• 대한전기학회
Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers
  • COPE
  • kcse
  • 한국과학기술단체총연합회
  • 한국학술지인용색인
  • Scopus
  • crossref
  • orcid

  1. (Dept. of Semiconductor and Display Engineering, Sungkyunkwan University, Korea)



AC/DC hybrid distribution systems, Fault Data Analysis, Reliability Assessment, Weibull distribution function

1. 서 론

최근 풍력 발전, 태양광 발전과 같은 신재생 에너지의 보급량 증가와 전기 자동차, 데이터 센터 등 대용량 DC 부하의 증가로 직류 배전계통에 대한 많은 관심과 연구가 집중되고 있다. 발전 비중 기준으로 2010년 1.24%이었던 신재생 에너지는 2020년 7.5%까지 증가했고, 2030년 20.8%, 2040년 30~35%, 2050년 40~60%까지 보급이 예정되어 있다[1]. 또한 산업통상자원부 자료에 따르면 지역별 전력 자급률은 서울 4.6%, 경기 60.4%, 전남 153.6%, 충남 224.7%로 수급 불균형 문제를 해결하기 위해 지역별 분산 에너지 인프라 구성을 추진하고 있다[2]. 이러한 국가 정책을 바탕으로 다수의 기업들은 기존 교류 계통에서 신재생 에너지와 DC 부하가 연계된 직류 배전계통으로의 전환을 검토하고 있으며, 최근 판교에서는 세계 최초 1MW급 직류 배전계통을 상업용 빌딩에 적용하여 실증 단계에 있던 기술을 상용화하는데 성공했다[3].

하지만, 상업용 빌딩과 달리 24시간 생산 라인을 가동하는 공장에서는 주 전원 공급이 끊겼을 때, 예비 전원으로 고속 절체하여 전력공급의 안정성을 높여주는 자동 모선 절체 시스템을 사용중이다[4]. 이 시스템의 핵심 부품인 차단기가 새로운 직류용 부품으로 교체되더라도 전력공급 신뢰도를 만족할 수 있는지 검토하는 것이 주요한 과제이다. 일반적으로 최고 품질의 전력을 요구하는 미세 공정에서는 배터리, 인버터, 컨버터와 같은 전력변환장치로 조합된 UPS(Uninterrupted Power Supplies)를 통해서 부하측에 정전압, 정주파수의 전원을 공급한다[5]. 하지만 이 과정에서 교류와 직류의 변환이 여러 번 반복되면서 전력손실이 발생하고, 시스템의 신뢰도 또한 감소하는 단점이 존재한다.

본 논문에서는 통계 및 신뢰성 분석에 사용되는 Minitab 프로그램을 통해 다양한 부품의 과거 고장 data를 와이블 분포 함수(Weibull distribution Function)로 변환하여 수명을 예측하고, 이를 토대로 향후 현장에 적용될 DC 차단기의 신뢰도를 예상해보고자 한다. 또한, 전력변환 장치가 포함된 특정 시스템을 AC/DC 하이브리드 시스템으로 전환함으로써 향상되는 계통 신뢰도를 평가하고자 한다.

2. 배전계통 모델링

2.1 다중화 구조

일반적으로 배전계통에서는 방사형, 링형, 루프형 등의 구조가 사용되며, 특히, 미세 공정을 다루는 생산 라인의 경우 전력공급의 신뢰성에 높은 가중치를 두는 다중화(Redundancy) 구조 방식을 주로 사용하고 있다. 그림 1은 브리지 네트워크의 형태를 이루고 있으며, 계통의 양 모선 중간에 tie 차단기를 설치한다[6]. 만약 한 쪽에서 전력공급의 문제가 생겼을 때, 즉시 해당 인입 차단기를 개방하고, tie 차단기가 투입되어 반대쪽으로부터 비상 전력을 공급받을 수 있도록 구성한다. 이 때, 변압기는 과부하에 의한 열적 열화를 방지하기 위해서[7], 직렬 계통의 수용률을 40~45%로 관리하는데, 이로 인해 브리지 네트워크 구조는 방사형 구조에 비해 설비의 대수가 많이 요구되는 경제적 단점이 존재한다. 하지만, 반도체와 같이 제조 기간이 주 단위로 소요되는 생산 라인에서는 전력공급의 신뢰도가 전력설비의 초기 설치 및 운영 비용보다 경제적 가치가 높다고 판단하기에 다중화 구조를 주로 채택하고 있다.

