배전망 전력거래의 파레토 최적 배분 시장 균형과 공정성 확보를 위한 벡터 최적화

초록

본 논문은 배전망 전력거래에서 서브스테이션으로부터 거리 차이에 따라 발생하는 DLMP 불공정을 완화하기 위해 Jain 공정성 지수를 도입하고, 이를 엄격히 quasi‑concave 함수로 증명한다. 하위 레벨에서는 각 집계기(aggregator)별 경매를 통해 시장 균형 가격을 산출하고, 상위 레벨에서는 제약이 있는 다목적 최적화 문제를 풀기 위한 Augmented Lagrangian Multigradient Approach(ALMA)를 제안한다. ALMA는 목표 함수가 엄격히 quasi‑concave이고 feasible set이 convex일 때 전역 파레토 최적점으로 수렴함을 이론적으로 입증하고, IEEE 37버스 시스템을 기반으로 한 MATLAB 시뮬레이션을 통해 효율성‑공정성 트레이드오프를 실증한다.

상세 분석

이 연구는 배전망 전력거래 시장에서 발생하는 지리적 불균형 문제를 근본적으로 재구성한다. 기존 DLMP(Distribution Locational Marginal Pricing) 모델은 전력 손실과 전압 강하를 반영하지만, 서브스테이션과의 거리만을 기준으로 가격을 결정함으로써 원거리 가구에 과도한 비용 부담을 초래한다는 한계가 있다. 저자는 이러한 구조적 불공정을 정량화하기 위해 Jain 지수를 도입하고, 이 지수가 엄격히 quasi‑concave임을 수학적으로 증명함으로써 다목적 최적화에서 공정성 지표를 활용할 수 있는 이론적 기반을 마련한다.

하위 레벨에서는 각 집계기마다 독립적인 경매 메커니즘을 적용한다. 이는 전력 구매자와 판매자 사이의 가격 신호를 실시간으로 반영하여 시장 균형을 달성하도록 설계되었으며, 경매 결과는 상위 레벨의 최적화 변수인 에너지 할당량에 직접 연결된다. 이러한 이중 구조는 분산형 시장 운영의 스케일러빌리티와 프라이버시 보호를 동시에 만족시킨다.

상위 레벨에서는 다목적 벡터 최적화 문제를 정의한다. 목표 함수는 (1) 전체 사회복지(효율성)와 (2) Jain 공정성 지수(공정성) 두 가지를 포함하며, 각각이 엄격히 quasi‑concave이므로 전통적인 convex optimization 기법을 직접 적용하기 어렵다. 이를 해결하기 위해 저자는 Augmented Lagrangian Multigradient Approach(ALMA)를 제안한다. ALMA는 라그랑주 승수를 통해 제약을 완화하고, 다중 그래디언트 상승을 이용해 각 목표 함수의 방향성을 동시에 추적한다. 알고리즘의 수렴성은 목표 함수가 quasi‑concave이고 feasible region가 convex일 때 전역 파레토 최적점으로 수렴한다는 정리를 통해 보장된다.

이론적 분석 외에도, 저자는 IEEE 37‑버스 시스템을 변형한 테스트베드에서 MATLAB 시뮬레이션을 수행한다. 시뮬레이션 결과는 (a) 거리 기반 가격 차이가 크게 감소하고, (b) 전체 비용 효율성은 크게 손실되지 않으며, (c) Jain 지수가 현저히 향상되는 것을 보여준다. 특히, ALMA가 수렴하는 속도와 파레토 프론트의 형태가 기존 단일 목표 최적화와 비교해 우수함을 실증한다.

본 논문의 주요 기여는 다음과 같다. 첫째, DLMP의 거리 의존성을 공정성 지표와 연결시켜 구조적 불공정을 정량화하였다. 둘째, Jain 지수의 quasi‑concavity를 증명함으로써 다목적 최적화에 적용 가능한 수학적 토대를 제공하였다. 셋째, 제약이 있는 벡터 최적화 문제에 특화된 ALMA 알고리즘을 설계하고, 그 수렴성을 이론적으로 증명하였다. 넷째, 실제 배전망 모델을 통한 시뮬레이션으로 효율성‑공정성 트레이드오프를 실증함으로써 실용성을 검증하였다. 이러한 통합적 접근은 향후 스마트 그리드에서 분산형 에너지 자원(Distributed Energy Resources, DER)과 사용자 참여형 시장을 설계할 때 공정성을 보장하면서도 시스템 효율성을 유지하는 데 중요한 참고 자료가 될 것이다.