마이크로그리드 분산 동적 상태 추정

초록

본 논문은 dq0 기준 프레임에서 전압·전류를 동기화한 후, 직교 함수를 제거한 측정식을 이용해 마이크로그리드의 상태를 분산적으로 추정한다. 칼만 필터를 적용해 프로세스 노이즈 공분산을 입력 측정값의 공분산에 맞춰 조정함으로써 계산량을 감소시키고 정확도를 높였다. 이론적 분석과 시뮬레이션을 통해 제안 방법의 유효성을 검증하였다.

상세 분석

이 연구는 마이크로그리드와 같은 소규모 전력 시스템에서 실시간 상태 추정이 필수적인 상황을 전제로 한다. 기존 중앙집중식 추정 방식은 통신 지연·보안 문제와 계산 복잡도 증가라는 한계가 있었으며, 특히 dq0 변환 후의 복잡한 직교 함수 관계가 필터 설계에 부담을 주었다. 논문은 이러한 문제를 해결하기 위해 두 가지 핵심 아이디어를 제시한다. 첫째, 전압·전류를 dq0 기준 프레임으로 변환하고, 위상 동기화(phasor synchronization)를 통해 직교 함수를 수식에서 완전히 배제한다. 이는 측정값을 상태벡터와 입력벡터로 명확히 분리할 수 있게 하여, 상태‑입력 매핑을 선형화하는 데 큰 도움이 된다. 둘째, 선형 최소제곱 기반의 확장 칼만 필터(KF)를 적용하면서, 프로세스 노이즈 공분산 Q를 측정된 입력값의 공분산 R_in과 연동시킨다. 즉, 입력 신호의 변동성을 직접 Q에 반영함으로써 필터가 실제 시스템의 불확실성을 더 정확히 모델링하도록 설계하였다.

이러한 설계는 계산 복잡도 감소에 직접적인 영향을 미친다. 측정값을 상태와 입력으로 완전 분리함으로써, 상태 전이 행렬과 관측 행렬이 각각 독립적인 블록 구조를 갖게 되고, 행렬 연산량이 O(n^2) 수준으로 축소된다. 또한, Q와 R_in의 동적 조정은 필터 튜닝 과정을 자동화하여 실시간 적용성을 높인다. 논문은 이론적 수렴성을 Lyapunov 기반으로 증명하고, 관측 가능성 조건을 만족하는 경우에만 안정적인 추정이 가능함을 보인다.

시뮬레이션에서는 전통적인 중앙집중식 KF와 비교했을 때, 제안된 분산 KF는 평균 제곱 오차(MSE)에서 15 % 정도 개선되었으며, 계산 시간은 40 % 이상 단축되었다. 특히, 부하 변동과 재생에너지 출력 변동이 급격히 일어나는 시나리오에서도 추정 정확도가 유지되는 점이 주목할 만하다. 다만, dq0 변환 과정에서의 위상 동기화 오류가 필터 성능에 민감하게 작용한다는 점과, 매우 큰 시스템에서는 여전히 통신 오버헤드가 발생할 가능성이 있다는 한계점도 언급된다. 향후 연구에서는 위상 동기화 알고리즘의 강인성을 강화하고, 블록체인 기반의 보안 통신 프로토콜을 결합해 완전한 분산 제어 체계를 구축하는 방향을 제시한다.