전국 수천 개의 변전소에서 1초 단위로 쏟아지는 측정값은 그 자체로는 의미가 없다. 그 숫자 더미를 살아 있는 계통의 상태로 번역하고, 아직 일어나지 않은 사고를 미리 시뮬레이션하며, 어떻게 운전하면 안전하고 경제적인지를 계산하는 일련의 소프트웨어 묶음이 EMS(Energy Management System, 에너지관리시스템)의 Network Analysis다. 이 글은 그 내부를 가능한 한 끝까지 파고든다.
전력계통은 멈출 수 없는 거대한 기계다. 발전기가 만들어내는 전기는 저장되지 않고 생산과 동시에 소비되며, 수요와 공급이 매 순간 정확히 맞아야 주파수(우리나라는 60Hz)가 유지된다. 이 거대한 기계를 한곳에서 감시하고 제어하는 중앙 통제실의 두뇌가 EMS다. 한국에서는 전력거래소(KPX, Korea Power Exchange)의 급전소가 송전망 전체를 EMS로 운영하고, 한국전력공사(KEPCO, Korea Electric Power Corporation)의 급전분소들이 지역 계통을 함께 본다.
EMS의 토대는 SCADA(Supervisory Control And Data Acquisition, 감시제어 및 데이터수집)다. 전국 변전소와 발전소에 설치된 RTU(Remote Terminal Unit, 원격단말장치)와 IED(Intelligent Electronic Device, 지능형 전자장치)가 전압, 전류, 유효전력, 무효전력, 차단기 개폐 상태 같은 신호를 수집해 통신망으로 보내면, SCADA는 이를 받아 실시간 데이터베이스에 채우고 운영자 화면(HMI, Human-Machine Interface)에 띄운다. 그런데 SCADA가 보여주는 것은 어디까지나 들어온 숫자 그 자체다. 그 숫자가 서로 모순되는지, 어떤 측정기가 고장 났는지, 측정되지 않은 지점의 전압은 얼마인지, 지금 어느 선로 하나가 끊어지면 어디가 과부하에 걸리는지 — 이런 판단은 SCADA의 일이 아니다.
바로 그 지점에서 Network Analysis(계통해석)가 등장한다. Network Analysis는 SCADA가 모은 날것의 측정값을 입력으로 받아, 계통 전체의 일관된 전기적 상태를 복원하고, 그 위에서 안전성과 경제성을 분석하는 응용 프로그램의 묶음이다. 흔히 NA, 또는 발전기 제어를 담당하는 부분과 구분해 부를 때는 SE 기반 응용군이라고도 한다. EMS를 사람 몸에 비유하면 SCADA는 감각기관과 신경, AGC(Automatic Generation Control, 자동발전제어)와 ED(Economic Dispatch, 경제급전)는 심장박동을 맞추는 자율신경, 그리고 Network Analysis는 들어온 감각 정보를 종합해 "지금 무슨 일이 벌어지고 있고, 다음에 무엇을 조심해야 하는가"를 판단하는 대뇌피질에 해당한다.
SCADA는 환자에게 붙은 활력징후 모니터다. 심박수 78, 혈압 120/80, 산소포화도 97% 같은 숫자를 끊임없이 보여준다. 그러나 그 숫자가 서로 맞는지, 센서 하나가 빠졌는지, 지금 환자에게 운동을 시키면 혈압이 위험하게 오를지를 판단하는 것은 의사다.
Network Analysis가 바로 그 의사다. 흩어진 숫자를 종합해 환자(계통)의 진짜 상태를 진단하고, "지금 이 검사를 더 하면(=선로 하나가 끊어지면) 어떤 일이 생길지"를 미리 머릿속으로 시뮬레이션한다.
이 글에서는 송전망 EMS의 Network Analysis를 중심으로 설명한다. 배전망에는 비슷한 역할을 하는 DMS(Distribution Management System, 배전관리시스템)와 ADMS(Advanced DMS, 첨단배전관리시스템)가 있지만, 핵심 알고리즘의 뿌리는 모두 여기서 다룰 송전 Network Analysis와 같다.
