태양광 발전 및 변동성 발전원의 용량가치: 방법론, 지표 및 시장적 함의

목차

1. 서론

본 논문은 IEEE PES 태양광 발전 용량가치 태스크포스의 최종 보고서 역할을 합니다. 이 보고서는 태양광 발전 및 기타 변동성 발전원(Variable Generation, VG)이 전력 시스템 신뢰도에 기여하는 정도를 평가하는 데 사용되는 방법론에 대한 비판적 검토를 제공합니다. 다루는 핵심 과제는 태양광과 같은 변동성 자원이 최대 수요 기간 동안 얼마나 안정적으로 "확정된" 용량을 제공할 수 있는지 정량화하는 것으로, 이 지표는 용량가치(Capacity Value) 또는 용량크레딧(Capacity Credit)으로 알려져 있습니다.

본 연구는 풍력 발전에 대한 이전 태스크포스 보고서를 기반으로 하지만, 태양광 발전의 강한 일간/계절적 패턴 및 독특한 공간적 상관관계와 같은 고유한 특성에 특별히 중점을 둡니다. 또한 모델링 접근법, 통계적 기초, 그리고 변동성 발전원을 용량시장 메커니즘에 통합하는 방식을 비판적으로 검토합니다.

2. 태양광 자원 평가

태양광 발전은 표면 일사량에 의해 구동되며, 이는 예측 가능한 주기를 보이지만 구름 덮개와 같은 기상 변동성으로 인해 복잡해집니다. 핵심 문제는 장기적이고 고품질의 발전 데이터가 부족하여 모델링된 데이터에 의존해야 한다는 점입니다. 이 절에서는 다음을 정확하게 파악하는 것의 중요성을 논의합니다:

• 일간 및 계절적 패턴: 태양 에너지 이용 가능성의 고유한 일일 및 연간 주기.
• 공간적 및 시간적 상관관계: 서로 다른 위치와 시간에 걸친 태양광 출력의 상관관계로, 포트폴리오 전체 가치에 영향을 미침.
• 기술 및 설계 요소: 패널 방향, 태양 추적 시스템의 영향, 그리고 열 저장 기능을 갖춘 집광형 태양열 발전(Concentrating Solar Power, CSP)과 태양광 발전의 근본적 차이.

3. 적정성 및 용량가치를 위한 통계적 방법

이 절은 본 논문의 방법론적 핵심을 이루며, 적정성 평가에 사용되는 확률론적 및 통계적 도구를 상세히 설명합니다.

3.1. 확률론적 배경

기초는 확률론적 자원 적정성 평가에 있으며, 이는 수요를 충족시키기에 발전이 부족할 위험(부하 손실)을 평가합니다. 핵심 개념으로는 부하 손실 기대값(Loss of Load Expectation, LOLE)과 예상 미공급 에너지(Expected Unserved Energy, EUE)가 있습니다.

3.2. 통계적 추정 접근법

제한된 데이터가 주어졌을 때, 강건한 통계적 방법은 매우 중요합니다. 본 논문은 변동성 발전원 출력과 시스템 수요의 결합 분포를 모델링하는 접근법을 검토하며, 데이터 부족의 결과와 꼬리 의존성(극단적으로 낮은 출력/높은 수요 사건)을 포착할 필요성을 강조합니다.

3.3. 용량가치 지표

두 가지 주요 지표가 논의됩니다:

1. 유효 부하 수용 능력(Effective Load Carrying Capability, ELCC): 변동성 발전원을 추가한 후에도 동일한 위험 지수(예: LOLE)를 유지하면서 시스템이 추가로 감당할 수 있는 일정한 부하의 양. 이는 가장 정확한 방법으로 간주됩니다.
2. 등가 확정 용량(Equivalent Firm Capacity, EFC) / 용량크레딧: 종종 변동성 발전원의 정격 용량 대비 백분율로 표현됩니다. ELCC보다 간단하지만 정확도는 떨어집니다.

계산에는 종종 북미 전력 신뢰도 협의회(North American Electric Reliability Corporation, NERC)에서 사용하는 것과 같은 "신뢰도 시험"이 포함됩니다.

