스마트 마이크로그리드의 분산형 무효 전력 보상 전략

** 본 논문은 스마트 마이크로그리드에서 무효 전력 보상을 통해 전력 손실을 최소화하는 문제를 다루며, 두 가지 주요 기여를 제시한다. 첫 번째는 전력 흐름을 근사화한 새로운 모델을 제시하는 것으로, 전압·전류를 복소수 형태로 표현하고 그래프 라플라시안을 이용해 전압‑전류 관계를 선형화한다. 라플라시안의 의사역 \(X\) 를 정의함으로써, 전압은 \(u = X i + U_N e^{j\phi}\) 로, 전류는 \(i = \bar{s} e^{j\phi}/U_N + O(1/U_N^2)\) 로 근사된다. 이 근사는 대전압 조건 하에서 매우 정확하며, 기존 DC 파워 플로우 모델을 손실을 포함하도록 확장한 형태이다. 두 번째 기여는 이 근사 모델을 기반으로 한 분산 최적화 알고리즘이다. 마이크로발전기(또는 보상기) 집합 \(C\) 의 무효 전력 주입 \(q_v\) 를 제어 변수로 두고, 전체 손실 \(J_{\text{tot}} = \bar{i}^T \operatorname{Re}(X) i\) 를 최소화하는 이차형 제약 최적화 문제를 구성한다. 중앙집중식 해법 대신, 무작위 gossip‑형 알고리즘을 설계하여 각 에이전트가 이웃과 국소 정보를 교환하고, 사전 계산된 가중치 행렬에 따라 업데이트한다. 알고리즘의 수렴성은 두 단계로 증명된다. 첫째, 기대값이 라그랑주 승수를 포함한 선형 시스템을 만족함을 보이며, 둘째, 마르코프 체인 이론을 이용해 평균 합성 과정이 그래프 라플라시안의 알파값에 의해 지배되는 지수 수렴을 보인다. 특히 방사형(트리) 토폴로지에서는 인접 노드 간 직접 통신이 가장 큰 알파값을 제공하므로, 수렴 속도가 최적화된다. 시뮬레이션에서는 IEEE 13‑node 및 33‑node 마이크로그리드 모델을 사용해, 제안된 근사 모델이 실제 AC 전력 흐름 해와 평균 1 % 이하의 차이를 보이며 정확함을 확인한다. gossip 알고리즘은 50 ~ 100 회의 랜덤 교환 후에 손실 최소화 목표에 도달하고, 중앙집중식 최적화와 동일한 최적값을 얻는다. 또한 새로운 마이크로발전기의 삽입·제거 시에도 자동 재수렴이 가능해, 실시간 확장성과 탄력성을 제공한다. 결론적으로, 논문은 전력 시스템의 물리적 특성을 고려한 근사 모델과, 제한된 로컬 정보와 통신만으로도 전역 최적을 달성할 수 있는 분산 제어 프레임워크를 제시한다. 이는 미래의 대규모 마이크로그리드에서 DER(분산형 에너지 자원)의 효율적 활용과 전력 손실 감소에 중요한 기여를 할 것으로 기대된다. **