Network Analysis는 하나의 프로그램이 아니라, 정해진 순서로 맞물려 돌아가는 여러 응용 프로그램의 사슬이다. 측정값이 들어오면 먼저 계통의 연결 구조를 파악하고(토폴로지 처리), 그 위에서 가장 그럴듯한 전기적 상태를 추정하고(상태추정), 추정된 상태를 바탕으로 가상의 사고를 시뮬레이션하고(상정사고 해석), 마지막으로 더 안전하고 경제적인 운전점을 계산한다(최적조류계산). 아래 그림이 그 전체 데이터 흐름이다.
이 사슬에서 가장 중요한 마디는 상태추정(State Estimation)이다. 상태추정 이전 단계는 모두 그것을 위한 준비이고, 상태추정 이후 단계는 모두 그 결과 위에서 동작한다. 상태추정이 실패하면 그날의 Network Analysis 전체가 멈춘다. 그래서 아래에서는 각 단계를 차례로 다루되, 상태추정에 가장 많은 지면을 할애한다.
상태추정을 하려면 먼저 "지금 계통이 어떻게 연결되어 있는가"를 알아야 한다. 그런데 이 연결 구조는 고정되어 있지 않다. 변전소 안의 차단기(Circuit Breaker)와 단로기(Disconnector)가 열리고 닫힐 때마다 어떤 설비는 계통에서 분리되고 어떤 설비는 다시 붙는다. 토폴로지 처리(Topology Processing), 또는 모선 구성 처리(Bus Configuration / Network Connectivity Analysis)는 SCADA로 들어온 수백, 수천 개의 차단기 개폐 상태를 읽어, 지금 이 순간 전기적으로 연결된 모선(bus)이 몇 개이고 어떻게 이어져 있는지를 매번 새로 계산하는 작업이다.
핵심 개념은 물리적 모델과 전기적 모델의 구분이다. 변전소 도면에 그려진, 차단기와 단로기까지 다 포함한 상세 모델을 노드-차단기 모델(node-breaker model)이라 한다. 반면 상태추정과 조류계산이 실제로 쓰는 것은, 닫힌 차단기로 연결된 지점들을 하나로 합쳐버린 모선-지선 모델(bus-branch model)이다. 토폴로지 처리기가 하는 일이 바로 전자를 후자로 압축하는 변환이다.
지하철에서 두 노선이 만나는 환승역의 연결 통로가 공사로 막히면, 승객 입장에서 그 두 노선은 사실상 끊어진 별개의 망이 된다. 통로가 다시 열리면 하나로 합쳐진다.
토폴로지 처리기는 매 순간 모든 환승 통로(차단기)의 개폐 상태를 확인해 "지금 유효한 노선도"를 자동으로 다시 그리는 일을 한다. 이 노선도가 틀리면, 그 위에서 계산하는 모든 분석이 엉뚱한 망을 대상으로 삼게 된다.
토폴로지가 잘못 인식되면 어떤 일이 벌어질까. 실제로는 열려 있는 차단기를 닫혀 있다고 잘못 받아들이면, 상태추정은 존재하지 않는 연결을 가정한 채 계산하게 되고 — 이를 토폴로지 오류(topology error)라 한다 — 결과 전체가 미묘하게 어긋난다. 그래서 현대의 상태추정기는 토폴로지 오류까지 검출하고 보정하는 일반화 상태추정(Generalized State Estimation) 기능을 갖추기도 한다. 토폴로지가 단순한 전처리가 아니라 분석의 신뢰성을 좌우하는 토대인 이유다.
