> Research > Smart Grid
 
The Future Grid will be remarkably different from the existing grid in several ways.

1) Increasing fractions of power will be supplied by smaller, more distributed, and less-dispatchable power sources such as wind generators, fuel cells, and photovoltaic arrays. This will disrupt the existing paradigm of unidirectional power flow in the distribution network and lead to serious problems related to protection, controllability, and robustness that can be solved by power electronics.

2) A larger fraction of the sources, and nearly all of the loads, will have behaviors controlled by digital controllers acting through electronic power converters, rather than behaviors determined by the natural laws of physics. This disrupts the existing paradigm of "a few controls on systems governed by the laws of physics" and substitutes a new paradigm of "many independent controls on systems being governed by independent digital controls" causing the entire system to become less predictable, more chaotic, and less robust UNLESS it is developed according to some pre-established standards that could guarantee predictability, stability, and robustness.

3) It will be developed and operated by engineers well-versed in the latest power electronics and control technologies, whether or not those people are citizens or residents of the United States. Each of these differences could by itself be considered transformative. Taken together, they are truly revolutionary, and in a way that neither the electric utilities nor the end users are yet prepared to manage.





We are working with the United States National Science Foundation Industry/University Cooperative Research Center on GRid-connected Advanced Power Electronics Systems (GRAPES) with 16 industry members. The I/UCRC program within the NSF has been in existence for several decades. It is a vibrant program with over 50 centers around the country at any given time. GRAPES was founded in 2009 under this NSF program. The program provides funding for administration of the center, but the industry members’ annual membership fees pay for the bulk of the research performed as part of the center in a pre-competitive, shared intellectual property arrangement. We built a GRAPES-Korea, which is corresponding research center of GRAPES, in 2017. As a leading research group in GRAPES-Korea, we collaborate with Korea University and domestic industry members on the following project within NSF I/UCRC GRAPES and GRAPES-Korea:



1) PMU-based Real-time Monitoring Technique
In recent years, wide-area monitoring system (WAMS) has been developed to ensure system stability by preventing serious malfunctions from unexpected events. However, using model-based techniques to detect events can cause errors in estimation because power systems have become more highly nonlinear time-varying systems owing to the implementation of various new technologies such as power electronics and renewable energy sources. Thus, phasor measurement unit (PMU)-based measurement has become one of the most important techniques in WAMS. In this regards, this project proposes the development of PMU-based real-time monitoring system, which includes 3 primary functions; online state estimation of power system, detection and localization of events, event-based protection system. Finally, such functions are developed as a software tool which can be applied to traditional energy management system (EMS) operated by KEPCO, SPP, OG&E, etc.

전력계통의 구성요소가 다양해지고, 구성 요소간 상호작용으로 인해 계통상태 예측 및 분석이 복잡화된 현대의 전력계통에서 구성 요소의 고장 또는 오동작은 정전 등의 계통사고로 파급될 가능성이 높아지게 된다. SCADA를 기반으로 하는 현재의 감시시스템만으로는 이와 같은 동요현상을 관찰하기에는 한계가 있으며 PMU를 활용한 고해상도의 감시시스템 개발이 필수적이다. 이에 본 연구에서는 PMU 기반 실시간 계통감시 시스템 개발을 목표로 하며 시각 동기화된 계통정보를 통해 전력계통의 상태추정, 실시간 이벤트 감시 및 위치추정 기술, 이벤트 검출 기반의 보호시스템 개발을 수행한다. 최종적으로 개발된 PMU 기반 감시기술은 공동연구를 수행하는 한국전력, SPP, OG&E 등의 기관에서 운영하는 EMS 시스템에 적용할 수 있도록 하는 것을 목표로 한다.

2) Big Data Analysis & AI Applications in Smart Grid
This project will investigate big data analysis and AI (Artificial Intelligence) applications in smart grid. Advanced power system monitoring devices have potential to generate massive amounts of data, power system big data, from the widely deployed and networked measurement devices. Under increasingly dynamic and uncertain conditions of the future smart grid, the massive amount of data collected from the networked measurement devices will provide great opportunities for enhanced situational awareness. The main scope of this project includes (1) efficient data management of power system big data for effective extraction of relevant information from massive data, (2) PMU-AMI coordinated power system analysis in interconnected area, (3) PMU-based event location & classification in WAMS using AI technologies.

