같은 분산에너지의 연계에 따른 추가적인 설비 보강 및 전기품질·신뢰도 관련 문제가 없도록 현 계통에 연계가능한 총 용량을 분산에너지 수용성(Hosting
capacity)라고 이른다.
배전계통에 연계된 분산에너지의 감시·제어 능력을 제고하기 위한 정책도 추진되고 있다. ‘제3차 지능형전력망 기본계획’에 따르면 안정적인 전력계통 운영시스템을
구축하기 위한 동기위상측정장치(PMU, Phasor Measurement Unit)의 단계적인 설치 확대를 통해 전력망 광역 관리시스템 기능강화를
목표로 하고 있다[3]. PMU는 기존의 전력계통에서 사용하는 원격단말장치(RTU, Remote Terminal Unit)와는 다르게 1초에 60회 이상 및 위상까지 측정가능한
고정밀 측정장치를 의미한다[4-6]. 보편적으로 PMU는 송전계통에서 활용되지만 송전선로에 비해 선로의 길이가 짧고 모선 간의 위상각 차이가 적게 발생하는 배전계통에서 미세한 위상각을
측정할 수 있는 마이크로-PMU($\mu$-PMU)도 개발되었다[7]. 현재 배전계통의 분산에너지 수용성을 산정을 위한 모듈은 활발히 개발되고 있으며[8-9], 전력계통의 가시성(Observability) 확보를 위한 PMU의 최적배치에 대한 연구도 꾸준히 진행되고 있다[6, 10-11]. 분산에너지 수용성을 산정하는 선행연구들은 가장 가혹한 조건(Worst-case)에 해당하는 부하 패턴을 적용하거나[12-14], 전력조류 계산 결과를 기반으로 규정전압 유지범위와 선로별 허용용량 제약조건의 위배 여부를 바탕으로 평가하는 방법론을 활용하였다[14-15]. 다만, PMU 또는 $\mu$-PMU의 측정값을 활용하여 배전계통 분산에너지 수용성을 산정하는 연구는 미흡하다.
본 논문에서는 배전계통의 분산에너지 수용성을 산정하는데 있어 기존의 측정장치인 RTU와 설치 확대가 예정되어 있는 고정밀 측정장치 PMU를 통한 수용성
산정량 결과 비교를 바탕으로 유효성 및 영향성을 분석한다. 분산에너지 수용성 산정에 따른 주요 영향 요인 분류와 이를 고려한 최적화 기반의 모델을
2장에서 제시한다. 이어 3장에서는 PMU가 포함된 배전계통의 분산에너지 수용성 산정과 더불어 PMU의 측정불확도(Measurement uncertainty)에
따른 결과와 PMU 배치에 기인한 가시성 변화에 따른 결과를 사례연구를 통해 분석하고 검증한다. 마지막으로 본 논문의 결론은 4장에서 제시한다.
표 1 기호설명
Table 1 Nomenclature
|
인덱스
|
|
$c$
|
상위 계통 연계 지점 인덱스
|
|
$m,\: n$
|
버스 인덱스
|
|
$k$
|
분산에너지 연계 버스 인덱스
|
|
파라미터
|
|
$b_{mn}$
|
선로 $m$과 $n$ 사이 서셉턴스
|
|
$g_{mn}$
|
선로 $m$과 $n$ 사이 컨덕턴스
|
|
$P_{m}^{D},\: Q_{m}^{D}$
|
버스 $m$의 유·무효 부하
|
|
$P_{mn}^{\max},\: P_{mn}^{\min}$
|
선로 $mn$의 유효전력 조류 상·하한
|
|
$Q_{mn}^{\max},\: Q_{mn}^{\min}$
|
선로 $mn$의 무효전력 조류 상·하한
|
|
$V_{m}^{\max},\: V_{m}^{\min}$
|
버스 $m$의 전압 크기 상·하한
|
|
결정변수
|
|
$P_{c}^{T},\: Q_{c}^{T}$
|
연계 지점 $c$의 상위 계통과의 유·무효전력 교환량
|
|
$P_{mn},\: Q_{mn}$
|
선로 $mn$의 유·무효전력 조류량
|
|
$P_{k}^{G},\: Q_{k}^{G}$
|
버스 $k$의 분산에너지 유·무효전력 출력량
|
|
$V_{m}$
|
버스 $m$의 전압 크기
|
|
$\theta_{m}$
|
버스 $m$의 전압 위상각
|
2. 분산에너지 수용성 산정 모델
일반적으로 분산에너지의 수용성 산정을 위해 확정접속계약(Firm interconnection) 방식을 기준으로 발전원의 최대출력을 보장하는 대신 진입
가능한 용량을 설비용량 기준으로 제한하는 스냅숏(Snapshot) 방법론을 활용한다[16]. 본 논문에서도 해당 방법론을 기반으로 수용성 산정 모델을 구축했다.