그림 1. Redundancy 배전계통 구조의 예시

Fig. 1. Example of redundancy distribution system

../../Resources/kiee/KIEE.2024.73.10.1624/fig1.png

또한, UPS와 같은 무정전 전원 공급장치를 설치하여, 전압 강하 혹은 정전시에도 안정적으로 전원을 공급할 수 있도록 계통을 구성하고 있다. 하지만, UPS 내부에는 인버터, 컨버터와 같은 전력변환 장치가 직렬로 연결되어 있어 시스템의 효율과 신뢰도를 감소시킨다. 따라서, 본 논문에서는 계통의 신뢰도를 높일 수 있는 AC/DC 하이브리드 배전계통을 모델링하고, 이에 대한 신뢰도를 평가하고자 한다.

2.2 AC/DC 하이브리드 계통 모델 제안

시스템 신뢰도에 큰 영향을 주는 변압기, 차단기, UPS 등의 설비를 기반으로 기존 AC 계통을 그림 2와 같이 모델링 하였다. 그림 3은 계통의 신뢰도를 향상할 수 있도록 직렬 연결된 설비의 개수를 감소시킨 AC/DC 하이브리드 배전계통을 제안하고 있다. 해당 계통에서는 1500V LVDC(Low Voltage Direct Current) 모선을 주 모선으로 활용한다.

그림 2. 기존 AC 배전계통 모델링

Fig. 2. Modeling of existing AC distribution system

../../Resources/kiee/KIEE.2024.73.10.1624/fig2.png

LVDC 모선을 활용하게 되면 향후 분산 전원(Distributed Generation, DG)과 ESS(Energy Storage System)와의 연계성, 확장성에 매우 유리하다. 또한, 연구 사례에 따르면 AC 모선보다 DC 모선에서 자동 절체의 성능이 더욱 효과적이기 때문에[8], 고속 자동 전환 스위치(High-Speed Automatic Transfer Switch)를 DC 모선측에 설치하였다.

그림 3. 제안하는 AC/DC 하이브리드 배전계통 모델링

Fig. 3. Modeling of proposed AC/DC distribution system

../../Resources/kiee/KIEE.2024.73.10.1624/fig3.png

3. 신뢰도 평가

시스템은 여러 부품(component)들의 집합체로 복잡하게 연결되어 있으며, 각 부품의 수명 확률을 기반으로 전체 신뢰도를 평가할 수 있다. 신뢰도는 특정 기간 동안 시스템이 고장 없이 작동할 확률을 의미하며, 이는 계통의 안정성을 직관적으로 나타내는 지표이다. 일반적으로 부품 자체의 신뢰도를 높이거나, 다중화 구조로 설계하거나, 혹은 부품의 개수를 줄임으로써 신뢰도를 향상시킬수 있다. 전기 설비는 초기 제작 및 설치가 완료되면 자체 신뢰도에 변화를 줄 수 없기 때문에, 연결되는 부품의 개수를 줄이기 위한 AC/DC 하이브리드 배전계통을 모델링하였다. 이를 RBD(Reliability Block Diagram)로 도식화하고, 부품의 신뢰도를 와이블 분포를 통해 계산하여 시스템의 신뢰도를 평가하고자 한다.

3.1 Bridge Network RBD

그림 2그림 3의 구조는 그림 4와 같이 브리지 네트워크 구조의 RBD로 나타낼 수 있다. 신뢰도를 구하기 위해서 최소 절단 집합법, 최소 경로 집합법 등 다양한 계산 방법이 존재하지만[9], 해당 구조에서 계산이 용이한 피벗(Pivot) 분해 방식을 이용하여 계산하였다.

