입자 군집 최적화를 이용한 무효 전력 최적화

초록

본 논문은 전력 시스템의 전압 안정성과 신뢰성을 유지하면서 비용을 최소화하기 위한 무효 전력 최적화 방안을 제시한다. 전통적인 무효 전력 배분은 전송 손실 최소화에 초점을 맞추었으나, 본 연구는 발전기와 무효 전력 보상기의 지원 비용을 총합 최소화하는 목표를 설정한다. 이를 위해 비선형 제약을 포함하는 무효 전력 최적 흐름(ROPF) 모델을 구축하고, 입자 군집 최적화(PSO) 알고리즘을 적용하였다. IEEE 14버스 시스템을 대상으로 실험을 수행한 결과, 제안된 PSO 기반 방법이 전력 손실과 비용을 효과적으로 감소시킴을 확인하였다.

상세 요약

이 연구는 무효 전력(dispatch) 문제를 전통적인 기술적 목표와 경제적 목표를 동시에 고려하는 복합 최적화 문제로 재정의한다. 기존 연구에서는 주로 전송 손실 감소나 전압 프로파일 개선에 초점을 맞추었으나, 실제 운영에서는 발전기와 보상기 각각이 무효 전력을 제공함에 따라 발생하는 비용을 어떻게 할당하고 최소화할지가 핵심 과제로 부각된다. 논문은 이러한 배경에서 무효 전력 지원 비용을 “발전기의 무효 전력 기여 비용 – 활성 전력 전달 의무 비용” 형태로 모델링하고, 전체 시스템 손실을 최소화함으로써 비용 할당을 간접적으로 감소시키는 전략을 채택한다.

문제 정의 단계에서 저자는 비선형 제약식(전압 한계, 발전기 무효 전력 출력 한계, 보상기 용량 제한 등)을 포함한 ROPF(Reactive Optimal Power Flow) 모델을 수립한다. 이 모델은 목적함수로 총 지원 비용을 설정하고, 제약조건을 만족하는 무효 전력 배분 벡터를 찾는 형태이다. 비선형성 때문에 전통적인 선형 프로그래밍이나 단순한 유전 알고리즘으로는 전역 최적해를 찾기 어렵다.

입자 군집 최적화(PSO)는 군집 지능 기반 메타휴리스틱으로, 입자(해)의 위치와 속도를 반복적으로 업데이트하며 탐색과 활용을 균형 있게 수행한다. 논문은 PSO의 파라미터(입자 수, 관성 가중치, 인지·사회 학습 계수)를 실험적으로 튜닝하고, 각 입자가 제약 위반 시 페널티 함수를 적용해 feasible 영역으로 유도한다. 또한, 전력 시스템 특성상 목표 함수가 다중극점을 가질 수 있기에, PSO의 전역 탐색 능력이 지역 최적에 빠지는 위험을 크게 감소시킨다.

시뮬레이션은 IEEE 14버스 시스템을 사용했으며, 기존 방법(예: 선형 프로그래밍 기반 무효 전력 최적화)과 비교했다. 결과는 PSO 기반 접근법이 전력 손실을 평균 4~6% 감소시키고, 총 지원 비용을 약 5% 절감함을 보여준다. 특히, 부하 변동이 큰 상황에서도 PSO는 안정적인 수렴 특성을 보이며, 제약 위반 없이 최적해를 도출한다.

이 논문의 주요 기여는 다음과 같다. 첫째, 무효 전력 비용 모델을 명확히 정의하고, 이를 최소화하는 목표함수를 설계했다. 둘째, 비선형 제약을 포함한 ROPF 문제에 PSO를 효과적으로 적용해 전통적 방법보다 우수한 성능을 입증했다. 셋째, 실제 전력 시스템에 적용 가능한 파라미터 설정과 페널티 설계 방안을 제시함으로써, 향후 대규모 전력망에서도 확장 가능성을 시사한다.