3.4. 용량시장에 변동성 발전원 통합

본 논문은 변동성 발전원을 확정 용량을 조달하도록 설계된 용량시장에 통합하는 실질적 과제를 다룹니다. 주요 문제는 다음과 같습니다:

• 변동성 발전원에 대한 디레이팅 계수 결정.
• 변동성 발전원이 시장 가격 및 다른 자원의 수익 충분성에 미치는 영향 관리.
• 변동성 발전원의 시간에 따라 변하고 기상에 의존하는 가치를 정확히 반영하는 시장 규칙 설계.

3.5. 에너지 저장장치와의 상호작용

간략한 논의에서는, 동일 위치에 설치된 저장장치(CSP 또는 태양광+배터리 시스템에서와 같이)가 출력을 최대 수요 기간에 더 잘 맞추도록 이동시킴으로써 용량가치를 근본적으로 변화시킬 수 있음을 언급합니다.

4. 적용 연구 및 실무 현황 조사

본 논문은 태양광 용량가치에 대한 최근 산업 및 학술 연구를 검토합니다. 연구 결과는 다음과 같은 요소에 따라 계산된 값(종종 정격 용량의 10-50% 사이)에 상당한 변동이 있음을 보여줍니다:

• 지리적 위치: 태양광 자원의 품질 및 지역 수요 패턴과의 상관관계.
• 보급 수준: 포화 효과로 인해 태양광 보급률이 증가함에 따라 용량가치는 일반적으로 감소합니다.
• 사용된 방법론: ELCC를 사용하는 연구는 일반적으로 더 간단한 지표를 사용하는 연구보다 낮은 값을 보고합니다.
• 시스템 유연성: 급속 램핑 자원 또는 수요반응의 존재는 태양광의 용량가치를 향상시킬 수 있습니다.

5. 결론 및 연구 필요성

본 논문은 태양광의 용량가치를 정확히 평가하려면 변동성 발전원 출력과 수요 사이의 복잡하고 시간 의존적인 관계를 포착하는 정교한 통계적 모델링이 필요하다고 결론지었습니다. 확인된 주요 연구 격차는 다음과 같습니다:

1. 제한된 데이터로 장기 자원 및 수요 의존성 모델링 개선.
2. 용량시장에서 사용하기 위한 표준화되고 투명한 방법론 개발.
3. 지리적으로 다양화된 태양광 포트폴리오의 가치에 대한 이해 증진.
4. 장기 태양광 자원 패턴에 대한 기후 변화의 영향 통합.

6. 원본 분석 및 전문가 논평

7. 기술적 세부사항 및 수학적 프레임워크

용량 평가의 핵심은 확률론적 신뢰도 지표에 있습니다. 부하 손실 기대값(LOLE)은 수요가 가용 용량을 초과하는 기간(일 또는 시간)당 기대 횟수로 정의됩니다:

$\text{LOLE} = E\left[ \sum_{t} I\left( D_t > C_t^{total} \right) \right]$

여기서 $D_t$는 시간 $t$에서의 수요, $C_t^{total}$은 총 가용 용량, $I(\cdot)$는 지시 함수입니다.

태양광 발전소의 유효 부하 수용 능력(ELCC)은 태양광 발전소 추가 전후의 LOLE를 동일하게 만드는 추가 일정 부하 $L_{add}$를 구함으로써 찾습니다:

$\text{LOLE}_{\text{original system}}(L) = \text{LOLE}_{\text{system + solar}}(L + L_{add})$

그러면 ELCC는 $L_{add}$입니다. 이는 태양광 발전 시계열 $G_t^{solar}$를 확률 과정으로 모델링하는 것을 필요로 하며, 종종 $D_t$와의 상관관계를 고려합니다.

핵심 통계적 과제: 결합 분포 $P(D_t, G_t^{solar})$를 모델링하는 것, 특히 그 꼬리(즉, 극도로 높은 수요와 극도로 낮은 태양광 출력이 동시에 발생할 확률)를 모델링하는 것입니다. 금융 및 기후 위험 문헌에서 참조되듯이, 코퓰라 함수 또는 고급 시계열 모델(예: VAR, GARCH)이 사용될 수 있습니다.

8. 분석 프레임워크: 예시 사례 연구

시나리오: 미국 남서부 한 전력회사 시스템에서 100 MW 태양광 발전소의 용량가치 평가.