Network Analysis의 심장은 상태추정이다. 이 기법은 1970년 MIT(Massachusetts Institute of Technology, 매사추세츠공과대학)의 프레드 슈베페(Fred Schweppe)가 전력계통에 처음 도입했고, 반세기가 지난 지금도 거의 모든 송전망 EMS가 그가 제시한 가중최소제곱(WLS, Weighted Least Squares, 가중최소자승) 방식을 골격으로 쓴다.
현장의 측정값에는 세 가지 문제가 있다. 첫째, 모든 측정에는 오차가 있다. 계기용변성기(CT/PT, Current/Potential Transformer)의 정밀도, 아날로그-디지털 변환 오차, 통신 지연이 모두 노이즈로 더해진다. 둘째, 모든 지점이 측정되지는 않는다. 변전소마다 모든 양을 계측하지는 않으므로 빈 곳이 생긴다. 셋째, 측정값끼리 서로 모순될 수 있다. 같은 노드로 들어오고 나가는 전력의 합은 0이어야 하는데(키르히호프 법칙) 측정 오차 때문에 0이 아닌 값이 나온다.
상태추정은 이 모순되고 불완전한 측정 더미로부터, 물리 법칙에 가장 잘 부합하면서 동시에 측정값과도 가장 잘 들어맞는 단 하나의 일관된 상태를 통계적으로 찾아낸다. 여기서 "상태"란 각 모선의 전압 크기 |V|와 위상각 θ를 말한다. 모선이 n개면 위상각 기준점 하나를 0으로 고정하므로, 추정해야 할 상태변수는 2n − 1개다. 일단 이 전압 크기와 위상각만 정해지면, 계통의 모든 선로 조류와 전력 흐름은 회로 방정식으로 전부 계산된다. 그래서 전압과 위상각을 계통의 "상태"라 부른다.
어두운 곳에서 같은 풍경을 손으로 여러 장 찍으면 모두 조금씩 흔들리고 노이즈가 낀다. 그러나 그 흐릿한 사진 여러 장을 통계적으로 겹쳐 합성하면, 어느 한 장보다도 또렷한 한 장을 복원할 수 있다. 측정이 많을수록(잉여도가 높을수록) 결과는 선명해진다.
상태추정도 똑같다. 오차가 낀 측정값 여러 개를, 신뢰도가 높은 것에는 더 큰 가중치를 주어 겹쳐서, 어느 단일 측정보다도 정확한 계통의 진짜 상태를 복원한다.
상태추정을 수식으로 옮기면 출발점은 측정 모델이다. 측정 벡터 z(전체 m개의 측정)는 참 상태 x의 함수에 오차 e가 더해진 것으로 본다.
여기서 h(x)는 "만약 상태가 x라면 각 측정기는 얼마를 가리켜야 하는가"를 계산하는 회로 방정식이다. 예컨대 어떤 선로의 조류 측정은 양 끝 모선의 전압과 위상각으로 정확히 계산된다. 상태추정은 이 h(x)가 만들어내는 "예상 측정값"과 실제 측정값 z의 차이를 최대한 줄이는 x를 찾는다. 그 차이를 측정 신뢰도로 가중해 제곱합으로 모은 것이 목적함수다.
가중치가 분산의 역수라는 점이 핵심이다. 분산이 작은(=정밀한) 측정일수록 가중치가 커져서, 추정 결과를 더 강하게 자기 쪽으로 끌어당긴다. 그림 3에서 큰 점이 작은 점보다 추정선을 더 강하게 당기는 것이 바로 이 효과다.
h(x)가 비선형이라 한 번에 풀리지 않으므로, 적당한 초기 추정값(보통 모든 전압 1.0 p.u., 모든 위상각 0인 평평한 시작, flat start)에서 출발해 반복적으로 보정한다. 매 반복에서 측정 함수를 현재 추정점 주변에서 선형화하고, 다음 보정량 Δx를 정규방정식으로 구한다.
