동적 마이크로그리드 최적 전력 흐름을 위한 ADMM 기반 분산 제어

초록

본 논문은 ADMM을 활용해 동적 최적 전력 흐름(D‑OPF) 문제를 분산적으로 해결한다. 보다 현실적인 선로·부하 모델과 이산 결정·불확실성을 관리하는 2단계 방식을 도입해, 교외 규모 마이크로그리드 실험에서 거의 최적에 근접한 해를 빠른 시간 안에 얻었다.

상세 분석

이 연구는 기존 ADMM 기반 D‑OPF 연구를 확장하여, 실제 전력망에서 흔히 나타나는 비선형 AC 전력 흐름식과 가정용 디바이스의 이산적 작동 특성을 동시에 고려한다는 점에서 의의가 크다. 논문은 네트워크를 ‘컴포넌트·터미널·연결’이라는 추상화 구조로 모델링하고, 각 컴포넌트(버스, 선로, 발전기, 가변 부하, 배터리)를 별도의 변수 집합과 비용·제약 함수로 정의한다. 특히 선로 모델은 전도·리액턴스와 전압·위상 각을 포함한 완전한 AC 흐름 방정식을 사용했으며, 이는 비선형이므로 직접 해결이 어려워 근사·완화 기법을 적용한다.

ADMM의 핵심 아이디어는 연결 제약을 강화 라그랑주 형태로 분리하고, 두 단계(Phase 1, Phase 2)로 컴포넌트를 교대로 최적화한 뒤 라그랑주 승수를 업데이트하는 것이다. 여기서 버스 컴포넌트는 다른 버스와 직접 연결되지 않으므로, 버스 집합을 Phase 2에 배치해 전체 문제를 완전히 분할한다. 이렇게 하면 각 단계에서 개별 컴포넌트는 자체 로컬 최적화 문제만 풀면 되며, 일부는 폐쇄형 해를 갖는 분석적 해법으로 처리한다.

이산 결정(예: 가변 부하의 시작 시점)과 불확실성(예: 재생에너지 출력 변동)을 다루기 위해 2단계 접근법을 제안한다. 첫 번째 단계에서는 연속적인 완화 문제를 풀어 라그랑주 승수를 추정하고, 두 번째 단계에서는 이 승수를 고정한 채 이산 변수에 대한 MILP(또는 MIP) 최적화를 수행한다. 이렇게 하면 전역적인 비선형·이산 문제를 순차적으로 해결하면서도 수렴성을 유지한다.

실험은 70버스, 11 kV 수준의 교외 마이크로그리드 모델을 사용했으며, 각 가구는 배경 부하, 두 개의 가변 부하, 선택적 배터리·태양광 PV를 포함한다. 구현은 C++ 기반으로 Gurobi와 Ipopt을 백엔드로 사용했으며, 순차적 ADMM 루프에서 가장 오래 걸리는 컴포넌트의 실행 시간을 측정해 완전 분산 환경에서의 소요 시간을 추정했다. 결과는 수십 초 이내에 수렴했으며, 중앙집중식 최적화와 비교해 1~2 % 수준의 비용 차이만 보였다. 이는 재생에너지와 저장 장치를 실시간으로 조정할 수 있는 재구성 수평 제어(RHC) 프레임워크에 충분히 적용 가능함을 의미한다.

이 논문의 주요 기여는 (1) 비선형 AC 선로 모델을 포함한 보다 현실적인 D‑OPF 수식화, (2) 이산 부하와 불확실성을 다루는 2단계 ADMM 절차, (3) 실험을 통한 근접 최적성 및 실시간 적용 가능성 입증이다. 다만, 선형 근사와 완화에 의존하는 부분이 여전히 존재하므로, 극한 상황(예: 전압 한계 위반)에서는 추가적인 보정이 필요할 수 있다. 향후 연구에서는 완전 비선형 ADMM 수렴 이론과, 저전압 네트워크까지 확대한 다계층 분산 제어 구조를 탐색하는 것이 바람직하다.