범지구적으로 기후변화에 의한 이상기후 현상의 피해가 지속적으로 발생하고 있는 현 상황에서 에너지전환 분야에서의 탄소배출 감축은 필수불가결한 과제로 여겨지고 있으며, 다수의 국가에서 탄소배출 감축 더 나아가 탄소 중립을 달성하기 위해 주요 탄소 배출원인 석탄발전과 같은 발전원들을 태양광, 풍력과 같은 재생에너지원으로 대체하고 있다. 하지만 이러한 기상 자원을 활용하는 재생에너지원들은 가변적인 출력 및 인터페이스 변환기로 인해 전력시스템에 크고 작은 혼란을 발생시킬 수 있다. 따라서 이에 대한 분석 및 대처하기 위해서는 발생 가능한 이슈들을 모티너링 하기 위한 효과적인 감지 및 분류 기법의 연구가 필요하다.
본 논문에서는 빠른 감지 속도와 낮은 연산량을 가져 실시간 응용 분야에서 강점을 가지는 Teager Energy Operator(TEO)를 활용한 연구를 통해 동기화 파라미터 측정 알고리즘의 개선 및 순간 전압변동 이벤트 분류 알고리즘 개발을 수행했다.
기존의 TEO 동기화 파라미터 측정 알고리즘의 위상차 측정에서는 코사인 기반의 연산으로 인해 위상차의 크기만 계산 가능하다는 한계점을 가지고 있다. 이전 연구에서는 이에 대한 대책으로 Zero-crossing 방법을 사용했지만, 이는 샘플링 주파수에 대한 높은 의존도로 인해 적절한 방안이 되지 못했다. 이러한 한계점들을 극복하여 통합된 TEO 측정 알고리즘을 구현하기 위해서는 TEO와 동일하게 수치미분을 기반으로 한 진상/지상 결정 방법이 필요하다. 이를 위해 Cross-Teager kaiser energy operator로부터 중심차분을 통해 위상차에 대한 사인성분 분리, 분리된 사인성분의 이산화(discretization)를 수행했으며, 이를 통해 사인함수의 대칭성을 이용한 개선 방법을 도출했다. 이렇게 개선된 TEO 통합 측정 알고리즘의 전압, 주파수, 위상차 측정은 모두에서 우수한 정확도를 보였다.
전력품질 위협요소가 증가함에 따라 다양한 신호처리 기법을 활용하여 연구되고 있는 전력품질 이벤트 감지분류 분야에서 TEO 기반의 방법은 우수한 감지성능에도 불구하고 아직 연구 사례가 부족하다. Combined TEO/DESA & STFT은 AM과 FM 신호 모두에서 효과적인 감지성능을 가진다. 따라서 전압변동과 같은 이벤트의 감지에서 이러한 강점을 활용할 수 있다. 본 연구에서는 이를 통한 분류 성능확인을 위해 디지털 필터, 주성분 분석, Kernel-SVM을 이용하여 분류모델을 구성했으며, 정의 기반 매개변수 방정식에 의해 생성된 신호들에 대한 모델의 하이퍼 파라미터 최적화를 통해 TEO를 활용한 분류모델이 순간 전압변동 이벤트의 분류에서 우수한 성능을 보일 수 있음을 확인했다.
이러한 연구결과들은 TEO 알고리즘이 전력계통에서의 다양한 분야에서 우수한 성능을 발휘할 수 있다는 것을 확인시켜준다. 이에 본 연구가 재생에너지원 보급률 증가에 따라 계통의 구성 및 구조가 급변하고 있는 현재와 같은 상황에서 국내 전력계통의 신뢰도 및 전력품질 유지에 기여할 수 있는 TEO 기반 기법 개발에 도움이 되기를 기대한다.