VRE 연계변전소의 PMU 빅 데이터 기반 통계기법의 분석, DNN에 의한 상태판별에 관한 연구
A Study on Analysis of Statistical Techniques, and State Discrimination using DNN based on PMU Big Data for VRE-connected Substation
- 저자식별ID AuthorId:ORCID
- 주제(키워드) 도움말 가변 재생에너지 , 기계학습 , 광역계통 감시시스템 , 동기페이저 , 딥러닝 , 변 전소 , 빅 데이터 , 상태판별기 , 심층 신경망 , 에너지전환 , 탈탄소화 , 통계기법 , 파이썬 , Boxplot , Correlation , Kernel Density Estimation
- 발행기관 강릉원주대학교 대학원
- 지도교수 도움말 박철원
- 발행년도 2023
- 학위수여년월 2023. 8
- 학위명 석사
- 학과 및 전공 도움말 일반대학원 의료기기융복합학과
- 세부분야 해당없음
- 실제URI http://www.dcollection.net/handler/kangnung/000000011538
- UCI I804:42001-000000011538
- 본문언어 한국어
초록/요약 도움말
최근, 제10차 전력수급기본계획 및 제3차 지능형전력망 기본계획에 의하면, VRE 확대로 인해 계통의 상태를 정밀하게 감시할 수 있는 시스템이 필요하다. 현재 사용 중인 SCADA/EMS와 PQMS는 VRE 발전원의 증가로 인해 시각 오차와 상태추정의 정확성이 감소한다. 이를 해결하기 위하여, 주목받고 있는 PMU는 고속 샘플링과 시각 동기화된 빅 데이터를 수집, 활용할 수 있는 장점을 갖는다. PMU 빅 데이터를 이용한 다양한 통계기법 기반 상태분석과 인공신경망 등 새로운 기법을 적용한 이벤트 식별에 관한 연구의 관심이 커지고 있다. 본 논문에서는 VRE 연계변전소의 PMU 빅 데이터를 이용한 통계기법의 분석과 DNN 기반 상태판별기를 제안하고 성능을 검증하였다. 먼저, PMU 빅 데이터를 효율적으로 분석하고 활용하기 위하여, 결론을 요약하면 아래와 같다. 첫째, VRE 연계변전소의 PMU 빅 데이터를 이용한 고정밀, 실시간 상태감시 분석을 위한 통계분석 기법을 제안하였다. 둘째, 1차 Raw 데이터의 정확성 검증을 위하여, 오류성 검토를 수행하였다. 또한, 원활한 분석을 위하여, TimeTag를 기준으로 데이터 종류별로 추출한 뒤 Snapshot 형식으로 CSV 파일의 변환과 데이터를 재구성하였다. 셋째, 전력량 비교 계산 이외에, IVFR, Boxpolt, KDE 및 Correlation 등의 통계기법을 이용하여 분석하였다. 넷째, 라이브러리 공유 및 범용성이 좋은 Python 3.8 버전을 이용하여 설계 및 구현하였다. 다섯째, 전남지역의 154[kV] 영광변전소의 사례연구를 통해, 제안된 통계분석 방안의 성능을 평가하였다. 여섯째, 제안된 통계분석 방안은 감시대상의 이상값을 검출할 수 있으며, 전압변동 안정도 및 시간에 따른 전류와 전압의 관계를 확인함으로써, PMU 빅 데이터 분석의 효용성을 입증하였다. 더불어, 영월ㆍ횡계변전소의 프로파일 패턴을 분류하기 위하여, 결론을 요약하면 아래와 같다. 첫째, 기계학습의 종류인 DNN을 이용하여 정밀하고 신속한 상태판별기를 제안하였다. 둘째, 제안된 DNN 기반 상태판별기는, 8가지 이벤트를 One-hot Encoding 및 정규화 전처리를 수행한 후, 설계하였다. 범용성이 좋은 Python 3.7과 Tensorflow 라이브러리를 이용하여 구현하였다. 셋째, 강원지역의 154[kV] 영월ㆍ횡계변전소의 사례연구를 통해, 제안된 DNN 기반 상태판별기의 성능을 평가하였다. 넷째, 학습데이터 세트 기준, 정상상태 및 고장상태 0.95, 전압변동 0.83, 병입 및 병해 1.00, 탭 상승 0.47, 탭 하강 0.38 그리고 발전정지 1.00의 F1-Score의 성능을 나타냈다. 다섯째, 성능평가 결과, 정상상태, 고장상태, 전압변동, 병입, 병해, 탭 상승, 탭 하강 그리고 발전정지 등의 8가지 이벤트분류시 오동작하지 않았다. 결론적으로, 제안된 상태감시 및 통계기법 방안과 DNN 기반 상태판별기는 다수의 포인트로 취득되는 계통변화 감시를 효율적으로 분석할 수 있었으며, 신속하고 정확하게 여러 가지 이벤트를 식별할 수 있었다. 따라서, 본 논문의 결과는 VRE 연계변전소의 상태감시 분석 및 새로운 이벤트 판별 등의 기초 연구 자료로 활용될 수 있을 것이다. 향후, 영광변전소의 다양한 빅 데이터를 수집한 후 추가 분석을 수행하고, 제안된 DNN 기반 상태판별기는 기계학습의 종류와 비교, 검토함으로써 실용성 및 유효성을 입증할 예정이다.
