Calculation of Regional Optimal Energy Storage System Capacity for Advancement of Renewable Energy Cloud Platform

Yong-Ha Kim; Gyu-Rim Han; Sang-Hwa Han; Hye-Seon Lee; Jong-Min Park; Yu-ri Kim

doi:10.7836/kses.2022.42.6.029

Preview

Research Article

Journal of the Korean Solar Energy Society. 30 December 2022. 29-40
https://doi.org/10.7836/kses.2022.42.6.029

Calculation of Regional Optimal Energy Storage System Capacity for Advancement of Renewable Energy Cloud Platform

재생에너지 클라우드 플랫폼의 고도화를 위한 지역별 최적 에너지저장시스템 용량 산정

Yong-Ha Kim¹

Gyu-Rim Han²

Sang-Hwa Han³

Hye-Seon Lee³

Jong-Min Park³

Yu-ri Kim²^*

김 용하¹

한 규림²

한 상화³

이 혜선³

박 종민³

김 유리²^*

¹Professor, Department of Electrical Engineering, Incheon National University

²MS Candidate, Department of Electrical Engineering, Incheon National University

³Ph.D. Candidate, Department of Electrical Engineering, Incheon National University

¹인천대학교 전기공학과, 교수

²인천대학교 전기공학과, 석사과정

³인천대학교 전기공학과, 박사과정

^{*Corresponding Author}

ABSTRACT

In this study, we calculated regional optimal energy storage system (ESS) capacity to maximize customer profits for the grid-connected PV-ESS system. We used the results of calculating the photovoltaic (PV) power generation in 24 hours, representing a year in each region, with the data from the Renewable Energy Cloud Platform operated by the Korea Energy Agency. In addition, to increase the utilization of the Renewable Energy Cloud Platform, we proposed to provide information to users on ESS installation capacity by applying the method of calculating the regional optimal ESS capacity developed in this study to the platform. As a result, when PV power generation companies install the grid-connected PV-ESS systems in each region, they select and install the most economical ESS capacity. The results of this study is expected to expand the supply of renewable energy and ESS.

Keywords

Energy storage system

Regional optimal ESS capacity

Renewable Energy Cloud Platform

Payback period

Photovoltaic power generation

Grid-connected PV-ESS system

키워드

에너지 저장 시스템

지역별 최적 ESS 용량

재생에너지 클라우드 플랫폼

투자회수기간

태양광 발전량

계통연계형 PV-ESS 시스템

MAIN

1. 서 론
2. 지역별 연중 대표 PV 발전량에 따른 최적 ESS 용량 산정 과정
3. 사례연구
3.1 시스템 구성 및 설정값
3.2 지역별 최적 ESS 용량 산정
4. 결 론

기호 및 약어 설명

$x$ : 시나리오의 개수(개)

$n$ : 반복 횟수(번째)이자 시나리오 그룹을 식별하는 번호

$ε$ : ESS 용량 오차(kWh)

$i$ : 시간대(h, 0 ≤ $i$ ≤ 23)

$B a c k t r a n s_{i}$ : $i$ 시간대의 한계역송비용(원/kWh)

$S M P_{i}$ : $i$ 시간대의 계통한계가격(원/kWh)

$R E C_{i}$ : 1 kWh 당 발급되는 신재생에너지공급인증서(REC/kWh)

$R E C w_{i}$ : 신재생에너지 공급인증서 가중치

$R E C p_{i}$ : 신재생에너지 공급인증서 가격(원/REC)

$E S S_{-} d i s c h_{i}$ : $i$ 시간대의 ESS 방전량(kWh)

$P a y b a c k_{-} p d$ : 투자회수기간(년)

$i C o s t$ : PV-ESS 시스템 투자비(원)

ReCloud : 재생에너지 클라우드 플랫폼

KMA : 기상청

$R$ : 지역(1 ≤ $R$ ≤ 15); 1. 서울특별시(SU), 2. 부산광역시(BS), 3. 대구광역시(DG), 4. 인천광역시(IC), 5. 광주광역시(GJ), 6. 대전광역시(DJ), 7. 경기도(GG), 8. 강원도(GW), 9. 충청북도(CB), 10. 충청남도(CN), 11. 전라북도(JB), 12. 전라남도(JN), 13. 경상북도(GB), 14. 경상남도(GN), 15. 제주특별자치도(JJ)

$P V_{i}$ : $i$ 시간대의 PV 발전량(kWh)