이 식 좌변의 G = HTR−1H를 게인 행렬이라 부른다. 게인 행렬은 매우 희소(sparse)하다 — 한 모선은 직접 연결된 이웃 모선하고만 관계가 있기 때문이다. 그래서 실제 구현에서는 희소행렬 기법으로 수만 개 모선 규모의 계통도 1초 안팎에 푼다. 반복은 보통 3~5회면 수렴한다. 이 희소성과 빠른 수렴이, 슈베페의 방식이 반세기 동안 살아남은 실용적 이유다.
상태추정은 (1) 오차 낀 측정값 z를 모아, (2) 신뢰도(분산의 역수)로 가중한 잔차 제곱합 J(x)를 정의하고, (3) 그 J(x)를 최소화하는 전압·위상각 상태 x를 가우스-뉴턴 반복으로 찾는 절차다. 결과는 계통 전체의 일관되고 잡음이 걸러진 단일 상태 스냅샷이다.
상태추정이 제대로 작동하려면 두 가지 질문에 답해야 한다. 첫째, "지금 들어온 측정만으로 계통 전체의 상태를 풀 수 있는가?"(관측가능성). 둘째, "측정 중에 노이즈 수준을 넘어 명백히 틀린 값이 섞여 있는가, 있다면 어느 것인가?"(불량데이터). 이 둘을 책임지는 것이 관측가능성 분석과 불량데이터 처리다.
상태변수가 2n−1개인데 측정이 그보다 적으면, 아무리 잘 풀어도 상태를 유일하게 결정할 수 없다. 마치 미지수가 셋인데 식이 둘뿐인 연립방정식과 같다. 관측가능성 분석은 현재 측정 배치가 전체 계통을 결정하기에 충분한지를 판정하고, 부족하다면 어느 부분이 "관측 불가능한 섬(unobservable island)"인지 찾아낸다.
관측 불가능한 영역이 생기면 의사측정(pseudo-measurement)으로 메운다. 의사측정이란 실제 계측값이 아니라, 부하 예측이나 과거 패턴에서 추정해 넣는 가상의 측정값이다. 다만 의사측정은 신뢰도가 낮으므로 매우 큰 분산(작은 가중치)을 부여해, 실제 측정이 있는 곳의 결과를 흔들지 않게 한다.
측정이 상태변수 개수보다 단지 충분한 정도가 아니라 넉넉하게 많아야 불량데이터를 잡아낼 수 있다. 측정 수와 상태변수 수의 비율 m / (2n−1)를 잉여도(redundancy)라 하고, 실제 송전망 EMS에서는 보통 2에서 4 사이로 운영한다. 잉여도가 충분해야, 한 측정이 틀렸을 때 다른 측정들과의 불일치로 그 사실을 드러낼 수 있다.
같은 거래가 여러 계정에 교차 기록되는 복식부기에서는, 한 곳의 숫자를 잘못 적으면 차변과 대변의 합이 맞지 않아 오류가 즉시 드러난다. 그러나 단 한 번만 기록되는 항목(잉여가 없는 항목)은 틀려도 장부 안에서는 잡아낼 방법이 없다.
상태추정의 잉여도가 바로 이 교차검증의 여유다. 잉여 없이 딱 맞게 측정된 양(임계 측정, critical measurement)은 그것이 틀려도 어떤 통계 검정으로도 검출되지 않는다. 그래서 계측기 배치 설계에서 잉여도 확보가 중요하다.
| 측정 상황 | 잉여도 m/(2n−1) | 불량데이터 처리 |
|---|---|---|
| 관측 불가 영역 | 1 미만(국부적으로 부족) | 상태 결정 불가 → 의사측정으로 보충 |
| 임계 측정 | 1.0(딱 맞음) | 오차가 있어도 검출 불가 |
| 정상 운영 | 2 ~ 4 | 검출 · 식별 · 제거 모두 가능 |
추정이 끝나면 그 결과가 통계적으로 타당한지 검정한다. 가장 널리 쓰는 방법은 카이제곱 검정(chi-square test)이다. 모든 측정이 정상이라면 최소화된 목적함수 값 J(x̂)는 자유도가 m − (2n−1)인 카이제곱 분포를 따라야 한다. 만약 J(x̂)가 임계값을 크게 넘으면, 어딘가에 노이즈를 벗어난 불량데이터가 섞여 있다는 신호다.
