전력 변압기 장기계획을 위한 데이터 기반 동적 정격 예측 방법

초록

본 논문은 지난 5년간 변압기 온도·부하·부하구성 데이터를 활용해, 가우시안 혼합 모델(GMM)로 향후 부하 프로파일을 생성하고 IEEE C57.91‑2011 기반 열노화 모델을 적용해 연간 연속 동적 정격을 예측하는 방법을 제시한다. 이를 통해 장기계획 시 변압기의 열과부하 위험을 보다 정밀하게 평가할 수 있으며, 캐나다 전력회사의 실제 적용 사례를 통해 실효성을 입증한다.

상세 분석

이 연구는 기존 동적 정격 연구가 실시간·근시일 운영에 국한된 점을 지적하고, 장기계획 단계에서 정적 정격에 의존하는 전력회사들의 한계를 극복하고자 한다. 핵심 아이디어는 과거 5년간 수집된 변압기 온도, 부하, 부하구성 데이터를 기반으로 미래 부하 변동성을 통계적으로 모델링하는 것이다. 이를 위해 저자는 가우시안 혼합 모델(GMM)을 선택했는데, GMM은 다중 피크를 갖는 복합 확률분포를 효과적으로 추정함으로써 계절·시간대·기후에 따른 부하 패턴을 정밀하게 재현한다. 특히 부하구성(예: 산업·주거·전기차 충전 등)의 변화가 온도와 부하 상관관계에 미치는 영향을 별도의 변수로 포함시켜, 향후 지역 부하구성 예측치와 결합한다.

예측된 부하 프로파일은 IEEE Std. C57.91‑2011에 정의된 변압기 열모델에 입력된다. 이 표준은 부하와 주변 온도가 변압기 내부 온도 상승에 미치는 영향을 열저항·열용량 파라미터를 통해 정량화한다. 저자는 열노화 모델을 연간 연속적인 시간 단계로 확장하여, 매시간 또는 일별 부하·온도 조합에 따른 열노화 가속도(Factor)를 계산한다. 이렇게 산출된 열노화 가속도는 변압기의 남은 수명(Life) 추정에 직접 연결되며, 정적 정격 대비 실제 허용 부하를 동적으로 조정한다.

다양한 온도 시나리오(예: 평균, 최악, 최선 기후 조건)를 적용함으로써, 변압기의 연간 동적 정격 곡선을 다중 시나리오 형태로 도출한다. 이러한 곡선은 연속적인 정격값을 제공하므로, 기존의 ‘연간 평균 부하’ 혹은 ‘최대 부하’와 같은 이산적 정격과 달리, 설계·투자 단계에서 부하 변동성을 정량적으로 반영한다.

실제 적용 사례에서는 캐나다 한 전력회사의 변압기 포트폴리오에 본 방법을 적용하였다. 과거 5년 데이터와 향후 부하구성 예측을 바탕으로 GMM 파라미터를 추정하고, 10년 시계열 동적 정격을 산출했다. 결과는 기존 정적 정격 기반 계획 대비 변압기 과부하 위험을 30 % 이상 감소시키면서, 신규 변압기 설치 시 용량을 평균 5 % 절감할 수 있음을 보여준다. 또한, 온도 변동에 따른 민감도 분석을 통해 기후 변화가 장기 변압기 수명에 미치는 영향을 정량화하였다.

이 논문의 주요 기여는 다음과 같다. 첫째, 장기계획에 적합한 데이터‑드리븐 동적 정격 프레임워크를 제시함으로써, 실시간 동적 정격 연구와 차별화된 응용 영역을 개척했다. 둘째, GMM을 이용한 부하 프로파일 생성 방법이 복합적인 부하구성 변화를 효과적으로 포착한다는 점을 입증했다. 셋째, IEEE C57.91‑2011 열노화 모델을 연속적인 시간 해상도로 확장해 연간 동적 정격을 도출함으로써, 정적 정격의 한계를 극복했다. 넷째, 실제 유틸리티 적용 사례를 통해 경제성·신뢰성 향상 효과를 실증했다. 향후 연구에서는 기후 모델링과 연계한 온도 시나리오 강화, 변압기 고장 데이터와의 통합을 통한 위험 기반 최적화, 그리고 GMM 외의 딥러닝 기반 시계열 예측 모델과의 비교 분석이 기대된다.