$P V_{i}^{*}$ : 선행연구 결과 산정된 연중 대표 $i$ 시간대의 PV 발전량(Wh/kW)

$P V_{-} c a p a c i t y$ : PV 설비용량 가정치(kW)

$k$ : 구성 순서에 따른 시나리오 번호(번)

1. 서 론

지난 2022년 5월, 유럽연합 집행위원회(European Commission)는 러시아의 우크라이나 침공 사태로 인한 글로벌 에너지 공급위기 해결 방안으로 러시아산 에너지 의존도 감축 및 EU의 에너지 공급 안정성 보장을 위한 REPowerEU 계획안을 발표했다¹⁾. REPowerEU 계획안은 에너지 절약·에너지 공급 다변화·청정에너지 전환 가속화·재생에너지 투자 확대를 핵심으로 하고 있으며, 재생에너지 보급 확대를 위한 태양광 에너지 전략으로 2025년까지 태양광발전 용량을 2020년 대비 두 배 이상으로 확대하고 2030년까지는 600 GW로 확대하는 ‘EU Solar Strategy’를 제시했다. 또한 신축 공공 및 상업용 건축물에 대하여 태양광 패널의 설치를 단계적으로 의무화하는 ‘태양광 루프탑 이니셔티브(European Solar Rooftops Initiative)’를 추진할 계획이라는 내용을 포함^2,3,4)하고 있어 재생에너지 중 태양에너지를 활용하는 태양광발전시스템의 보급이 더욱 확대될 것으로 전망된다.

한편, 우리나라에서도 태양광발전시스템의 보급을 위하여 한국에너지공단에서 2019년부터 ‘재생에너지 클라우드 플랫폼(ReCloud)’을 운영해오고 있으며, 예비 태양광 발전사업자에게 발전사업 추진 절차, 참여 시공업체에 대한 정보 등 전체적인 발전사업에 관한 체계적인 정보를 제공하고 있다. 특히 태양광발전시스템의 설치 지역에 따라 입지 정보부터 태양에너지 잠재량(일사량) 및 예상 발전량 등의 정보를 9단계에 걸쳐 제공하는 맞춤 서비스까지 포함⁵⁾하고 있어 국내 태양광발전 사업에 대한 진입 장벽을 낮추는데 기여하고 있다. 재생에너지의 보급이 확대됨에 따라 전 세계에서는 재생에너지의 간헐성과 출력 변동성을 보완해주는 역할을 하는 에너지저장장치(Energy Storage System, 이하 ESS)에 대한 투자와 지원이 활발하게 이루어지고 있다⁶⁾. 하지만 현재 재생에너지 클라우드 플랫폼에서는 ESS에 대한 정보는 제공하고 있지 않다. 앞으로도 ESS 시장은 지속해서 성장할 것으로 예견되므로 재생에너지 클라우드 플랫폼에서 제공하고 있는 서비스에서 ESS에 대한 서비스를 추가로 제공한다면 잠재적 발전사업자는 해당 서비스를 통해 ESS 연계 태양광 발전사업까지 자체적으로 사업성을 검토할 수 있으므로 재생에너지 클라우드 플랫폼의 활용도를 제고할 수 있으며, 더 나아가 태양광(Photovoltaic, 이하 PV)발전시스템의 보급과 함께 ESS의 보급을 활성화할 수 있을 것이다.

따라서 본 논문에서는 ESS에 대한 서비스 중 하나로, 재생에너지 클라우드 플랫폼에서 연계형 PV-ESS 시스템의 설치 지역에 따라 발전사업자의 수익을 최대화할 수 있는 ESS 용량 정보를 제공할 수 있도록 지역별 최적 ESS 용량을 산정하는 연구를 하였다. 이를 위하여 재생에너지 클라우드 플랫폼에서 제공하고 있는 데이터⁵⁾ 및 기상청의 일사량 데이터⁷⁾를 기반으로 지역별 연중 대표 PV 발전량을 산정하는 방법론을 개발한 “재생에너지 클라우드 플랫폼 기능 확장을 위한 지역별 연중 대표 24시간대 태양광 발전량 산정 방법론(이하 선행 연구1)”의 결과를 활용하였다. 또한 최적 ESS 용량을 산정하는 방법은 “최적 운용을 통한 연계형 PV-ESS 시스템의 PV 발전량에 따른 최적 ESS 용량 산정 방법론(이하 선행 연구2)”⁸⁾을 활용하였으며, 해당 방법론에 따라 지역별로 시나리오를 구성하고 각 시나리오에 대하여 ESS의 최적 운용계획을 수립한 결과를 활용하여 투자회수기간을 분석함으로써 각 지역의 최적 ESS 용량을 산정하였다.