그림 4. 브리지 네트워크 구조와 피벗($R_{3}$)분해 방식

Fig. 4. Bridge network structure and pivot($R_{3}$)method

../../Resources/kiee/KIEE.2024.73.10.1624/fig4.png

부품 $R _{3}$는 동작 상태와 고장 상태로 구분할 수 있다. 부품 $R_{3}$가 정상 동작하면 그림 4(b)와 같이 나타낼 수 있으며, 이때 신뢰도 $R_{s1}(R_{3}is alive)$은 다음과 같이 구할 수 있다.

(1)
$R _{s1} =R _{3} [1-(1-R _{2} )][1-(1-R _{5} )][1-(1-R _{1} )(1-R _{4} )]$

부품 $R_{3}$가 고장 상태일 때 그림 4(c)와 같이 표현되며, 이때의 신뢰도 $R_{s2}(R_{3}is dead)$는 다음과 같다.

(2)
$R_{s2}=(1-R_{3})[1-(1-R_{1}R_{2})][1-(1-R_{4}R_{5})]$

(1)과 식 (2)에서 구한 결과를 바탕으로, 브리지 네트워크 시스템의 신뢰도 $R_{s}$는 식 (3)과 같이 표현된다.

(3)
$R_{s}=R_{s1}+R_{s2}$

3.2 -out-of- RBD

단일 부품의 신뢰도가 충분히 높지 않은 상황에서 시스템을 구성해야 할 경우 $k$-out-of-$n$ 구성을 통해 신뢰도 향상을 기대할 수 있다[10]. 이는 $n$개중에 $k$개의 부품만 동작하더라도 시스템이 정상 상태를 유지할 수 있는 다중화 구성 방식이다. 앞서 모델링한 계통의 자동 절체 시스템은 계전기에서 인입 전압의 크기와 위상을 상시 감시하여, 정전 발생 시 반대 쪽 모선과 순간적으로 동기를 맞춰 비상 전력이 공급되도록 신호를 연산 및 출력해주는 중요한 역할을 한다. 만약 계전기가 오동작을 할 경우 정상적인 상황에서 모선이 절체되어 순간적으로 전압 강하가 발생하고, 이로 인해 미세 공정을 거치는 제품에 손상을 입히게 된다. 또한 계전기가 오부동작을 할 경우 모선 절체가 되지 않는 위험 요소가 있기에 그림 5와 같이 2-out-of-3 방식의 다중화 설계를 통해 시스템의 신뢰도를 향상시키고 있다. 이때, 각각의 계전기는 독립적으로 동작한다.

그림 5. 2-out-of-3 계전기 구성방식

Fig. 5. Configuration of 2-out-of-3 relay system

../../Resources/kiee/KIEE.2024.73.10.1624/fig5.png

만약 각각의 계전기의 신뢰도가 $R_{o}$로 동일하다고 가정하면, $k$-out-of-$n$ 구조의 신뢰도 $R_{s}$는 식 (4)와 같으며, 2-out-of-3 구성의 경우 $k$=2, $n$=3을 대입해 식 (5)로 표현할 수 있다.

(4)
$R_{s}=\sum_{x=k}^{n}\begin{pmatrix}n\\x\end{pmatrix}R_{o}^{x}(1-R_{o})^{n-x}$
(5)
$R_{s}=\sum_{x=2}^{3}\begin{pmatrix}3\\x\end{pmatrix}R_{o}^{x}(1-R_{o})^{3-x}=3R_{o}^{2}-2R_{o}^{3}$

또한, 그림 6과 같이 UPS는 컨버터와 인버터가 직렬 연결된 하나의 모듈에 문제가 발생하더라도 나머지 모듈을 통해 전원을 공급할 수 있도록 총 5개의 모듈로 구성된 4-out–of-5 설계로 신뢰도를 향상시킬 수 있다.