2.1 영향 요인 분류
미국 EPRI와 한국전력공사 전력연구원의 선행연구를 통해 분산에너지 수용성 영향 요인을 분류하면 표 2와 같다 [17-18]. 네 가지로 구분되는 다양한 요인들이 분산에너지 수용성에 각각 영향을 미치지만, 이들 중 배전계통의 수용성 평가에 가장 지배적인 영향을 미치는 규정전압
유지범위와 저압선로 허용용량을 주요 요인으로 선정하여 연구를 수행했다.
표 2 분산에너지 수용성 영향 요인 분류 결과
Table 2 Classification of factors affecting DERs hosting capacity
|
구 분
|
종 류
|
|
전기품질
/전압
|
규정전압 유지 범위
|
전압 변동률
|
전압조정 제어 영향
|
탭 제어기 영향
|
|
열적 허용용량
|
저압선로 허용용량
|
특고압 선로 허용용량
|
배전용 변압기 허용용량
|
변전소 주변압기 허용용량
|
|
보호 협조
|
역조류 영향
|
고장전류 증가
|
보호기기 부동작
|
보호기기 오동작
|
|
신뢰도
/안전
|
단독운전
|
계통운영 유연성
|
계통 재구성
|
보상설비 제어성능
|
2.2 최적화 기반 모델
배전계통에 분산에너지가 연계됨에 따라 각 모선별 발전량이 변화하고 전력망에 흐르는 조류도 변화한다. 분산에너지가 과도하게 연계될 경우 허용가능한 물리적
한계를 위반하는 과전압/저전압, 과조류가 발생할 수 있다. 이와 같은 문제를 파악하기 위한 수단으로 AC 전력조류를 활용했다. 앞서 선정한 주요 요인인
규정전압 유지범위와 저압선로 허용용량을 제약조건으로 설정하고 배전계통의 최적계통운영을 고려하여 분산에너지가 최대로 설치될 수 있는 용량을 산출했다[19].
2.2.1 목적함수
본 연구에서 제안한 최적화 기반의 분산에너지 수용성 산정 모델은 배전계통 내 각 모선에 설치될 수 있는 분산에너지 출력($P_{k}^{G}$)의 합을
최대로 할 수 있는 방안을 제시하므로 목적함수는 아래 식 (1)과 같이 정의했다.
2.2.2 제약조건
분산에너지를 포함한 배전계통의 안정적인 운영을 위해 고려한 제약조건은 아래와 같다.
식 (2)-(3)는 연계지점($c$)을 포함하는 모든 모선($m$)에서 전력 교환량($P_{c}^{T},\: Q_{c}^{T}$)과 모선의 조류량($P_{mn},\:
Q_{mn}$), 발전량($P_{k}^{G},\: Q_{k}^{G}$) 및 부하량($P_{m}^{D},\: Q_{m}^{D}$)간의 유·무효 전력의
수급 균형을 의미한다.
배전계통에 연계되는 분산에너지의 출력을 반영한 모선간 조류량의 계산은 수식 (4)-(5)으로 나타냈고, 해당 조류와 전압의 제약조건은 각각 수식 (6)-(7)과 수식 (8)로 반영했다.
2.2.3 제약조건 선형화
수식 (4)-(5)와 같은 AC 전력조류 계산은 비선형으로 정식화되며 이는 반복적인 기법을 통해 연산한다. 본 논문에서는 수많은 부하와 발전 시나리오를 적용한 분산에너지
수용성 산정을 위하여 적정 정확도를 유지하는 동시에 계통 해석 시간을 단축하는 것을 목표로 아래의 가정 1, 2, 3을 통해 제약조건을 선형화하여
적용한 평가 모델을 제시했다.