2. 지역별 연중 대표 PV 발전량에 따른 최적 ESS 용량 산정 과정

Fig. 1은 원 자료(Raw data)로부터 지역별 연중 대표 PV 발전량을 산정하여 지역별 최적 ESS 용량을 산정하기까지의 전체적인 과정을 나타낸 것이다. 본 논문에서는 Fig. 1에서 ‘[C] Calculation of regional optimal ESS capacity’에 해당하는 부분에 대하여 연구를 수행하였다. 즉, 상술한 바와 같이 재생에너지 클라우드 플랫폼의 월별 PV 발전량 및 월별 PV 설비용량에 대한 데이터와 기상청의 시간대별 일사량 데이터(Fig. 1의 [A])를 이용하여 각 지역에 대해 1년을 대표하는 24시간대의 PV 발전량을 산정하는 방법론에 대한 연구의 결과로 산정된 지역별 PV 발전량(Fig. 1의 [B])에 따라서 지역별로 경제성이 가장 좋은 ESS의 용량을 산정하였다.

이때 ESS 용량은 선행 연구2에서 개발한 방법을 적용하여 산정하였으며, 지역별 최적 ESS 용량을 산정하는 과정 중 주요 내용은 다음과 같이 요약할 수 있다⁸⁾.

(1) 최적 ESS 용량 산정을 위한 시나리오 구성

지역별 최적 ESS 용량을 산정하기 위해 구성되는 전체 시나리오에서 변수는 ESS 용량이며, 시나리오는 Bisection method의 개념에 따라 구성된다. ESS 용량(변수) 범위의 초기값은 최소 1일 PV 발전량의 최대값, 최대 1일 PV 누적 발전량이고 이 범위 내에서 지정한 개수( $x$ )만큼의 시나리오가 구성된다( $n = 1$ ). 이때 시나리오 간 ESS 용량 차이는 동일하다. 그리고 그중에서 투자회수기간이 가장 짧은 시나리오가 최적 시나리오로 결정되면 첫 번째 반복이 종료되며, 이 최적 시나리오의 ESS 용량을 기준으로 첫 번째 반복에서의 ESS 용량 차이만큼 증감하여 ESS 용량의 차이가 동일한 $x$ 개의 시나리오가 다시 구성된다( $n = 2$ ). 단, 시뮬레이션을 위한 ESS 용량의 최소값은 1일 PV 발전량의 최대값으로 하고 최대값은 1일 PV 누적 발전량으로 한다는 선행 연구⁸⁾의 전제조건에 의해 반복 횟수가 증가할 때마다 시나리오의 ESS 용량의 범위는 감소하며 전체 시나리오의 개수는 그룹당 시나리오의 개수( $x$ )만큼 누적된다. 하지만 ESS 용량 오차(ε)를 어떻게 설정하느냐에 따라 같은 그룹 내 또는 서로 다른 그룹에서도 ESS 용량이 같은 경우가 존재할 수 있으므로 실제로 ESS 용량이 다른 시나리오의 개수는 반복 횟수에 따라 누적 가산된 시나리오의 개수와 상이할 수 있다.

(2) 각 시나리오에 대한 최적 운용계획 수립

수용가의 수익에 해당하는 시간대별 한계역송비용( $B a c k t r a n s_{i}$ )은 식(1)과 같이 계산되며⁸⁾, 이를 ESS의 충·방전 운용계획을 결정하는 지표로 삼았다. 즉, ESS의 누적 충전량과 (1)에서 구성된 각 시나리오의 ESS 용량을 시간대별로 비교하여 특정 시간대에서 ESS 용량을 초과하는 양은 해당 시간대 이전에 한계역송비용이 높은 시간대 순서로 우선 방전하도록 하였으며 그 결과 시나리오별 총 24시간의 ESS 충·방전량이 결정된다.

