배전망 최적 분산전원 배치 및 EV 통합

분산전원(DG), 병렬형 커패시터(SC), 전기차(EV)의 보급이 증가하면서 배전망의 운영 효율성과 구조적 복원력을 동시에 고려한 최적 배치 전략이 요구됩니다. 기존 메타휴리스틱 접근법은 모든 버스를 동일하게 취급하여 탐색 공간이 과도하게 커지고, 최적화 후 구조적 복원력을 평가하는 프레임워크가 부족했습니다. 본 논문은 이러한 한계를 극복하기 위한 3단계 계획 프레임워크를 제안합니다. 1단계에서는 손실 민감도, Fiedler 벡터 스펙트럼 중심성, 매개 중심성을 융합한 ELLS(Enhanced Laplacian Loss Sensitivity) 지수를 도입하여 후보 버스를 선별합니다. 이를 통해 조합 탐색 공간을 시스템 규모에 따라 45~265배 감소시킵니다. 2단계에서는 제안된 하이브리드 Grasshopper–Grey Wolf Optimizer(GOA-GWO)를 포함한 다섯 가지 메타휴리스틱(GOA-GWO, Standard GOA, Fuzzy-GOA, PSO, WOA)을 6가지 목적 함수와 ELLS 편향 초기화를 적용하여 최적화를 수행합니다. 3단계에서는 EDDI, VSC, CBC의 세 가지 토폴로지 인식 지표로 구성된 NSBA(Network Structural Bus Analysis) 프레임워크를 통해 배치된 시스템의 구조적 품질을 평가합니다. IEEE 33-버스, 69-버스, 123-노드 시스템 검증 결과, ELLS 가이던스는 평균 적합도를 6~14% 향상시키고(GOA 변형은 11~14%), 분산을 33~51% 감소시켰습니다. 하이브리드 GOA-GWO는 33-버스 시스템에서 최상의 복합 적합도(0.392)와 78.2%의 손실 감소를 달성했습니다. NSBA 분석 결과, 운영상 최적의 배치가 반드시 구조적 복원력을 극대화하지는 않는다는 점이 밝혀졌습니다. PSO는 경쟁력 있는 적합도에도 불구하고 최악의 복원력(R_NSBA=0.45)을 보였습니다. 본 연구는 배전망의 DG/SC 배치 및 EV 통합에 있어 운영 효율성과 구조적 복원력을 동시에 고려하는 통합적인 최적화 전략을 제시하며, 향후 스마트 그리드 계획에 중요한 통찰을 제공합니다.