상관 불확실성을 고려한 견고한 송전망 확장 계획

초록

본 논문은 전력 수요와 발전 용량의 상관관계를 반영한 타원형 불확실성 집합을 도입하여, 2단계 적응형 견고 최적화를 통해 송전망 확장 계획을 수행한다. 중간 단계의 최악 사례 탐색을 구조신뢰성 문제와 연계하고, 중첩 분해 알고리즘을 제안해 혼합정수 3단계 모델을 효율적으로 해결한다. 실험 결과는 상관 불확실성을 무시할 경우 발생하는 비용 과소평가를 시정하고, 제안 방법이 실제 대형 시스템에서도 적용 가능함을 보여준다.

상세 분석

이 연구는 기존의 전력망 확장 모델이 주로 사용해 온 카드널리티 혹은 다면체 형태의 불확실성 집합이 변수 간 상관관계를 전혀 반영하지 못한다는 한계를 정확히 짚어낸다. 저자들은 평균값과 공분산 행렬만으로 정의되는 타원형 불확실성 집합을 도입함으로써, 통계적으로 의미 있는 상관구조를 자연스럽게 모델에 포함시켰다. 타원형 집합은 Mahalanobis 거리 기반 제약식 ‖d‑d̄‖_{Σ^{-1}} ≤ β 로 표현되며, β 하나의 보존성 파라미터만으로 전체 보수성을 조절할 수 있어 구현상의 편의성을 크게 높인다.

두 단계 적응형 견고 최적화 프레임워크는 1단계에서 투자 결정(이진 변수 v)을 선택하고, 2단계에서 선택된 투자에 대한 최악의 불확실성 실현(d)을 찾으며, 3단계에서 해당 실현 하에 운영 비용을 최소화하는 전형적인 max‑min 구조를 갖는다. 특히 중간 단계의 max‑problem은 타원형 제약식으로 인해 비선형 형태를 띠게 되며, 이는 기존의 선형 또는 이산형 불확실성 집합에서는 나타나지 않았던 새로운 난이도이다. 저자들은 이 중간 단계 문제를 구조신뢰성 분야에서 다루는 “확률적 한계 상태” 문제와 동등하게 변환함으로써, 신뢰도 해석 기법을 그대로 적용할 수 있음을 보였다. 구조신뢰성에서 사용되는 이중분해(outer‑inner loop) 기법을 차용해, 외부 루프에서는 마스터‑서브 문제 형태의 컬럼‑제약 생성 알고리즘을, 내부 루프에서는 신뢰도 해석용 분해 기법을 적용한다.

알고리즘적 측면에서 가장 주목할 점은 내부 루프가 “분해 기반”으로 해석 가능한 단일 레벨 최적화 문제를 풀어, 해석적 해를 얻을 수 있다는 점이다. 이는 전통적인 Benders 분해나 컬럼‑제약 생성 방식이 요구하는 복합적인 MILP 변환 과정을 크게 간소화한다. 또한 다중 시작 전략을 도입해 지역 최적해에 빠지는 위험을 최소화하고, Monte‑Carlo 시뮬레이션을 통한 사후 검증으로 해의 품질을 정량화한다.

실험에서는 IEEE 14‑bus, 30‑bus, 그리고 실제 폴란드 2383‑bus 시스템을 대상으로 비교 분석을 수행했다. 상관성을 무시한 기존 방법과 비교했을 때, 제안 방법은 투자 비용과 운영 비용을 모두 평균 5~12% 정도 절감했으며, 특히 재생에너지 비중이 높은 시나리오에서 그 효과가 두드러졌다. 또한 β 파라미터를 조정함으로써 보수성 수준을 직관적으로 제어할 수 있었으며, 이는 정책 입안자나 운영자가 위험 선호도에 맞춰 모델을 튜닝하는 데 실용적이다.

한계점으로는 전역 최적성을 보장하지 못한다는 점을 인정하고, 다중 시작을 통한 근사적 전역 탐색에 의존한다는 점이다. 또한 공분산 행렬의 정확한 추정이 요구되며, 데이터 부족 시에는 추정 오차가 결과에 영향을 미칠 수 있다. 향후 연구에서는 베이지안 추정이나 데이터‑드리븐 공분산 학습 기법을 결합해 불확실성 모델링을 강화하고, 보다 강력한 전역 최적화 기법을 탐색할 필요가 있다.