(1)

B a c k t r a n s_{i} = S M P_{i} + R E C_{i} \times R E C p_{i} \times R E C w_{i}

(3) 시나리오별 투자회수기간 비교를 통한 최적 ESS 용량 산정

(2)에서 결정된 시간대별 최적 ESS 방전량( $E S S_{-} d i s c h_{i}$ )을 이용하여 각 시나리오에서 최적 운용 시의 투자회수기간이 식(2)을 통해 산출되며⁸⁾, 한 시나리오 그룹 내에서 투자회수기간이 가장 짧은 시나리오가 해당 그룹에서의 최적 시나리오로 결정된다. 또한 최적 시나리오의 ESS 용량이 해당 시나리오 그룹의 최적 ESS 용량으로 결정되며 그 값은 다음 반복에서 시나리오 그룹을 구성할 때 ESS 용량 범위의 제약조건으로서 작용하게 된다.

(2)

P a y b a c k_{-} p d = \frac{i C o s t}{\sum_{} (B a c k t r a n s_{i} \times E S S_{-} d i s c h_{i})} \times \frac{1}{365}

Fig. 1에서와 같이 반복을 종료하고 최종적인 최적 ESS 용량을 산정하기 위한 조건(Stopping Rule)은 반복 횟수( $n$ )가 2 이상이고 시나리오 간 ESS 용량 차이가 설정값으로 지정한 ESS 용량 오차(ε)보다 작아지는 것이다. 이 조건을 만족할 때까지 시나리오를 구성하고 시나리오별 최적 운용계획을 수립함으로써 산출된 결과로 투자회수기간이 가장 짧은 시나리오를 도출하며 그 결과로 정해진 ESS 용량 범위의 제약조건에 따라 시나리오를 재구성하는 일련의 과정을 지역별로 반복하게 된다.

https://static.apub.kr/journalsite/sites/kses/2022-042-06/N0600420603/images/kses_2022_426_29_F1.jpg

Fig. 1

Flow chart for calculating the optimal ESS capacity according to the representative PV power generation in 24 hours of the year by region

3. 사례연구

3.1 시스템 구성 및 설정값

(1) PV-ESS 시스템 구성

선행 연구2⁸⁾를 활용하기 위해 요구되는 기본 설정값은 한 시나리오 그룹 안에 포함된 시나리오의 개수( $x$ )와 ESS 용량 오차( $ε$ )이며 이 값에 의해 계산량이 결정된다. 이 두 설정값을 포함하여 최적 ESS 용량 산정 방법론 적용을 위한 전체 설정값은 Table 1과 같이하였다.

단, Table 1에서의 PV 설비용량(PCS 설비용량)은 발전사업자가 실제로 설치하고자 하는 시스템의 용량으로, 본 논문에서는 지역별 최적 ESS 용량 산정 결과를 비교하기 위해 가정치를 사용하였으며 신재생에너지공급인증서(Renewable Energy Certificate, 이하 REC) 가중치 및 REC 가격, 계통한계가격(System Marginal Price, 이하 SMP), 시스템의 설치비용은 선행 연구2⁸⁾와 동일한 값으로 하였다.

Table 1

Setting value

Classification	Set value	Classification	Set value
Assumptions of PV installed capacity (=PCS facility capacity, kW)	200	REC weight (times)	10:00 ~ 16:59	1.5
			17:00 ~ 24:00, 0:00 ~ 9:59	4
ESS capacity error ( $ε$ , kWh)	1	REC price (won)	37,286
Number of scenarios per group ( $x$ , EA)	5	SMP (won/kWh)	Average of SMP from 2018 to 2020 every June 22^nd

(2) 지역별 연중 대표 PV 발전량

선행 연구1에서는 연구수행 당시 재생에너지 클라우드 플랫폼에서 제공하였던 2020년의 지역별 월별 PV 발전량 및 지역별 월별 PV 발전설비 총 용량에 관한 데이터⁵⁾를 사용하였으며, 해당 연도에 맞추어 일사량 데이터⁷⁾도 2020년의 자료를 사용하였다. 이때 재생에너지 클라우드 플랫폼에서 데이터를 제공하는 17개의 지역 중에서 2개 지역(울산광역시, 세종특별자치시)은 2020년에 일사량이 측정되지 않아 본 논문에서도 대상으로 하는 지역에서 제외하였다.