$가정 1. 계통연계지점(POI,\; Point\; of\; Interconnection)$
$| V | =1 p.u.$
$가정 2. 인접한 모선 사이 위상 차$
$\triangle\theta_{mn}=0^{\circ}$
$가정 3. 인접한 모선$
$\triangle V_{m}\triangle\theta_{m}=\triangle V_{m}\triangle\theta_{n}=\triangle V_{n}\triangle\theta_{m}=\triangle
V_{n}\triangle\theta_{n}\fallingdotseq 0$
제시하는 분산에너지 수용성 평가 모델은 배전계통 정상상태 분석을 대상으로 하기 때문에 계통연계지점을 기준모선으로 반영(가정 1)하고, 인접한 모선
$m$과 $n$사이의 위상 차이는 작은 것으로 적용(가정 2)하여 근사화하면 각각 식 (9)-(10)과 식 (11)-(12)로 나타낼 수 있다.
위의 근사화한 식 (9)-(12)를 조류계산 식 (4)-(5)에 대입하여 아래와 같이 식 (13)-(14)로 재공식화하여 표현가능하다.
배전계통은 송전계통과 달리 계통연계지점으로부터 하위 모선으로의 $| V |$와 $\theta$의 편차가 미치는 영향이 분산에너지의 수용성 평가에 유의미할
정도로 크진 않다. 따라서 가정 3을 바탕으로 정식화하면 최종적으로 선로 $m-n$ 사이의 유효전력조류량($P_{mn}$)과 무효전력조류량($Q_{mn}$)을
선로정수($b_{mn},\: g_{mn}$)와 전압 및 위상의 선형수식으로 전력조류 방정식을 근사화하여 식 (15)-(16)과 같이 정리 할 수 있다.
위의 제약조건 및 선형화한 제약조건을 적용한 목적함수의 결과로 결정 변수인 모선 전압의 크기와 위상, 유·무효 전력조류량을 비롯한 배전계통 운영 관련
제약조건을 충족하는 해를 산출할 수 있고 이와 같이 분산에너지 수용성 산정 모델을 구축했다.
3. 사례연구
본 논문의 2장에서 서술한 제약조건 선형화를 포함한 분산에너지 수용성 산정 모델을 바탕으로 고정밀 측정장치 PMU가 설치됨에 따라 동일 계통에서
변화하는 수용성을 사례연구를 통해 분석했다.
3.1 모의계통
사례연구는 그림 1과 같은 IEEE 33-bus 배전계통을 대상으로 검증을 진행했다. 해당 배전계통은 어떠한 분산에너지도 포함되어 있지 않고 주어진 부하를 바탕으로
연계가능한 분산에너지 수용성을 평가한다. 계통연계지점의 $| V | =1.0[p.u.],\: $ $\theta =0[^{\circ}]$으로 설정했으며
모선의 적정 전압 범위는 $0.9[p.u.]\sim 1.1[p.u.],\:$ 선로조류에 대한 유·무효 제한은 각각 1[MW], 1[Mvar]로 고려했다.
각 모선의 전압크기($| V |$)과 위상각($\theta$)의 초기값은 그림 2와 같다.
그림 1. 모의 대상 배전계통 (IEEE 33-bus)
Fig. 1. Test distribution system for simulation (IEEE 33-bus)
그림 2. 모의 대상 배전계통 초기값 ($| V | ,\: \theta$)
Fig. 2. Initial values of test distribution system ($| V | ,\: \theta$)
3.2 측정장치 종류에 따른 비교
동일한 계통 및 동일 수용성 산정 방안을 적용함에도 측정장치의 종류(RTU/PMU)에 따라 변화하는 수용성을 분석한다. RTU나 PMU는 모두 실시간으로
계통 상태를 계측하기 위한 장치이나, PMU는 RTU와 다르게 위상 정보를 계측할 수 있기 때문에 수용성 산정 결과에 영향을 미칠 수 있다. 우선,
모든 모선에 RTU를 설치한 경우와 모든 모선에 PMU를 설치한 경우 분산에너지의 수용성을 산정한 결과는 두 경우 모두 17.94[MW]로 동일했다.
사례연구 대상 배전계통의 경우 위상각의 측정 가능 유·무가 분산에너지의 수용성에 영향을 미치지 못하는 것으로 볼 수 있으나, 이는 각 측정장치의 측정불확도를
고려하지 않은 것으로 적절한 비교라고 볼 수 없다. 일반적으로 RTU의 경우 2% 측정불확도를 기준으로하고, PMU의 경우 IEEE standard에
따르면 측정불확도가 0.2%보다 작아야 한다고 규정하고 있다[20]. 따라서, 모든 모선에 RTU를 설치하고 측정불확도 2% 적용한 경우(Case 1), 모든 모선에 PMU를 설치하고 측정불확도 0.2%를 적용한
경우(Case 2)의 분산에너지 수용성 변화를 분석했다. 측정불확도를 고려하기 위해 그림 3과 같이 몬테카를로 시뮬레이션을 활용하여 10,000번 수행한 결과 그림 4처럼 각 모선에 연계될 수 있는 분산에너지의 용량이 차이가 생기는 것을 확인할 수 있으며 배전계통에 수용할 수 있는 분산에너지의 총 용량은 Case
1은 17.71[MW], Case 2는 17.92[MW]이다. 결과적으로 PMU를 활용하면 분산에너지가 210[kW] 더 연계될 수 있음을 보여준다.
