Caramel LabCaramel Lab

분산전원 최적 배치 및 용량 산정

Optimal distributed generation placement and sizing using modified grey wolf optimization and ETAP for power system performance enhancement and protection adaptation

Nasreddine Bouchikhi, Fethi Boussadia, Riyadh Bouddou 외 5인·Scientific Reports·발표 2025.04· 23 인용
최근 1년 23회 인용· 떠오르는 연구

한국어 핵심 요약

분산전원(DG)을 배전망에 통합하는 것은 전압 제어를 통해 시스템 성능을 향상하고 전력 품질 및 신뢰성을 높이는 핵심 전략입니다. 본 논문은 수정된 회색 늑대 최적화(MGWO) 알고리즘과 ETAP 소프트웨어를 결합한 하이브리드 기법을 제안하여, 보호 시스템 적응성을 고려한 DG 장치의 최적 위치 및 용량 산정을 목표로 합니다. 제안된 기법은 유효 및 무효 전력 손실을 최소화하고 전압 안정성을 개선하며, DG 통합 시 보호 시스템의 적응성을 보장하기 위해 고장 전류 변화의 영향을 분석합니다. MGWO 알고리즘은 기존 GWO를 개선하여 적응형 가중치와 동적 순환 메커니즘을 추가함으로써 탐색과 활용의 균형을 향상하고 조기 수렴 및 지역 최적해 문제를 회피합니다. 이는 복잡하고 다중 모드 최적화 문제 해결에 있어 더 빠른 수렴 시간, 높은 정확도, 그리고 향상된 견고성을 제공합니다. 제안된 접근 방식의 효과는 IEEE 33-모선 테스트 시스템과 대규모 114-모선 배전망 시뮬레이션을 통해 검증되었습니다. 연구 결과에 따르면, 33-모선 시스템에서 DG의 최적 배치는 평균 전력 손실을 69.7% 감소시키고 전압 안정성을 69.6% 향상하는 것으로 나타났습니다. 본 연구는 다양한 네트워크 규모에서 DG 통합의 신뢰성을 입증하며, 전력 시스템의 성능 향상 및 보호 시스템 적응에 기여할 수 있는 실용적인 방법론을 제시합니다. 이는 향후 스마트 그리드 환경에서 분산 에너지 자원의 효율적인 활용을 위한 중요한 기반이 될 것입니다.

섹션 미리보기

연구 배경

분산전원(DG)의 배전망 통합은 시스템 성능, 전력 품질, 신뢰성 향상을 위한 핵심 전략입니다. 본 연구는 DG 통합 시 발생하는 전력 손실, 전압 안정성, 보호 시스템 적응성 문제를 해결하기 위한 최적화 기법을 제안합니다.

핵심 발견

제안된 MGWO-ETAP 하이브리드 기법은 33-모선 시스템에서 평균 전력 손실을 69.7% 감소시키고 전압 안정성을 69.6% 향상시켰습니다. 이는 DG의 최적 배치 및 용량 산정이 전력 시스템 성능을 크게 개선하고 보호 시스템 적응성을 보장함을 입증합니다.

전체 8개 섹션 분석

내가 읽고 있는 논문도 이렇게 정리해드릴게요

연구 배경 · 방법론 · 결과 · 한계점까지 8개 섹션 풀 분석. PDF 업로드 한 번이면 끝.

내 논문 분석하기

관련 전기·전자공학 논문

전기·전자공학 전체 보기