A Study on Short-term Forecasting of Wind Power Outputs Using Gradient Boosting Machine Algorithm for Transmission Congestion Forecasting

Abstract

Issues regarding climate change have led to an expansion of the use of renewables worldwide. However, due to the intermittency of renewable energy generation and the conditions of South Korea’s transmission system, there is a high possibility that transmission congestion will become prevalent in the near future. The key solution to this issue will be enhancing accuracy in forecasting variable renewable energy (VRE) and seeking methods for VRE forecasts to predict transmission congestion. The following paper focuses on implementing a wind power forecasting model based on a GBM algorithm, and further utilizes it to forecast transmission congestion in Jeju’s power system. A 15-minute interval data-set, including wind speed and wind power of Jeju’s wind farm, was used as input data to the forecasting model. The best results of the model forecasted the first week of August, using the two weeks prior as training data, resulting a Normalized Mean Absolute Error (NMAE) matrix of 4.05%. The proposed method to forecast transmission congestion has been tested to the IEEE 30-bus system before examining Jeju's power system. The research forecasted congestion of transmission lines in both steady-state and N-1 contingency analysis. Out of total 25 time-points, the study on Jeju was able to forecast 12 time-points of congestion and 13 time-points of non-congestion, effectively detecting all congestion in the steady-state. For the N-1 contingency case, 10 time-points of congestion and 14 time-points of non-congestion were correctly predicted. By analyzing various wind power outputs and contingency scenarios, the research contributes to pursuing high penetration of renewables while securing grid stability in Jeju’s power system.;기후변화와 같은 환경문제로 인하여, 국내외로 재생에너지의 보급률을 확대하기 위한 정책들이 시행되고 있다. 그러나 풍력을 비롯한 재생에너지는 간헐성이 크기 때문에 전력수요를 충족시키지 못하는 경우, 정전으로 이어질 위험성을 지닌다. 게다가 재생에너지발전원들은 전력수요가 높은 수도권과는 거리가 먼 남부지역에 주로 분포되어 있으며, 송전선로의 용량 또한 최근 급증하는 재생에너지의 용량의 속도를 따라잡지 못하고 있다. 이러한 국내 송전계통의 현 상황으로 인하여, 향후 송전혼잡이 발생할 우려도 커지고 있다. 기존 송전혼잡 예측 관련 연구는 주로 경제적인 영향에 초점을 두고 있으며, 재생에너지의 예측 값을 활용한 송전혼잡 예측을 통해 전력계통에 끼치는 영향을 분석한 연구는 많이 진행되지 못하였다. 이를 해결하기 위해서는 재생에너지의 예측 정확도를 높이고, 이를 송전 혼잡까지 예측하는 데에 활용하는 방안에 대해 모색할 필요가 있다. 본 논문은 머신러닝 알고리즘 중 하나인 Gradient Boosting Machine (GBM) 알고리즘 기반의 단기 풍력발전 출력 예측 모형을 수립하고, 해당 모형에서 출력된 예측 값들을 이용하여 송전 혼잡을 예측하고자 한다. 입력 데이터로는 풍속 및 풍력발전 출력량을 포함한 15분 주기의 제주도 풍력발전단지의 실증 데이터가 적용되었다. 수립된 예측모델 중 8월의 첫 번째 주를 예측하는 모델이 4.05%의 NMAE (Normalized Mean Absolute Error) 오차율을 기록하였으며, 국내 발전량 예측제도의 정산금 지급 기준인 8% 이하의 NMAE 오차율을 충족시켰다. 본 연구에서 제안된 송전 혼잡 예측 방법론은 IEEE 30모선 예제 계통에 시범적으로 수행한 후 제주 계통에 적용되었으며, 정상상태 및 N-1 상정고장 해석을 통해 송전혼잡 예측이 진행되었다. 송전혼잡 예측 대상으로는 일일 NMAE 오차율이 가장 낮으며 제주도의 최대 부하 시간대에 해당되는 8월 5일 오후 4시부터 오후 10시까지의 시간대가 선정되었다. 해당 방법론을 제주 계통에 적용한 결과, 정상상태에서는 25개의 시점 중 12개의 송전혼잡 시점과 13개의 비(非)송전혼잡 시점, N-1 상정고장 상태에서는 10개의 송전혼잡 시점과 14개의 비(非)송전혼잡 시점이 성공적으로 예측되었다. 제안된 방법론은 다양한 풍력발전 출력량 및 상정고장 시나리오들을 통해 향후 제주 전력계통에서 발생할 수 있는 송전 혼잡을 효과적으로 예측하고 분석하였으며, 국내 재생에너지의 보급률을 확대하는 동시에 전력계통의 안정성 검토 및 유지에 기여하는 데에 의의가 있다.