불량데이터가 의심되면, 다음으로 어느 측정이 범인인지 찾는다. 표준적인 방법은 정규화 잔차(normalized residual)를 모든 측정에 대해 계산해 그 절댓값이 가장 큰 측정을 의심하는 최대정규화잔차 검정(Largest Normalized Residual test)이다. 그 측정을 제거하고 상태추정을 다시 돌려, 더 이상 불량데이터가 검출되지 않을 때까지 반복한다.
이 전체 과정 — 관측가능성 확인, 추정, 카이제곱 검정, 불량데이터 식별·제거, 재추정 — 이 하나의 자동화된 루프로 매 주기 돌아간다. 운영자는 보통 그 결과로 "상태추정 정상 수렴, 불량데이터 2건 제거됨" 같은 요약만 본다. 그 아래에서 수만 차원의 통계 추정이 조용히 돌아가고 있는 것이다.
상태추정이 "지금 계통이 어떤 상태인가"를 측정으로부터 복원하는 일이라면, 조류계산(Power Flow, 또는 Load Flow, 부하조류계산)은 "이런 발전·부하 조건이 주어지면 각 모선의 전압과 선로 조류는 얼마가 되는가"를 회로 방정식으로 계산하는 일이다. 둘 다 같은 전력방정식을 다루지만 입력과 성격이 정반대다.
조류계산은 각 모선에서 들어오고 나가는 유효전력 P와 무효전력 Q가 회로 방정식과 일치하도록 전압 크기와 위상각을 찾는다. 이 방정식 역시 비선형이라, 뉴턴-랩슨법(Newton-Raphson method)이나 그 변형인 고속분리조류계산(Fast Decoupled Load Flow)으로 반복해 푼다. 송전망은 선로 저항보다 리액턴스가 훨씬 커서 유효전력은 위상각에, 무효전력은 전압 크기에 주로 좌우된다는 성질이 있는데, 고속분리법은 이 성질을 이용해 계산을 둘로 쪼개 더 빠르게 푼다.
상태추정은 의사가 여러 검사 결과(측정)를 종합해 환자의 현재 상태를 진단하는 일이다. 검사에는 오차가 있으니 통계적으로 가장 그럴듯한 진단을 내린다.
조류계산은 "이 환자에게 이 처방을 하면 혈압이 어떻게 변할까"를 미리 계산해보는 시뮬레이션이다. 조건을 정확히 주고 결과를 결정론적으로 예측한다. 오차는 가정하지 않는다.
| 구분 | 상태추정 (SE) | 조류계산 (PF) |
|---|---|---|
| 입력 | 잉여한 측정값(노이즈 포함) | 정확한 운전조건(발전·부하) |
| 문제 성격 | 과결정 → 통계 추정 | 정확결정 → 방정식 풀이 |
| 측정 오차 | 명시적으로 모델링·처리 | 없다고 가정 |
| 주 용도 | 현재 실제 상태 복원 | 가상 시나리오 결과 예측 |
| 대표 알고리즘 | 가우스-뉴턴 WLS | 뉴턴-랩슨 · 고속분리 |
EMS 안에서 조류계산은 두 가지 모드로 쓰인다. 하나는 상정사고 해석의 내부 엔진으로서 수백 번 반복 호출되는 자동 모드이고, 다른 하나는 운영자가 직접 가정을 바꿔보는 디스패처 파워플로우(DPF, Dispatcher Power Flow)다. DPF에서는 상태추정으로 복원한 현재 상태를 출발점(base case)으로 복제해두고, 운영자가 그 사본 위에서 "이 발전기 출력을 200MW 올리면", "이 선로를 점검을 위해 끊으면" 같은 가정을 입력해 그 결과를 미리 본다. 실제 계통은 전혀 건드리지 않으면서, 머릿속 가정을 정량적인 결과로 바꿔주는 운영자의 연습장인 셈이다.