그림 6. 4-out-of-5 UPS 시스템 구성 방식

Fig. 6. Configuration of 4-out-of-5 UPS system

../../Resources/kiee/KIEE.2024.73.10.1624/fig6.png

3.3 와이블 분포 함수

부품의 수명 data는 특정 분포 곡선을 따르는 경우가 많으며, 고장률(Failure rate)이 일정할 경우 지수 분포를 추종한다. 일반적으로 부품의 고장 분포는 시간 $t$에 따라 고장률이 증가하거나 일정 또는 감소하는 3가지 형태로 구분되며, 이를 와이블 분포 함수를 통해 전부 표현할 수 있기 때문에 수명 분석을 위한 통계 함수로 널리 사용되고 있다. 와이블 분포의 확률 밀도 함수 $f(t)$는 식 (6)과 같이 표현되며, 이때 와이블 분포 함수의 모양을 결정하는 형상 모수(Shape parameter)는 $\beta$, 가로축의 척도를 규정하는 척도 모수(Scale parameter)는 $\eta$로 표현한다.

(6)
$f(t)=\dfrac{\beta}{\eta}\left(\dfrac{t}{\eta}\right)^{\beta -1}e^{-(\dfrac{t}{\eta})^{\beta}}$

형상 모수 $\beta >1$일 경우, $t$가 증가함에 따라 고장률이 증가하는 형태를 나타내고, 형상 모수 $\beta <1$일 경우, 초기에 고장이 자주 발생하는 고장률 감소 형태를 나타낸다. 이때, 신뢰도 함수 $R(t)$는 식 (7)과 같이 나타낼 수 있다.

(7)
$R(t)=e^{-(\dfrac{t}{\eta})^{\beta}}$

부품의 수명 data를 기반으로 와이블 분포의 형상 모수 $\beta$와 척도 모수 $\eta$를 구하기 위해서는 확률지(Probability paper)에 고장 data를 타점하여 선형에 가까운지 확인해야 한다. 확률지의 $x$축은 $\ln t$, $y$축은 $\ln\ln\dfrac{1}{1-F(t)}$로 로그 변환된 확률 공간에 사상시키며, 본 논문에서는 Kaplan- Meier 추정법을 이용하여 확률지에 총 $n$개의 고장 Data를 타점하였다[11]. 이와 관련된 식은 다음과 같다.

(8)
$F_{(t_{i})}=\dfrac{i}{n}$
($t_{1}\le t_{2}\le\cdots\le t_{i}\le\cdots <t_{n}$이며, $t_{i}$는 $i$번째 고장 시간)

확률지에 타점된 모수들을 바탕으로 Minitab을 이용하여 최대우도법(MLE, Maximum Likelihood Estimation)이 적용된 와이블 분포 함수를 도출하였고, 이를 바탕으로 부품의 신뢰도를 추정하였다.

4. 시뮬레이션 및 결과 검토

4.1 실제 계통 고장 data 해석

기존 계통과 제안된 AC/DC 하이브리드 계통의 신뢰도를 평가하기 위해서 부품 단위의 고장 data를 해석할 필요가 있다. 이를 위해 국내 한 사업장의 약 34년간 전력설비 고장 data를 표 1에 정리하였다. 해당 data는 모수가 매우 많고, 사용 연한 또한 길기 때문에 통계를 기반으로 한 신뢰도 추정에 매우 적합하다.

표 1 국내 한 사업장의 전력설비 고장 data (1986~2020)

Table 1 Failure data of electrical equipment for a domestic company (1986~2020)