1. 데이터 수집: 5년 이상의 역사적 시간별 시스템 부하 데이터와 발전소 위치(또는 NASA/PVGIS 데이터베이스의 대리 데이터)에 대한 동시 일사량 데이터 확보.
2. 태양광 출력 모델링: 온도, 인버터 효율, 시스템 손실을 고려한 태양광 성능 모델을 사용하여 일사량을 교류 발전량으로 변환.
3. 기준 위험 설정: 확률론적 자원 적정성 모델(예: 순차적 몬테카를로 시뮬레이션)을 사용하여, 기존 화력 발전기를 사용하고 강제 정지율을 고려하여 시스템의 LOLE 계산.
4. ELCC 계산:
   • 100 MW 태양광 발전 시계열을 용량 스택에 추가.
   • 적정성 모델을 다시 실행하여 새로운, 더 낮은 LOLE를 찾음.
   • 원래 시스템(태양광 없음)에 일정 부하 블록을 반복적으로 추가하여, 그 LOLE가 태양광이 있는 시스템의 LOLE와 일치하도록 함.
   • 추가된 일정 부하의 양이 ELCC입니다. 예를 들어, 28 MW의 부하를 추가해야 원래 LOLE가 복원된다면, ELCC는 28 MW이며, 용량가치는 28%입니다.
5. 민감도 분석: 다른 태양광 보급 시나리오, 다른 기상 연도, 그리고 태양광과 동일 위치에 50 MW의 4시간 배터리 저장장치 추가에 대해 분석을 반복.

예상 통찰: 태양광 출력이 시스템 피크 시간(종종 여름철 늦은 오후)과 완벽하게 상관관계를 가질 때 ELCC가 가장 높을 것입니다. 저장장치 추가는 일부 발전을 저녁 피크 시간으로 이동시킬 수 있으므로 ELCC를 크게 증가시킬 가능성이 높습니다.

9. 미래 적용 및 방향성

개요된 방법론은 진화와 더 넓은 적용을 앞두고 있습니다:

• 하이브리드 자원 평가: 이 프레임워크는 용량가치가 비선형적이고 부분의 합보다 큰 하이브리드 발전소(태양광+풍력+저장장치)의 가치 평가에 중요할 것입니다.
• 배전 수준 적정성: 분산형 태양광이 확산됨에 따라, 단순한 "피크의 15%"와 같은 경험 법칙을 넘어 지역 네트워크 적정성 및 수용 용량을 평가하기 위해 유사한 확률론적 방법이 필요할 것입니다.
• 기후 조정 계획: 기후 모델 예측을 통합하여 변화하는 구름 패턴, 폭염 및 수요 프로파일이 30년 자산 수명 동안 태양광의 장기 용량가치에 어떻게 영향을 미칠지 평가.
• 기계 학습 향상: 생성적 적대 신경망(GANs) 또는 트랜스포머 모델을 사용하여 제한된 역사적 데이터로부터 상관관계가 있는 수요와 변동성 발전원 출력의 합성 장기 시계열을 생성하여 통계적 신뢰도를 향상. 이 접근법은 다른 분야에서 현실적인 합성 데이터 생성의 발전에서 영감을 받았습니다.
• 동적 용량시장: 미래 시장은 예측 기상 및 시스템 조건을 기반으로 준실시간으로 계산되는 시간 가변적 또는 위치 특화적 용량크레딧으로 이동할 수 있으며, 이는 본 보고서에 설명된 모델의 내재적 사용을 요구할 것입니다.

10. 참고문헌

1. IEEE PES Task Force on Capacity Value of Wind Power, "Capacity Value of Wind Power," IEEE Transactions on Power Systems, vol. 29, no. 3, pp. 1363-1372, May 2014.
2. North American Electric Reliability Corporation (NERC), "Methods to Model and Calculate Capacity Contributions of Variable Generation for Resource Adequacy Planning," NERC Report, March 2011.
3. International Energy Agency (IEA), "Power Systems in Transition," 2020. [Online]. Available: https://www.iea.org/reports/power-systems-in-transition
4. J. Zhu, T. Park, P. Isola, A. A. Efros, "Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks," in Proc. IEEE ICCV, 2017. (VG를 위한 합성 데이터 생성과 관련된 고급 생성 모델링의 예시로 인용됨).
5. P. Denholm et al., "The Role of Energy Storage with Renewable Electricity Generation," National Renewable Energy Laboratory (NREL) Technical Report NREL/TP-6A2-47187, 2010.
6. R. Sioshansi, P. Denholm, T. Jenkin, J. Weiss, "Estimating the Value of Electricity Storage in PJM: Arbitrage and Some Welfare Effects," Energy Economics, vol. 31, no. 2, pp. 269-277, 2009.