미래 스마트 그리드는 시각동기화, 고속 데이터 전송 기능 등을 갖춘 고정밀 측정 기기들이 도입되어 빅데이터를 양산할 것으로 예상된다. 특히 전력시장 규제 완화, 신재생 에너지 도입 등에 따른 계통의 불확실성이 증가하고 있는 상황에서, 고신뢰도의 계통 운영 최적화를 위해 스마트 그리드 빅데이터의 분석 및 응용 기술 개발이 필수적인 상황이다. 이에 본 연구에서는 (1) 데이터 마이닝 기술을 적용한 스마트 그리드 데이터 특징 추출 및 압축 기술, (2) PMU-AMI 데이터 협조 분석을 통한 계통연계지역 모니터링 기술, (3) AI 기술을 활용한 PMU 데이터 기반 광역계통 이벤트 위치 추정 및 분류 기술에 관한 연구를 진행하고자 한다.

3) Demand Forecasting based on Big Data Analysis and Energy Scheduling
In this research, we have developed the energy management technique for power demand forecasting based on big data analysis and energy scheduling using demand side management with ESS (energy storage system). In limited energy resources and power generation facilities, the intelligent demand management system is important in order to meet the ever-increasing power demand and forecast power system indicator using big data analysis. We have studied machine learning prediction algorithms to predict various indicator of power system and to improve economic efficiency and stability of power system with ESS scheduling technique. This demand side management research and ESS scheduling technic can also be applied to optimization studies of new power systems such as BEMS (building energy management system) and FEMS (factory energy management system).

제한된 에너지 자원과 발전시설에서 나날이 증가되는 전력수요를 감당하고, 전력시스템에서 측정되는 다양한 전력지표를 효율적으로 분석하여 정확한 전력 수요를 예측하기 위해서는 지능형 수요 관리 시스템 연구가 필요하다. 본 연구에서는 제한된 에너지 자원과 발전시설의 전력 수요와 공급을 효율적으로 관리하기 위한 빅데이터 기반 전력수요 예측 연구와 수요 관리에 기반을 둔 에너지 저장 장치 스케줄링 기술 개발을 목표로 한다. 이에 다양한 전력 빅 데이터와 머신 러닝 예측 알고리즘을 통해 전력계통의 다양한 지표를 예측하고, 이를 바탕으로 ESS와 연계하여 계통의 경제성과 안정성을 높이는 연구를 진행 중에 있다. 또한, 이러한 수요관리 연구는 BEMS와 FEMS와 같은 새로운 전력시스템의 최적화 연구에 응용될 수 있다.

4) SR Phenomena Analysis in Grid Connected Wind Farm
The growth of distance between most of the wind farms and load center such as offshore wind farms requires the long distance transmission. The series compensators installed to enhance the transmission capacity of long distance transmission line between wind farm and existing grid. However, the use of capacitive compensator has the potential risks of SSR (sub-synchronous resonance) problem, which may cause severe damage in the wind farm, if not prevented. We investigated the SSR problem and combined models by small-signal stability. The FACTS (flexible AC transmission system) based devices such as TCSC (thyristor controlled series capacitor) and GCSC (gate controlled series capacitor) with proper controller operations.

신재생에너지원의 발전에 따라 해상 풍력발전 단지 등의 발전설비로부터 부하 밀집지역까지 장거리 송전이 요구되며 이를 위한 직렬 보상설비 기반의 고효율 송전설비에 대한 필요성이 증가하고 있다. 그러나 직렬 보상설비 적용을 위해서는 터빈-발전기 축의 피로 및 손상을 가져와 심각한 피해를 초래할 수 있는 차동기공진 현상에 대한 예방이 반드시 필요하다. 본 연구에서는 계통 연계형 풍력 발전설비의 모델링을 통해 차동기 공진현상의 원인을 분석하고 차동기 공진현상의 완화 방안을 개발하며, 최종적으로 차동기 감쇠제어기와 TCSC 및 GCSC를 도입한 풍력발전설비의 고효율 계통연계 방안을 개발한다.