Type

Failure Frequency

Number of Equipment

EHV Transformer

2

225

HV Transformer

3

2,778

EHV Switchgear

1

441

HV Switchgear

10

6,536

LV Switchgear

1

6,722

MCCB

7

51,300

Power Converter

12

408

Bus Transfer Relay

141

1,409

표 1에서 고압 차단기반(HV Switchgear), 전력변환 장치(Power Converter), 모선 절체 계전기(Bus Transfer Relay)의 경우 적절한 모수의 고장 data를 확보하였기 때문에 와이블 분포 함수를 이용한 신뢰도 추정이 가능하지만, 그 외의 고장 data는 모수가 적기 때문에 지수 분포 함수를 활용하는 것이 적절하다. 먼저 와이블 분포 함수를 구하기 위해서 3.3절에서 설명한 방법으로 고압 차단기반과 전력변환 장치의 수명 data를 정리해야 한다. 해당 부품들은 고장시에 즉시 교체를 진행하고, 저압 및 고압 차단기반은 25년, 전력변환 장치는 15년마다 주기적으로 새로운 제품으로 교체되어 신뢰도가 초기 상태로 회복된다고 가정하였다.

그림 7그림 8은 부품의 고장 data를 와이블 확률지에 타점하여 나타낸 그래프다. 고압 차단기반과 전력변환 장치의 형상 모수 $\beta$는 각각 1.2965, 1.6267이며, $\beta$>1이므로 증가형 고장률(IFR, Increasing Failure Rate)의 모습을 나타내고 있다. 도출된 와이블 분포를 기반으로 특정 시점에서의 신뢰도를 구할 수 있는데, 극한의 상황을 고려하여 누적 고장률이 가장 높고 취약한 설비 교체 직전을 시점으로 선정하였다. 이때의 신뢰도 $R(t)$는 고압 차단기반이 0.9976, 전력변환 장치가 0.9744이다.

고속 모선 절체 시스템이 적용된 브리지 네트워크에서 계전기의 역할이 매우 중요하지만, 단일 계전기 자체의 신뢰도는 높지 않기 때문에 앞서 언급한 2-out-of-3 방식을 적용하여 다중화 시스템으로 구성하고 있다. 단일 계전기의 고장 data를 기반으로 와이블 분포 함수를 계산하면 형상 모수 $\beta$는 1.4452이며, 5000일이 지난 시점의 신뢰도는 0.8837이다. 이에 2-out-of-3 방식을 적용함으로써 얻어진 신뢰도는 0.9632로 상승한다. 4-out-of-5로 구성된 UPS의 신뢰도 또한 단일 구성 대비 0.9744에서 0.9938까지 상승하는 것을 알 수 있다. 일반적으로 전력변환 장치는 컨버터와 인버터가 조합된 시스템이며, 각각의 부품이 동일한 신뢰도라고 가정하면 3.2장에서 구한 5개의 모듈로 구성된 UPS 시스템의 신뢰도는 0.9938, 컨버터 혹은 인버터로만 구성된 전력변환 장치는 $\sqrt{0.9938}=0.9969$이다. 또한, 단일 직렬 1모듈로 구성된 시스템의 신뢰도는 0.9744, 이때 단일 전력변환 장치는 $\sqrt{0.9744}=0.9871$이다.

그림 7. 고압 차단기반의 와이블 확률도

Fig. 7. Weibull probability plot of HV Switchgear

../../Resources/kiee/KIEE.2024.73.10.1624/fig7.png

그림 8. 전력변환 장치의 와이블 확률도

Fig. 8. Weibull probability plot of power converter

../../Resources/kiee/KIEE.2024.73.10.1624/fig8.png

4.2 기존 부품의 신뢰도 평가

표 2는 IEEE 493 신뢰도 기준과 실제 고장 data를 기반으로 추정한 신뢰도를 비교하여 나타내고 있다. 일반적으로 IEEE 493에서 제시하는 신뢰도는 범용적인 data를 바탕으로 제공되기 때문에 현장에 적용된 부품의 신뢰도와는 다소 차이가 발생한다[12]. 특히, 미세 공정을 다루는 사업장에서는 전기 설비를 최적의 환경하에 상시 모니터링을 진행하며 이상 징후가 발생할 경우, 즉시 점검 및 교체를 진행한다. 다시 말해서 표 2는 현장에서 설비 맞춤 관리를 통해 신뢰도를 개선할 수 있다는 점을 시사한다.