그림 3. 몬테카를로 시뮬레이션을 활용한 분산에너지 수용성 산정
Fig. 3. Estimation of DERs hosting capacity using Monte-Carlo simulation
그림 4. 측정장치에 따른 분산에너지 수용성 산정 결과
Fig. 4. DERs hosting capacity estimation results by measurement unit
그림 5. 측정장치에 따른 계산값 결과 ($| V | ,\: \theta$)
Fig. 5. Result of calculation values by measurement unit ($| V | ,\: \theta$)
그림 5는 각 경우의 모선 별 $| V |$와 $\theta$의 계산값 결과를 나타낸다. RTU와 PMU는 모두 $| V |$를 측정할 수 있기 때문에 동일한
값을 측정하는 것을 확인할 수 있다. 다만 $\theta$의 경우, 패턴은 유사하지만 초기 $\theta$값을 모르고 계산을 수행한 경우(Case
1)는 실제 $\theta$값을 측정하여 계산한 경우(Case 2)에 비해 $\theta$를 높게 계산하는 경향이 있고 이 때문에 최종적으로 분산에너지의
수용성을 과소 평가했다고 해석할 수 있다.
3.3 PMU 측정불확도에 따른 비교
배전계통의 분산에너지 수용성 평가에는 초기 $\theta$의 측정값 유·무 보다 측정장치의 불확도가 영향을 더 미치는 것으로 확인했다. 따라서, PMU의
측정불확도가 분산에너지의 수용성 산정에 미치는 영향을 평가하기 위해 측정불확도가 0.2%인 경우(Case 2)와 더불어 측정불확도를 변화함에 따른
산정값을 그림 6에 나타냈다.
모선에 따라 측정불확도가 높은 경우 분산에너지의 수용성이 더 높게 산정되기도 하지만, 대체적으로 불확도가 낮을수록 연계될 수 있는 분산에너지의 용량이
증가하며 계통 전체에 수용가능한 총 용량은 그림 7과 같다.
그림 6. 측정장치 불확도에 따른 모선 별 분산에너지 수용성 산정 결과
Fig. 6. DERs hosting capacity estimation results at each bus by measurement uncertainty
of PMU
그림 7. 측정장치 불확도에 따른 배전계통 분산에너지 수용성 산정 결과
Fig. 7. DERs hosting capacity estimation results in distribution system by measurement
uncertainty of PMU
3.4 RTU 및 PMU 병용에 따른 비교
모든 모선에 RTU를 설치하거나(Case 1) 또는 PMU를 설치한 경우(Case 2) 이외에 RTU와 PMU를 병용하여 특정 모선에 PMU를 설치하고
이를 제외한 모선에는 RTU를 설치한 경우(Case 3)를 분석한다. Case 3은 PMU를 33개의 모선 중 3개 모선(3번, 21번, 29번)에만
설치한 경우이다. 각 사례에 따른 측정기기의 설치 모선 및 측정가능 값에 대한 분류는 표 3에 나타냈다. PMU 최적배치에 관련한 선행연구[10]에 따라 PMU를 설치한 인접 모선의 상태를 관측할 수 있다는 점을 활용하여 한정적인 PMU 대수로 최대한의 가시성을 확보할 수 있도록 모의 배전계통
내 분기되는 모선을 선택하여 분산에너지 수용성 산정을 진행했다.