more초록/요약 도움말
Recently, according to the 10th Basic Plan for Power Supply and the 3rd Basic Plan for Smart Grids in South Korea, it is necessary to have a system that can accurately monitor the condition of the grid due to the expansion of VRE. Currently, SCADA/EMS and PQMS in use generate time synchronization error and decrease the accuracy of state estimation due to the increase in VRE power sources. PMU, which is attracting attention to solve this problem, has the advantage of being able to collect and utilize high-speed sampling and time-synchronized big data. There is a growing interest in research focused on state analysis based on various statistical techniques using PMU big data, as well as event identification utilizing new methods such as artificial neural networks. In this paper, we proposed an analysis of statistical techniques and DNN-based state discrimination using PMU big data for VRE-linked substation and the performance verified. First of all, in order to efficiently analyze and utilize PMU big data, the conclusions are summarized as follows. First, a statistical analysis technique for high-precision, real-time state monitoring analysis using PMU big data of VRE-connected substation was proposed. Second, an error review was performed to verify the accuracy of the primary raw data. In addition, for smooth analysis, after extracting by data type based on TimeTag, CSV file was converted into snapshot format and data was reconstructed. Third, we analyzed not only power comparison calculations but also the data using statistical techniques such as IVFR, Boxplot, KDE, and Correlation. Fourth, it was designed and implemented using the Python 3.8 version, which has good library sharing and versatility. Fifth, the performance of the proposed statistical analysis method was evaluated through a case study of the 154[kV] Yeonggwang Substation in the JeollaNamdo region. Sixth, The proposed statistical analysis method can detect the abnormal value of the monitoring target, and the effectiveness of the PMU big data analysis has been proven by confirming the stability of voltage fluctuations and the relationship between current and voltage over time. In addition, in order to discriminate the profile patterns of Yeongwol and Hoenggye substation, the conclusions are summarized as follows. First, we proposed precise and fast state discriminator using DNN, which is a type of machine learning. Second, the proposed DNN-based state discriminator was designed after performing one-hot encoding and normalization preprocessing of 8 events. And, it was implemented using Python 3.7 and Tensorflow library, which have good versatility. Third, the performance of the proposed DNN-based state discriminator was evaluated through a case study of the 154[kV] YeongwolㆍHoenggye Substation in the Gangwondo region. Fourth, In terms of the training dataset, the F1-Score performance of normal state and fault state 0.95, voltage fluctuation 0.83, feed-in and out 1.00, tap rise 0.47, tap fall 0.38, and power stop 1.00 were shown. Fifth, as a result of the performance evaluation, there was no malfunction when categorizing 8 events such as normal state, fault state, voltage fluctuation, feed-in and out, tap rise and fall, and power generation stop. In conclusion, the proposed state monitoring and statistical technique and DNN-based state discriminator were able to efficiently analyze system change monitoring acquired from multiple points and identify various events quickly and accurately. Therefore, the results of this paper can be utilized as foundational research material for state monitoring analysis and the identification of new events in VRE-linked substation. In near future, after collecting various big data from Yeonggwang Substation, additional analysis will be performed, and the proposed DNN-based state discriminator will be compared and reviewed with machine learning types to prove its practicality and effectiveness.
more목차 도움말
목 차
국문초록 ⅰ
목 차 ⅳ
표 목차 ⅴ
그림목차 ⅴ
Ⅰ. 서론
1. 연구 배경 및 필요성 1
2. 연구 동향 2
3. 연구 목적 및 내용 3
Ⅱ. VRE 연계변전소 및 PMU 기반 상태감시 시스템의 개요
1. VRE 연계 154[kV] 변전소 4
2. PMU 기반 상태감시 시스템 10
Ⅲ. PMU 빅 데이터의 분석 방안 및 DNN 기반 상태판별기
1. PMU 빅 데이터의 분석 방안 18
2. DNN 기반 상태판별기의 설계 및 구현 24
Ⅳ. 사례연구 및 성능평가
1. 전처리 데이터 및 통계기법 31
2. DNN 기반 상태판별기 58
Ⅴ. 결론 61
참고문헌 63
Abstract 66