그 결과 재생에너지 클라우드 플랫폼의 데이터를 바탕으로 선행 연구1에 따라 산정된 각 지역의 연중 대표 PV 발전량은 Fig. 2와 같으며, 해당 발전량을 선행 연구2⁸⁾에 적용하여 지역별 최적 ESS 용량을 산정하였다.

https://static.apub.kr/journalsite/sites/kses/2022-042-06/N0600420603/images/kses_2022_426_29_F2.jpg

Fig. 2

Annual representative PV generation by region

3.2 지역별 최적 ESS 용량 산정

지역별로 1년을 대표하는 시간대별 PV 발전량에 따른 지역별 최적 ESS 용량을 산정하기에 앞서 선행 연구1의 결과로 산정된 지역별 연중 대표 PV 발전량의 단위는 PV 발전설비 용량당 발전량이다. 따라서 Table 1과 같이 PV 설비용량이 200 kW인 PV-ESS 시스템에 대하여 선행 연구2⁸⁾를 이용한 사례연구를 수행하기 위해 식(3)과 같은 단위 변환을 통해서 PV 용량 200 kW 기준인 PV 발전량을 사례연구에 적용하였다.

(3)

P V_{i} = \frac{P V_{i}^{*}}{1000} \times P V_{-} c a p a c i t y

지역별 최적 ESS 용량 산정 과정에서 도출되는 주요 결과는 다음과 같다.

(1) 지역별 시나리오 구성 결과

선행 연구1에서 산정된 연중 대표 24시간의 PV 발전량을 선행 연구2⁸⁾에 적용하여 우리나라 15개 지역의 최적 ESS 용량을 산정하기 위해 Fig. 1의 과정을 각 지역별로 총 9번 반복하였다. 또한, 한 그룹을 구성하는 시나리오의 개수를 Table 1에서와 같이 5개로 설정하였으므로 반복 횟수에 따라 누적 가산된 시나리오의 총 개수는 45개이다. 이때 15개 지역에서 반복 횟수가 모두 같았는데 이는 Table 1에서 계산량을 결정하는 한 그룹당 시나리오 개수( $x$ )와 ESS 용량 오차(ε)가 지역별로 동일하게 설정되었기 때문이다. Fig. 3은 Fig. 1의 흐름도([C])에 따라 9번의 반복으로 구성된 총 45개의 시나리오를 구성된 순서에 따라서 지역별로 ESS 용량을 기준으로 나타낸 것이다. 이 그림을 통해 각 그룹에서 최적 ESS 용량을 산정하는 과정을 반복함에 따라 지역별로 구성되는 시나리오의 ESS 용량이 1일 PV 발전량의 최대값과 1일 PV 누적발전량 사이에서 특정 값으로 수렴하고 있음을 확인할 수 있다.

https://static.apub.kr/journalsite/sites/kses/2022-042-06/N0600420603/images/kses_2022_426_29_F3.jpg

Fig. 3

Regional ESS capacity trend according to the order of scenario configuration

Table 2는 최적 ESS 용량을 산정하기 위해 지역별로 시나리오가 구성되는 전체 과정을 보여주는 한 예시로 15개 지역 중 1일 PV 누적 발전량이 가장 큰 지역인 전라남도의 경우에 해당하며 중간 그룹을 일부 생략하고 나타낸 것이다. 이때 각 그룹에서 산정된 최적 ESS 용량은 1^st에서 609, 2^nd에서 692, 9^th에서 689이며, 최종적으로 산정된 전라남도의 최적 ESS 용량은 9번째 반복에서의 최적 ESS 용량에 해당하는 689 kWh이다. Table 2의 9번째 반복에서 ESS 용량의 차이가 0.5임에도 불구하고 시나리오별 ESS 용량이 같은 시나리오가 있는 것은 실제 계산된 시나리오별 ESS 용량은 자연수가 아니나 Table 1에서 ESS 용량 오차를 ‘1’로 설정하였기 때문에 소수점 아래 자릿수를 반올림한 값으로 고려한 것이다.

Table 2

All scenarios configured to calculate the optimal ESS capacity in Jeollanam-do

Number of iteration, $n$	1^st					2^nd					…	9^th
Scenario number, $k$	1	2	3	4	5	6	7	8	9	10	…	41	42	43	44	45
ESS capacity (kWh)	111	277	443	609	775	443	526	609	692	775	…	688	689	689	690	690
ESS capacity difference between scenario by the number of iterations (kWh)	166					83					…	0.5

