스마트 그리드 전압 조정을 위한 최적 센서 선택 전략

초록

본 논문은 스마트 그리드에서 전압을 안정화하기 위해 무선 센서 네트워크의 MAC 계층에서 어떤 센서를 언제 선택할지를 최적화한다. 연속적인 전압 상태 추정에는 칼만 필터를, 제어에는 LQR을 적용하고, 센서 선택 문제를 하이브리드 동적 시스템의 모드 전환으로 모델링한다. 전체 탐색이 비현실적이므로 슬라이딩 윈도우 알고리즘을 이용해 근사 최적 시퀀스를 도출했으며, 시뮬레이션에서 라운드‑로빈 방식 대비 40 %의 성능 향상을 입증하였다.

상세 분석

이 연구는 스마트 그리드의 전압 조절이라는 고전적인 전력 시스템 문제에 통신 레이어의 센서 스케줄링을 결합함으로써 새로운 관점을 제시한다. 먼저 전압 상태를 연속적인 동적 변수로, 센서 선택을 이산적인 모드 전환 변수로 보는 하이브리드 동적 시스템(HDS) 모델을 구축한다. 연속 부분은 선형화된 전압·제어 방정식(Δxₖ₊₁ = AΔxₖ + Buₖ + wₖ)으로 표현되고, 이산 부분은 어느 센서 i가 현재 슬롯에서 전송할지를 나타내는 인덱스 iₖ로 정의된다.

상태 추정은 표준 칼만 필터를 사용한다. 예측 단계에서 A와 B를 이용해 전압 편차를 전파하고, 측정 단계에서는 선택된 센서의 관측 행렬 Hᵢₖ와 노이즈 공분산 Rᵢ를 이용해 칼만 이득 Kₖ를 계산한다. 이때 센서가 바뀔 때마다 Hᵢₖ가 달라지므로, 각 선택에 따라 추정 오차 공분산 Pₖ가 크게 변한다.

제어는 LQR을 적용해 비용 함수 J = Σ(ΔxₖᵀDΔxₖ + uₖᵀEuₖ)를 최소화한다. LQR 해는 Riccati 방정식을 역방향으로 풀어 피드백 행렬 Lₖ를 미리 계산할 수 있다(LQG 분리 원리). 따라서 센서 선택이 제어 성능에 미치는 영향은 주로 상태 추정 정확도에 국한된다.

센서 선택 최적화는 “전체 추정 오차의 합(trace(Pₖ))을 최소화하는 센서 시퀀스 I={i₁,…,i_K}”를 찾는 문제로 귀결된다. 모든 가능한 시퀀스를 탐색하면 N^K개의 조합이 발생해 계산량이 급격히 증가한다. 이를 완화하기 위해 논문은 슬라이딩 윈도우(d) 알고리즘을 제안한다. 현재 시점에서 앞으로 d단계에 대한 모든 조합을 평가하고, 그 중 최소 오차를 보이는 첫 번째 센서를 선택한 뒤 윈도우를 한 단계씩 이동한다. 윈도우 크기 d가 클수록 최적에 가까워지지만 계산 복잡도도 증가한다; 반대로 작은 d는 실시간 적용에 유리하지만 최적성은 떨어진다.

시뮬레이션에서는 5개의 전압 센서와 2개의 DER을 갖는 마이크로그리드 모델을 사용했다. 라운드‑로빈 방식과 비교했을 때, 슬라이딩 윈도우(d=3) 기반 선택은 전압 편차 평균을 40 % 감소시켰으며, 제어 입력 비용도 유사하거나 약간 감소했다. 이는 센서 선택이 전압 변동이 큰 시점에 정보가 풍부한 센서를 우선적으로 활용함으로써 추정 정확도를 크게 향상시킨 결과이다.

핵심 기여는 (1) 전압 조절 문제를 HDS 프레임워크에 매핑한 점, (2) 센서 선택을 제어‑추정 루프와 통합해 비용 함수에 직접 반영한 점, (3) 실시간 적용 가능한 슬라이딩 윈도우 기반 근사 최적화 알고리즘을 제시한 점이다. 다만 가정된 선형화, 단일 센서 전송, 무패킷 손실·지연 무시 등은 실제 현장 적용 시 추가적인 고려가 필요하다. 향후 연구는 다중 센서 동시 전송, 비선형/비가우시안 노이즈 모델, 그리고 강화학습 기반 적응형 스케줄링을 탐색할 여지가 있다.