표 3 Case 분류
Table 3 Classification of cases
|
|
Case 1
|
Case 2
|
Case 3
|
|
RTU 설치 모선
|
모든 모선
|
X
|
3, 21, 29 제외 모든 모선
|
|
PMU 설치 모선
|
X
|
모든 모선
|
3, 21, 29
|
|
위상각 측정 가능 모선
|
X
|
모든 모선
|
2, 3, 4, 8, 19, 20, 21, 22, 25, 28, 29, 30
|
표 4에 나타낸 것과 같이 PMU를 설치하지 않은 경우(Case 1)와 비교하여 PMU를 33개 설치한 경우(Case 2) 앞서 3.2절에서 서술한 것과
같이 분산에너지 수용성이 210[kW] 증가하고, PMU를 3개 설치한 경우(Case 3)는 110[kW] 증가하는 것을 확인할 수 있다. 이를 통해
PMU의 개수가 선형적으로 분산에너지의 수용성을 증대시키지는 않음을 유추할 수 있으며, 적절한 PMU의 설치 위치에 따라 확보한 전력계통의 가시성이
분산에너지 수용성에도 영향을 줄 수 있음을 의미한다.
표 4 Case 별 배전계통 분산에너지 수용성 산정 결과
Table 4 Case-based DERs hosting capacity estimation results in distribution system
|
|
Case 1
|
Case 2
|
Case 3
|
|
분산에너지 수용성 [MW]
|
17.71
|
17.92
|
17.82
|
4. 결 론
본 논문은 최적화 기반의 분산에너지 수용성 산정 모델을 제안하고 이를 통해 배전계통에 PMU를 설치함에 따른 유효성에 대해 다방면의 분석을 수행했다.
그 결과 모든 모선에 RTU를 설치한 경우보다 PMU를 설치한 경우에 추가적인 계통의 설비 보강이나 증설 없이도 더 많은 분산에너지가 연계될 수 있음을
사례연구를 통해 보였다. 사례연구를 수행한 환경에서는 분산에너지 수용성이 210[kW]가 증가을 보였지만, 이는 단순 수용성 증대 목적으로 PMU를
추가 설비한 것이 아니라 이미 설비되어 있거나 설비가 예정되어있는 PMU를 기존 목적과 더불어 분산에너지 수용성 산정에도 활용한 결과인 것이 의미가
있다. 분산에너지의 탄소배출 감축 및 전력 가격 안정화로 인한 편익은 본 수치 이상의 중요성이 있을 것으로 판단할 수 있으며, 정량적 편익산정을 후속연구로
계획하고 있으며 PMU를 통한 데이터의 시각동기를 고려한 연구도 진행할 계획이다. 반면, 사례연구를 진행한 모의 배전계통에서는 측정장치의 위상각 측정
가능 여부보다는 측정불확도가 분산에너지 수용성에 보다 주요한 영향임을 확인했으며 다른 형태의 배전계통에 대한 추가연구를 수행할 예정이다.
배전계통에 대한 분산에너지의 지속적인 연계 용량 증가와 이에 따른 감시·제어 능력 제고에 대한 필요성으로 PMU로 대표되는 고정밀 측정장치의 보급이
활성화되고 있다. 이와 같은 장치는 원래의 전력계통 안정도 측면에서의 유효성 뿐만 아니라 분산에너지 수용성 산정의 측면에서도 유의미하게 활용할 수
있음을 본 연구에서 보임에 따라 보다 다양한 효과를 기대할 수 있다.
Acknowledgements
This work was supported by Chungnam National University
References
Ministry of Trade, Industry, and Energy (MOTIE), The 5th New and Renewable Energy
Technological Development, Use and Distribution Basic Plan, 2020. 12.
Ministry of Trade, Industry, and Energy (MOTIE), The 10th Basic Plan for Long-term
Electricity Supply and Demand, 2023. 1.
Ministry of Trade, Industry, and Energy (MOTIE), The 3rd Smart Grid Basic Plan. pp.
, 2023. 2.
Phadke, Arun G., James S. Thorp, and M. G. Adamiak. “A new measurement technique for
tracking voltage phasors, local system frequency, and rate of change of frequency,”
IEEE transactions on power apparatus and systems, vol. PAS-102, no. 5, pp. 1025-1038,
May 1983.
M. Pau, P. Attilio Pegoraro and S. Sulis, “Performance of three-phase WLS Distribution
System State Estimation approaches,” 2015 IEEE International Workshop on Applied Measurements
for Power Systems (AMPS), Aachen, Germany, pp. 138-143, 2015.
A. A. E. Elsayed, M. A. Mohamed, M. Abdelraheem and M. A. Nayel, “Optimal μPMU Placement
Based on Hybrid Current Channels Selection for Distribution Grids,” in IEEE Transactions
on Industry Applications, vol. 56, no. 6, pp. 6871-6881, Nov.-Dec. 2020.