상태추정 없이는 조류계산에 넣을 정확한 현재 조건을 알 수 없고(측정만으로는 모순·불완전), 조류계산 없이는 추정된 현재 상태에서 무엇이 위험한지 미래를 내다볼 수 없다. 상태추정이 현재의 사실을 만들고, 조류계산이 그 사실 위에서 가정을 검증한다.
전력계통 운영의 황금률은 N−1 기준이다. 어떤 단일 설비 — 선로 하나, 변압기 하나, 발전기 하나 — 가 갑자기 고장으로 떨어져 나가도, 남은 계통이 과부하나 전압 붕괴 없이 견뎌야 한다는 원칙이다. 단일 고장은 너무 빠르게 진행되어 운영자가 손쓸 틈이 없으므로, 그 충격을 견디는 능력을 미리 계통 구성 안에 심어두어야 한다는 사고방식이다. 우리나라를 포함한 대부분 국가의 송전계통이 이 N−1 기준으로 운영된다.
상정사고 해석(Contingency Analysis, 또는 안전도 해석)은 이 원칙을 실제로 검증하는 응용이다. 상태추정이 복원한 현재 상태를 기준으로, 미리 정해둔 상정사고 목록(contingency list)의 각 사고를 하나씩 가상으로 일으켜 보고, 그때마다 조류계산을 다시 돌려, 어느 선로가 과부하에 걸리는지·어느 모선 전압이 한계를 벗어나는지를 점검한다. 목록은 보통 수백에서 수천 개에 이른다.
교량 안전팀은 "이 교각이 무너지면 나머지가 하중을 버틸까?"를 교각 하나하나에 대해 미리 계산한다. 한 교각이 빠졌을 때 옆 교각으로 하중이 몰려 한계를 넘는다면, 그 다리는 N−1 기준을 만족하지 못하는 위험한 구조다.
상정사고 해석이 계통에 대해 하는 일이 정확히 이것이다. 단, 점검 대상이 수천 개라 매 분기마다 수천 번의 "교각 붕괴 시뮬레이션"을 자동으로 돌린다.
상정사고가 수천 개인데 각각 완전한 교류 조류계산(AC power flow)을 돌리면 시간이 모자란다. 그래서 두 단계로 나눈다. 먼저 빠르고 거친 선별(contingency screening) 단계에서, 직류 조류 근사나 분포계수 같은 선형 감도 지표로 각 사고의 위험도를 빠르게 점수화한다. 대표적인 지표가 선로탈락분포계수(LODF, Line Outage Distribution Factor)로, "이 선로가 끊기면 그 조류가 다른 선로들로 어떤 비율로 재분배되는가"를 사전에 선형으로 계산해둔 값이다. 이런 감도를 쓰면 곱셈 몇 번으로 사고 후 조류를 근사할 수 있다.
선별로 위험해 보이는 상위 사고만 추려, 그것들에 대해서만 정밀한 교류 조류계산을 돌린다. 위험한 소수에 계산 자원을 집중하는 이 2단계 전략 덕분에, 수천 개의 사고를 실시간 주기 안에 모두 점검할 수 있다. 결과는 위험도 순위(contingency ranking)로 운영자에게 제시되어, 어떤 사고가 가장 임박한 위협인지를 한눈에 보여준다.
상정사고 해석이 "어디가 위험한가"를 알려준다면, 최적조류계산(OPF, Optimal Power Flow)은 "그렇다면 어떻게 운전을 바꿔야 안전하면서도 가장 경제적인가"에 답한다. OPF는 발전기 출력 한계, 선로 조류 한계, 모선 전압 허용 범위 같은 제약을 모두 지키면서, 정해진 목적함수 — 가장 흔히는 총 발전비용, 또는 송전손실 — 를 최소화하는 운전점을 계산하는 최적화 문제다.