Table 2에서 ESS 용량이 443, 609, 775인 시나리오는 첫 번째 그룹과 두 번째 그룹에 동일하게 있으며, 용량이 689, 690인 시나리오는 9번째 시나리오에서 2개씩 존재한다. 이처럼 서로 다른 그룹 또는 같은 그룹 내에서 ESS 용량이 동일한 시나리오가 있으므로 이러한 시나리오를 제외한다면 본 논문에서 대상으로 하는 지역에 대해 구성되는 전체 시나리오의 개수는 Fig. 4와 같이 20 ~ 24개로 상이하게 나타나며, 평균은 약 21개이다. 이는 선행 연구2⁸⁾의 전제조건에 의하여 전체 시나리오의 ESS 용량은 시간대별 PV 발전량의 최대값과 PV 누적 발전량 사이로 제한되므로 지역별로 시나리오 구성 단계를 반복하면서 중복되는 시나리오의 개수가 다르기 때문이다.

https://static.apub.kr/journalsite/sites/kses/2022-042-06/N0600420603/images/kses_2022_426_29_F4.jpg

Fig. 4

Total number of scenarios by region

(2) 지역별 최적 운용계획 수립 결과 및 지역별 투자회수기간

Fig. 5는 (1)의 과정을 거쳐 최종적으로 결정된 지역별 최적 시나리오에서 최적 운용계획을 수립한 결과 결정된 시간대별 최적 ESS 방전량을 나타낸 것이다. 이 그림을 통해 15개 지역 모두 최적 시나리오에서 PV 발전량이 REC 가중치가 높은 시간대에서만 ESS 방전되도록 ESS 운용계획이 세워졌음을 알 수 있다.

https://static.apub.kr/journalsite/sites/kses/2022-042-06/N0600420603/images/kses_2022_426_29_F5.jpg

Fig. 5

Optimal discharge amount of ESS in regional optimal scenario

Fig. 6은 Fig. 5와 동일한 최적 시나리오의 투자회수기간을 지역별로 나타낸 것으로, 1일 PV 누적 발전량과 비교하였을 때 상반되는 관계에 있음을 알 수 있다. 이는 투자회수기간이 REC 가중치가 높은 시간대의 총 ESS 방전량에 대해 직접적인 영향을 받으며, Fig. 5와 같이 최적 시나리오에서의 PV 발전량은 모두 REC 가중치가 높은 시간대에서 ESS 방전되기 때문이다.

https://static.apub.kr/journalsite/sites/kses/2022-042-06/N0600420603/images/kses_2022_426_29_F6.jpg

Fig. 6

Comparison of payback period and accumulated daily PV power generation for each region’s optimal scenario

(3) 지역별 최적 ESS 용량 산정 결과

Fig. 7의 막대그래프는 최종적으로 산정된 지역별 최적 ESS 용량을 크기가 큰 순서대로 나타낸 것이며, 꺾은 선 그래프는 10시간대부터 17시간대까지의 PV 누적 발전량을 나타낸 것이다. 이 두 그래프의 수치는 지역별로 일치하며, 산정된 최적 ESS 용량과 10 ~ 17시간대의 PV 누적 발전량 모두 전라남도에서 가장 크고 대전광역시에서 가장 작았다. 이는 선행 연구2의 결론과 같이 REC 가중치가 낮은 시간대 중 첫 시간대인 10시간대부터 REC 가중치가 낮은 시간대에서 한 시간이 더해진 시간인 17시간대까지의 PV 발전량의 합계가 해당 지역의 최적 ESS 용량으로 산정되었기 때문이다⁸⁾.

https://static.apub.kr/journalsite/sites/kses/2022-042-06/N0600420603/images/kses_2022_426_29_F7.jpg

Fig. 7

Result of calculating regional optimal ESS capacity

4. 결 론

본 연구의 주요 결과를 요약하면 다음과 같다.

(1) 본 연구를 통해 재생에너지 클라우드 플랫폼의 데이터를 바탕으로 산정된 지역별 1년을 대표하는 24시간대의 PV 발전량을 ESS 최적 운용을 통해 최적 ESS 용량을 산정하는 방법론에 적용할 수 있음을 입증하였으며

(2) 우리나라 각 지역에 설치되는 연계형 PV-ESS 시스템을 대상으로 각 지역에서 발전사업자의 수익을 최대화할 수 있는 ESS 용량은 해당 지역에서 REC 가중치가 낮은 시간대의 PV 누적 발전량과 REC 가중치가 낮은 시간대 이후에 REC 가중치가 높은 시간대 중 첫 시간대의 PV 발전량의 합계로 산정되었다.