Stewart, Emma, Anna Liao, and Ciaran Roberts. “Open μpmu: A real world reference distribution
micro-phasor measurement unit data set for research and application development,”
2016.
Siemens, “Maximal Hosting Capacity (ICA),” 2017. https://assets.new.siemens.com/siemens/assets/api/uuid:d30d49557176528d935ec035d8499ac26d083822/version:1516636173/11-ica-module-datasheet-sincal-ag.pdf.
Simens. PSS®SINCAL – simulation software for electric and pipe networks [Online] https://www.siemens.com/global/en/products/energy/grid-software/planning/pss-software/pss-sincal.html.
Almunif, Anas, and Lingling Fan, “Optimal PMU placement for modeling power grid observability
with mathematical programming methods,” International Transactions on Electrical Energy
Systems, vol. 30, no. 2, August 2019.
Roy, BK Saha, A. K. Sinha, and A. K. Pradhan. “An optimal PMU placement technique
for power system observability,” International Journal of Electrical Power & Energy
Systems, vol. 42, no. 1, pp. 71-77, November 2012.
M. Sandström, P. Huang, C. Bales, and E. Dotzauer. “Evaluation of hosting capacity
of the power grid for electric vehicles – A case study in a Swedish residential area,”
Energy, vol. 284, December 2023.
Y. Hou, J. Zhu, M. Z. Liu, W. J. Nacmanson and L. F. Ochoa, “EV Hosting Capacity and
Voltage Unbalance: An Australian Case Study,” 2023 IEEE PES Grid Edge Technologies
Conference & Exposition (Grid Edge), pp. 1-5, 2023.
M. Mahmoodi and L. Blackhall, “DER Hosting Capacity Envelope in Unbalanced Distribution
Systems,” 2021 IEEE PES Innovative Smart Grid Technologies Europe (ISGT Europe), pp.
1-6, 2021.
N. Qammar, A. Arshad, R. J. Miller, K. Mahmoud, and M. Lehtonen, “Probabilistic hosting
capacity assessment towards efficient PV-rich low-voltage distribution networks,”
Electric Power Systems Research, vol. 226, January 2024.
National Renewable Energy Laboratory (NREL), Advanced Hosting Capacity Analysis. [Online]
https://www.nrel.gov/solar/ market-research-analysis/advanced-hosting-capacity-analysis.html.
Smith, J., M. Rylander, and L. Rogers. “Integration of Hosting Capacity Analysis into
Distribution Planning Tools,” Electric Power Research Institute (EPRI), Palo Alto,
California, USA, Technical Report, 2016.
KEPCO Research Institute (KEPRI), Feeder's DER Hosting Capacity, 2013.
Alturki, Mansoor, et al. “Optimization-based distribution grid hosting capacity calculations,”
Applied Energy, vol. 219, pp. 350-360, June 2018.
X. Zhang et al., “Experimental measurement of PMU error distribution and its impact
on load model identification,” 2016 IEEE Power and Energy Society General Meeting
(PESGM), Boston, MA, USA, pp. 1-5, July 2016.
저자소개
He received a B.S. in Electronic and Electrical Engineering from Sungkyunkwan University,
Korea, and a Ph.D. in Electrical Engineering and Computer Science from Seoul National
University, Korea, in 2011 and 2018, respectively. He completed a postdoctoral fellowship
in the Department of Statistics at Seoul National University, Korea, and served as
a research fellow at the Central Research Institute of Electric Power Industry in
Japan. Since 2021, he has been an assistant professor at Chungnam National University
in the Department of Electrical, Electronics and Communication Engineering Education,
Korea. His research interests include distributed energy resources, energy market
design, and optimal operation of power systems.
He received his B.S. degree in Electrical Engineering from Chungnam National University,
Korea, in 2020. He is currently working toward his integrated M.S./Ph.D. degree at
Chungnam National University. His research interests include virtual power plant and
distribution network operation.
He received his B.S. degree in Electrical Engineering from Chungnam National University,
Korea, in 2022. He is currently working toward his M.S. degree at Chungnam National
University. His research interests include renewable energy transition and distributed
energy resources.
He received the B.S. degree in Electrical Engineering from the State University of
New York at Stony Brook, New York, NY, USA, in 2013 and the Ph.D. degree in Electrical
Engineering from Seoul National University, Seoul, South Korea, in 2020. Since 2021,
he has been a Senior Researcher with the Korea Research Institute of Standards and
Science, Daejeon, South Korea. His research interest includes numerical analysis of
high voltage applications, partial discharges, and power system operations.