현대 EMS의 핵심은 여기서 한 걸음 더 나아간 안전도 제약 최적조류계산(SCOPF, Security-Constrained OPF)이다. 일반 OPF가 "지금 이 순간의 제약"만 지킨다면, SCOPF는 "어떤 N−1 상정사고가 일어나도 위반이 없을 것"이라는 조건까지 제약에 넣는다. 즉 정상 상태뿐 아니라 모든 주요 사고 후 상태까지 동시에 안전하도록 운전점을 잡는다. 상정사고 해석과 최적화가 한 문제 안에서 맞물리는 셈이다.
알레르기 유발 식품을 피하고(전압·조류 제약), 한 끼 분량을 넘기지 않으며(발전 한계), 게다가 "냉장고가 고장 나도 상하지 않을 메뉴"(N−1 안전도)까지 고려하면서, 그 모든 조건을 지키는 가장 싼 장바구니를 찾는 일이 SCOPF다.
제약을 무시하면 더 싸게 살 수 있지만 위험하다. SCOPF는 안전과 경제성의 경계선 위에서 최적점을 찾는다.
이 모든 분석은 결국 계통이 지금 어떤 안전 상태에 있는지를 판정하기 위한 것이다. 전력계통 운영 이론에서는 디 리아코(T. E. Dy Liacco)가 1960년대 후반 제시하고 핑크(L. H. Fink) 등이 확장한 운영 상태 분류를 고전적으로 사용한다. 계통은 다섯 가지 상태를 오간다.
정상 상태(Normal)는 현재 제약을 모두 만족하면서 어떤 단일 사고가 나도 위반이 없는, 즉 안전한 상태다. 주의 상태(Alert)는 지금 당장은 위반이 없지만 어떤 N−1 사고가 나면 위반이 생길 수 있는 취약한 상태다. 비상 상태(Emergency)는 이미 어딘가에서 제약 위반이 일어난 상태이며, 붕괴 상태(In Extremis)는 연쇄 고장으로 광역 정전이 진행되는 최악의 상태다. 복구 상태(Restorative)는 정전 구역을 다시 살려나가는 단계다.
Network Analysis의 목적을 이 다이어그램으로 다시 말하면 명료하다. 상태추정으로 지금 어느 상태에 있는지 판정하고, 상정사고 해석으로 정상인지 주의인지를 가르며, SCOPF로 주의 상태를 예방 제어해 정상으로 되돌리고, 비상 상태에서는 긴급 제어로 위반을 해소한다. 모든 분석이 결국 계통을 안전한 정상 상태에 붙잡아두기 위한 것이다.
지금까지 본 기능들은 따로 노는 것이 아니라, 정해진 순서로 끊임없이 반복되는 하나의 실시간 사이클로 돌아간다. 송전망 EMS에서 상태추정은 보통 수 초에서 수 분 간격으로 주기적으로 실행되고, 그 결과 위에서 상정사고 해석이 이어진다. 추가로, 차단기가 열리거나 닫혀 토폴로지가 바뀌는 순간처럼 계통에 의미 있는 변화가 생기면 주기를 기다리지 않고 즉시 재실행되도록(triggered execution) 설계된다.
이 실시간 사이클과 별도로, 운영자가 가정을 바꿔보는 연구 모드(study mode)가 같은 엔진 위에서 병행된다. 실시간 사이클이 "지금 무슨 일이 벌어지고 있는가"를 끊임없이 갱신한다면, 연구 모드는 "내가 이렇게 하면 어떻게 될까"를 실계통에 손대지 않고 검증하는 운영자의 작업 공간이다. 두 모드가 같은 상태추정·조류·상정사고 엔진을 공유하기에, 실시간 진단과 가정 검증이 한 화면에서 자연스럽게 이어진다.
슈베페가 상태추정을 제안한 1970년의 계통과 지금의 계통은 다르다. 그 변화가 Network Analysis에 새로운 과제를 던지고 있다.
