프라이버시 보호형 분산 에너지 자원 집합을 통한 그리드 서비스 제공

본 논문은 고해상도 스마트미터 데이터가 개인 프라이버시를 위협한다는 배경에서 시작한다. 기존의 프라이버시 보호 방법은 데이터 자체를 변형하거나(데이터 조작, SMDM) 혹은 물리적으로 부하를 변형하는 방법(사용자 수요 변형, UDS)으로 나뉜다. 데이터 조작은 비용이 낮지만 실제 전력 흐름을 바꾸지 않기 때문에 완전한 보호를 제공하지 못하고, 신뢰할 수 있는 제3자에 의존한다는 단점이 있다. 반면 UDS는 배터리·유연 부하·재생에너지와 같은 뒤쪽 자원을 활용해 실제 전력 흐름을 조절함으로써 프라이버시를 보호한다. 최근 전력망에서는 분산 에너지 자원(DER)을 집합해 전력 시스템 보조 서비스를 제공하려는 시도가 활발히 진행되고 있다. 이러한 주거용 수요측면 집합(RDSA)에는 직접 부하 제어와 인센티브 기반 신호 전달 두 가지 접근법이 있다. 그러나 대부분의 RDSA는 고대역 양방향 통신을 전제로 하며, 프라이버시 보호와 동시에 실시간 집합 제어를 수행하기 어렵다. 본 연구는 이러한 문제점을 해결하기 위해, 프라이버시를 고려한 DER 집합을 위한 온라인 분산 최적화 알고리즘을 제안한다. 핵심 아이디어는 각 가구가 자체 HEMS(가정용 에너지 관리 시스템)를 통해 자신의 배터리 충·방전, 부하 변형, 프라이버시 손실을 동시에 최적화하고, 집합 제어자는 단일 브로드캐스트 신호만을 전송한다는 것이다. 수학적 모델링은 다음과 같다. 각 가구 \(l\)은 배터리 충전 전력 \(s_l^{+}\), 방전 전력 \(s_l^{-}\), 상태전하 \(e_l\)와 같은 물리적 제약(2)–(4)을 만족해야 하며, 실제 그리드에 보이는 부하 \(y_l = x_l + s_l^{+} - s_l^{-}\)는 최소·최대 부하 한계(6)를 만족한다. 목적함수는 세 부분으로 구성된다. 첫 번째는 소비자 선호를 나타내는 \(\Lambda(y_l)=k\|y_l-y^{\text{ref}}_l\|_2^2\)이며, 이는 일일 계획 부하와의 편차를 최소화한다. 두 번째는 프라이버시 손실을 정량화한 \(\Phi(y_l)=\tilde I(z_l)\)이다. 여기서 \(\tilde I(z_l)\)는 이산화된 상호정보량(MI)의 근사값으로, 변수 \(z_{ij}^l\)를 통해 그리드 부하의 히스토그램을 구성하고, 이를 기반으로 MI를 계산한다. 세 번째는 집합 목표 \(\Gamma(\mathbf y)=\|\mathbf y-\bar y\|_2^2\)로, 전체 집합 부하가 목표 프로파일 \(\bar y\)를 얼마나 잘 추적하는지를 평가한다. 전체 목적은 \