(3) 본 연구에서는 PV 설비용량을 임의로 지정하여 최적이 되는 ESS 용량을 산정하였으나 실제 PV 설비용량에 대하여 상술한 결과를 동일하게 적용할 수 있으므로 지역별 최적 ESS 용량 산정 결과를 재생에너지 클라우드 플랫폼에 적용하여 재생에너지 클라우드 플랫폼의 이용자에게 PV-ESS 시스템을 설치하고자 하는 지역과 PV 설비용량에 대하여 최적 ESS 용량 정보를 제공할 수 있을 것으로 판단된다.

(4) 이처럼 재생에너지 클라우드 플랫폼에 본 연구의 결과를 적용하여 ESS에 대한 서비스를 추가로 제공한다면 재생에너지 클라우드 플랫폼의 이용자들은 더욱 높은 경제성을 확보할 수 있을 것으로 사료되며 아울러 재생에너지 클라우드 플랫폼의 활용도를 높임에 따라 ESS의 보급에도 기여할 수 있을 것으로 기대된다.

(5) 본 연구에서는 수용가의 전력 부하를 고려하지 않고 각 시간대에서 생산된 PV 발전량에 대하여 ESS의 최적 충·방전 운용계획을 수립하여 최적의 ESS 용량을 산정하였으나 향후 수용가의 전력 부하도 고려하여 최적의 ESS 용량을 산정하는 연구를 진행할 계획이다.

Acknowledgements

본 논문은 인천대학교 2022년도 자체논문비 지원에 의하여 연구되었음.

References

Korea Energy Economics Institute, EC Announces RepowerEU Plan to Reduce Dependence on Energy Resources, Including Russian Nuclear Fuel, p. 31, 2022.

EUR-Lex, Communication from the Commission to the European Parliament, the Council, the European Economic and Social Committee and the Committee of the Regions EU Solar Energy Strategy, 2022. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=COM%3A2022%3A221%3AFIN&qid=1653034500503 last accessed on the 26^th June 2022.

EUR-Lex, Communication from the Commission to the European Parliament, the European Council, the Council, the European Economic and Social Committee and the Committee of the Regions REPowerEU Plan, 2022. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=COM%3A2022%3A230%3AFIN&qid=1653033742483 last accessed on the 26^th June 2022.

Korea Business Association Europe, KBA Daily Hot-line: EU Announces ‘REPowerEU’ Plan to Phase Out Russia’s Fossil Fuels, 2022. https://kba-europe.com/board/kba-daily-hot-line/?mod=document&uid=22968 last accessed on the 26^th June 2022.

Korea Energy Agency, Renewable Energy Cloud Platform, 2020. https://recloud.energy.or.kr/main/main.do last accessed on the 26^th June 2022.

Kim, S. J., Global ESS Market Outlook and Implications, Woori Financial Management Research Institute Economics Lab, pp. 6-8, 2018.

Korea Meteorological Administration, Weather Data Service Open MET Data Portal, 2020. https://data.kma.go.kr/cmmn/main.do last accessed on the 26^th June 2022.

Kim, Y. H., Han, G. R., Han, S., H., Lee, H., S., Park, J., M., and Kim, Y., R., The Methodology of Calculating the Optimal ESS Capacity according to PV Power Generation for Grid-Connected PV-ESS System through Optimal Operation, The Korean Solar Energy Society, Vol. 41, No. 6, pp. 85-95, 2021, https://doi.org/10.7836/kses.2021.41.6.085 10.7836/kses.2021.41.6.085

Journal of the Korean Solar Energy Society ISSN:1598-6411(Print) 2508-3562(Online) 한국태양에너지학회 논문집

Preview

Calculation of Regional Optimal Energy Storage System Capacity for Advancement of Renewable Energy Cloud Platform

ABSTRACT

MAIN

(1)

(2)

Fig. 1

Flow chart for calculating the optimal ESS capacity according to the representative PV power generation in 24 hours of the year by region

Table 1

Setting value

Fig. 2

Annual representative PV generation by region

(3)

Fig. 3

Regional ESS capacity trend according to the order of scenario configuration

Table 2

All scenarios configured to calculate the optimal ESS capacity in Jeollanam-do

Fig. 4

Total number of scenarios by region

Fig. 5

Optimal discharge amount of ESS in regional optimal scenario

Fig. 6

Comparison of payback period and accumulated daily PV power generation for each region’s optimal scenario

Fig. 7

Result of calculating regional optimal ESS capacity

Acknowledgements

References