표 2 전력설비 부품별 신뢰도

Table 2 Reliability of each modeled equipment

Type

IEEE 493

Reliability

Feild

Reliability

Time

(day)

EHV Transformer

0.8431

0.9834

10,950

HV Transformer

0.9213

0.9978

7,300

EHV Switchgear

0.8843

0.9999

10,950

HV Switchgear

0.9872

0.9976

9,125

LV Switchgear

0.9548

0.9997

9,125

MCCB

0.9997

0.9997

10,950

Power Converter

0.8699

0.9871

5,475

Power Converter

(5 module)

0.8707

0.9969

5,475

Bus Transfer Relay

(2-out-of-3)

0.8596

0.9632

5,000

4.3 LVDC 차단기 신뢰도 평가

AC/DC 하이브리드 계통에서 가장 핵심적인 부품은 직류 배전용 1.5kV급 LVDC 차단기이다. LVDC 배전망에서 사용하는 직류 배전용 차단기는 이제 막 상용화가 시작된 제품으로 충분한 고장 data가 확보되지 않아 와이블 분포 함수를 이용한 신뢰도 추정이 어렵다. 일반적으로 신제품의 초기 신뢰도는 기존과 유사한 부품의 신뢰도를 참조하며, 시간이 지남에 따라 운영 과정에서 축적되는 고장 data를 통해 신뢰도의 정확성을 향상시킨다. 고압 차단기반은 LVDC 차단기와 사용 환경, 유지보수 정책등이 매우 유사하기에 형상 모수 $\beta$가 동일하다고 가정할 수 있으며, 이는 LVDC 차단기의 초기 신뢰도를 추정하는데 유용하게 사용될 수 있다[13]. 국내 L社에서 제조하는 7.2kV급 VCB 차단기는 20,000회, 1.5kV급 LVDC 차단기는 15,000회의 기계적 수명을 보증한다. 이러한 제품 보증 수명은 척도 모수 $\eta$와 평균 고장 시간 MTTF(Mean Time to Failure)와 비례하며[14], 와이블 분포를 추종하는 MTTF는 식 (9)와 같이 표현한다.

(9)
$MTTF=\eta\gamma(1+\dfrac{1}{\beta})$, ($\gamma : g amma funtion$)

앞서 고압 차단기의 형상 모수 $\beta$=1.2965, 척도 모수 $\eta$=965,300이기 때문에, MTTF는 892,015로 계산된다. 또한 차단기의 MTTF는 보증 시간과 비례하므로 약 669,011로 추정할 수 있다. 형상 모수 $\beta$가 동일하다는 조건에서 LVDC 차단기의 척도 모수 $\eta$는 723,974임을 알 수 있으며, 이때 LVDC 차단기의 신뢰도는 0.9966으로 추정할 수 있다. 그림 9는 MTTF에 따른 차단기 신뢰도를 나타낸 그림이며, 제품의 보증 기간을 통하여 LVDC 차단기의 초기 신뢰도를 유추할 수 있음을 나타낸다. 앞서 언급한 것처럼 정확한 신뢰도를 추정하기 위해서는 다양한 고장 data를 확보해야 하나, 초기 추정 단계에서는 유사한 제품의 신뢰도를 참고하여 비교하는 것이 매우 유용하다.

그림 9. t=9,125에서 MTTF에 따른 척도 모수 $\eta$와 신뢰도

Fig. 9. Scale parameter $\eta$ and reliability as a function of MTTF at t=9,125

../../Resources/kiee/KIEE.2024.73.10.1624/fig9.png

4.4 시스템의 신뢰도 평가

수배전반을 모델링한 그림 2그림 3의 전력계통을 부품별 신뢰도 블록으로 나타내면 그림 10과 같이 표현할 수 있다.