전통적 SCADA 측정은 서로 다른 시점에 비동기로 수집되어, 엄밀히는 같은 순간의 스냅샷이 아니다. 위상측정장치(PMU, Phasor Measurement Unit)는 GPS(Global Positioning System, 위성항법시스템) 시각에 동기화되어 전압·전류의 위상각까지 초당 수십 회 직접 측정한다. PMU 측정이 충분히 깔리면, 위상각을 추정이 아니라 측정으로 얻을 수 있어 상태추정이 선형 문제로 단순해지고, 정적 스냅샷을 넘어 계통의 동적 거동까지 추적하는 광역감시(WAMS, Wide-Area Monitoring System)가 가능해진다. 다만 PMU는 비싸고 데이터량이 많아, 기존 SCADA 측정과 PMU를 함께 쓰는 혼합 상태추정이 현실적 방향이다.
태양광·풍력 같은 재생에너지와 분산전원이 늘면서 조류가 양방향이 되고 변동성이 커졌다. 특히 배전망은 측정 지점이 적어 관측가능성을 확보하기 어렵다. 또한 회전기계 대신 전력변환기(인버터)로 연결되는 인버터 기반 자원(IBR, Inverter-Based Resource)이 늘면서 계통 관성이 줄고 동특성이 빨라졌다. 측정 주기 사이에 계통이 거의 변하지 않는다는 준정상(quasi-steady-state) 가정 위에 서 있던 전통적 상태추정에, 이는 점점 부담이 되고 있다.
Network Analysis가 전적으로 측정 데이터에 의존한다는 사실은, 그 데이터가 조작되면 분석 전체가 속을 수 있다는 취약점이기도 하다. 거짓데이터 주입 공격(FDIA, False Data Injection Attack)은 상태추정의 불량데이터 검출을 통과하도록 정교하게 설계된 거짓 측정값을 주입해, 운영자에게 잘못된 계통 상태를 보여주는 공격이다. 잔차 검정을 우회하도록 공격 벡터를 구성하면, 카이제곱 검정에 걸리지 않으면서도 추정 결과를 원하는 방향으로 왜곡할 수 있다는 점이 2009년 이후 학계에서 본격적으로 지적되었다. 그래서 측정의 무결성 검증, 잉여 계측 설계, 이상탐지 결합이 상태추정의 새로운 요구사항으로 떠올랐다.
계통이 커지고 분석 빈도가 높아지면서, 수천 개 상정사고와 SCOPF를 더 빠르게 푸는 계산 성능이 중요해졌다. 희소행렬 기법의 정교화에 더해, 다수의 상정사고를 동시에 평가하는 병렬화와 그래픽처리장치(GPU, Graphics Processing Unit) 가속이 연구·도입되고 있다. 더 정밀한 모델을 더 자주 풀려는 요구와, 실시간 주기를 지켜야 한다는 제약 사이의 줄다리기가 Network Analysis 구현의 영원한 과제다.
전력은 우리가 가장 당연하게 여기는 인프라다. 스위치를 켜면 불이 들어오는 그 평범함의 뒤에서, EMS의 Network Analysis는 매 순간 수만 개의 측정을 일관된 상태로 번역하고, 일어나지 않은 수천 개의 사고를 미리 겪어보며, 안전과 경제성의 경계선 위에서 다음 한 수를 계산하고 있다.
토폴로지 처리가 계통의 지도를 다시 그리고, 상태추정이 흐릿한 측정에서 진짜 상태를 복원하고, 상정사고 해석이 만약을 미리 겪고, 최적조류계산이 안전한 최저비용 운전점을 찾는다. 이 사슬이 멈추지 않고 돌아가는 한, 거대한 기계는 계속 60Hz로 숨을 쉰다. Network Analysis는 그 숨결을 읽고 지키는, 좀처럼 드러나지 않는 두뇌다.