그림 10. 모델링된 배전계통의 RBD

Fig. 10. The RBD of distribution system modeling

../../Resources/kiee/KIEE.2024.73.10.1624/fig10.png

이때, 그림 10에서 표현된 각각의 신뢰도 블록에 표 2에서 구한 부품별 신뢰도를 반영하고, 직렬 계통을 단순화하면 그림 11과 같은 브리지 네트워크 RBD 형태로 보기 좋게 나타낼 수 있다. 이를 통하여 시스템의 신뢰도를 비교하면 기존 계통의 신뢰도는 0.9214, AC/DC 하이브리드 계통의 신뢰도는 0.9388로 전체적으로 신뢰도가 향상된 것을 확인할 수 있다.

(10)
$R_{s}=\prod_{i=1}^{n}R_{i}(t)=R_{1}\times R_{2}\times\cdots\times R_{n}$

이는 직렬 계통의 신뢰도를 나타내는 식 (10)에서 알 수 있듯이 곱 연산으로 적용되므로 4.3장에서 구한 바와 같이 LVDC 차단기의 신뢰도가 기존 고압 차단기보다 낮더라도 연결되는 블록의 개수를 줄여 전체 신뢰도를 향상시킬 수 있다. 향후 LVDC 차단기 기술이 완성 단계에 도달하면, 해당 시스템의 신뢰도는 더욱 향상될 수 있음을 시사한다.

그림 11. 브리지 네트워크로 간소화시킨 RBD

Fig. 11. Simplified RBD of bridge network

../../Resources/kiee/KIEE.2024.73.10.1624/fig11.png

5. 결 론

RE100 목표를 달성하기 위한 신재생 에너지의 필요성 증가와 함께 다양한 DC 부하의 사용량 증가 추세로 보았을 때, 대부분의 산업 현장에서는 기존 AC 배전계통에서 DC 배전계통으로의 전환은 필수불가결하다. 그러나 수십 년에 걸친 운영 경험을 통해 축적된 data를 바탕으로 한 기존 AC 배전계통에서 새로운 DC 배전계통으로의 전환은 다소 도전적인 과제이다. 특히, 24시간 생산 라인을 운영하는 기업들에게 전력공급의 신뢰도는 제품의 생산성과 품질에 경제적 영향을 끼칠 수 있으므로, DC 배전계통으로 전환시에 신뢰도를 중심으로 접근하는 것이 중요하다.

본 논문은 기존 AC 계통을 AC/DC 하이브리드 계통으로 전환하는 과정에서 시스템의 신뢰도를 향상시킬 수 있는 모델을 제안하였다. 이를 위해 과거 부품 수명 정보에 기반한 와이블 분포 함수를 도출하고, 이를 토대로 현재 운영중인 시스템의 신뢰도를 평가하였다. 또한, 신규 LVDC 차단기에 대한 초기 신뢰도를 예측하는 방안을 제시하였고, 새롭게 모델링된 AC/DC 하이브리드 모델이 기존 시스템에 비해 신뢰도 측면에서 상당한 이점을 제공하는 것을 확인하였다.

신뢰도 평가는 고장 data의 양에 따라 그 정확도가 높아질 수 있지만, 대부분의 기업에서는 보안상의 이유로 고장 data를 공개하지 않고 있다. 본 논문에서는 약 34년간 다수의 설비를 운영한 실제 data를 바탕으로 각 부품의 신뢰도를 평가하였다. 이를 통해 활발한 연구와 data 공유가 이루어져 전력계통의 신뢰도 평가에 크게 기여할 수 있기를 기대한다. 향후 연구 방향으로 인공지능 기법을 적용하여 전력설비 고장 data를 기반으로 한 신뢰도 추정 방법을 연구할 계획이다.

References

1 
W. Y. Jeon, S. M. Cho, I. H. Cho, “The Economics value of Electric Vehicle Demand Resource under the Energy Transition Plan,” Enviromental and Resource Economics Review, pp. 237~268, 2021.DOI:10.15266/KEREA.2021.30.2.237DOI
2 
“Strategies for Promoting the Activation of Distributed Energy Resources,” Ministry of Trade, Industry, Energy, 2021.URL
3 
D. S. Lee, J. H. Lee, S. Y. Lee, and J. H. Kim “A study on the protection scheme for LVDC distribution system in commercial buildings,” 27th International Conference on Electricity Distribution (CIRED 2023), pp. 1378~1381, 2023.DOI:10.1049/icp.2023.0733DOI
4 
M. V. V. S. Yalla, “Design of a High-Speed Motor Bus Transfer Systems,” IEEE Transactions on Industry Applications, vol. 46, no. 2, pp. 612~619, 2010.DOI:10.1109/ICPS.2009.5463935DOI
5 
G. N. Rajani, “Emerging trends in Uninterrupted Power Supplies: Patents view,” 2016 Biennial International Conference on Power and Energy Systems: Towards Sustainable Energy(PESTSE), pp. 1~5, 2016.DOI:10.1109/PESTSE.2016.7516515DOI
6 
G. Levitin, A. Linsnianski, “Structure optimization of power system with bridge topology,” Electric Power Systems Research, vol 45, issue 3, pp. 201~208, 1998.DOI:10.1016/S0378-7796(98)00019-4DOI
7 
IEEE Std C57.91-2011(Revision of IEEE Std C57.91 -1995) “IEEE Guide for Loading Mineral-Oil -Immersed Transformers and Step-Voltage Regulators,” 2012.DOI:10.1109/IEEESTD.2012.6166928URL
8 
Y. I. Choi, C. H. Kim, “A Study on Current Stability during Motor Bus Transfer in DC Distribution Systems,” The 54th KIEE Conference, pp. 262~263, 2023.URL
9 
Sun-Keun Seo, SMART Reliability Engineering, Minyoungsa, pp. 194~201, 2018.URL
10 
D. T. Chiang, S. C. Niu, “Reliability of Consecutive -k-out-of-n : F System,” IEEE Transactions on Reliability, vol. R-30, no. 1, pp. 87~89, 1981.DOI:10.1109/24.159817URL
11 
F. Scholz, “Plotting on Weibull Paper,” Research and technology. Boeing Information & Support Services, 1996.URL
12 
IEEE Std 493-2007, “Design of Reliable Industrial and Commercial Power Systems,” 2007.DOI:10.1109/IEEESTD.2007.380668URL
13 
M. Franco, J. M. Vivo, N. Balakrishnan, “Reliability properties of generalized mixtures of Weibull distributions with a common shape parameter,” Journal of Statistical Planning and Inference, vol. 141, issue 8, pp. 2600~2613, 2011.DOI:10.1016/j.jspi.2011.02.012DOI
14 
S. Ameri, “Products Reliability Prediction Model Based on Bayesian Approach,” International Journal of Advanced Engineering, Management and Science, vol. 3, no. 7, pp. 756~760, 2017.DOI:10.24001/ijaems.3.7.8URL

저자소개

최윤일(Youn-Il Choi)
../../Resources/kiee/KIEE.2024.73.10.1624/au1.png

He received a B.S degree from the College of Engineering, Konkuk University, Seoul, Korea in 2015. Since 2015, he joined Electricity Team, Device Solutions, Samsung Electronics, Korea. At present, he is enrolled in the master program from Sungkyunkwan University, Suwon, Korea. His research interests include reliability of power system and bus transfe system.

김철환(Chul-Hwan Kim)
../../Resources/kiee/KIEE.2024.73.10.1624/au2.png

Chul-Hwan Kim (M’ 90, SM’ 04, F’ 22) received the B.S, M.S, and Ph.D. Degrees in electrical engineering from Sungkyunkwan University, Suwon, Korea, in 1982, 1984, and 1990, respectively. In 1990, he joined Jeju National University, Jeju, Korea, as a full-time lecturer. He was a visiting academic with the University of Bath, Bath, U.K., in 1996, 1998, and 1999. He has been a professor with the College of Information and Communication Engineering, Sungkyunkwan University, since 1992, where he is currently the Director of the Center for Power Information Technology. His fields of interest include power system protection, artificial intelligence applications for protection and control, and the modeling and protection of microgrids and DC systems.