KAIST 김기응 교수 연구팀, 인공지능 전력망 운영관리 국제대회 1위 달성
KAIST 김기응 교수 연구팀, 인공지능 전력망 운영관리 국제대회 1위 달성
  • 최광민 기자
  • 승인 2020.07.26 15:17
  • 댓글 0
이 기사를 공유합니다

국가 수도 규모의 복잡한 전력망에도 적용 가능한 인공지능 에이전트 개발, 개방형 에너지 클라우드 플랫폼 연구단 기술이 세계적인 수준임을 증명
KAIST 김기응 교수(사진:KAIST)
KAIST 김기응 교수(사진:KAIST)

KAIST(총장 신성철)는 AI대학원(원장 정송) 김기응 교수 연구팀(홍성훈, 윤든솔 석사과정, 이병준 박사과정)이 인공지능 기반 전력망 운영관리 기술을 겨루는 국제경진대회인 `L2RPN 챌린지(Learning to Run a Power Network Challenge 2020 WCCI)'에서 최종 1위를 차지했다고 26일 밝혔다.

이 대회는 머신러닝 연구를 촉진하기 위한 각종 경진대회를 주관하는 비영리단체 ChaLearn, 유럽 최대 전력망을 운영관리하는 프랑스 전력공사의 자회사 RTE(Réseau de Transport d'Électricité)社 및 세계 최대 규모의 전력 회사 SGCC(State Grid of China)의 자회사인 GEIRI North America(Global Energy Interconnection Research Institute, 북미 글로벌 전력망 연계 연구소)에서 공동주최해, 세계 각국의 약 50팀이 약 40일간 (2020.05.20.~06.30) 온라인으로 참여해 성황리에 마감됐다.

전력망의 개요도) 전력망은 전력을 제어하는 변전소들과 그들을 연결하는 송전선들로 구성됨. 화살표는 전류의 방향을 의미하며, 초록색 실선은 전선 용량 대비 안전, 주황색 실선은 송전선 용량을 초과, 회색 점선은 단선을 의미함. 흰색 사각형은 기본적인 변전소, 파란색 원은 공급 전력이 있는 변전소, 보라색 사각형은 소비 전력이 있는 변전소를 의미함.
전력망의 개요도) 전력망은 전력을 제어하는 변전소들과 그들을 연결하는 송전선들로 구성됨. 화살표는 전류의 방향을 의미하며, 초록색 실선은 전선 용량 대비 안전, 주황색 실선은 송전선 용량을 초과, 회색 점선은 단선을 의미함. 흰색 사각형은 기본적인 변전소, 파란색 원은 공급 전력이 있는 변전소, 보라색 사각형은 소비 전력이 있는 변전소를 의미함.

단순한 전력망이 스마트 그리드를 넘어서 에너지 클라우드 및 네트워크로 진화하려면 신재생 에너지의 비율이 30% 이상이 돼야 하고, 신재생 에너지 비율이 높아지면 전력망 운영의 복잡도가 매우 증가한다. 실제로 독일의 경우 신재생 에너지 비율이 30%가 넘어가면서 전력사고가 3,000건 이상 증가할 정도로 심각하며, 미국의 ENRON 사태 직전에도 에너지 발전과 수요 사이의 수급 조절에 문제가 생기면서 잦은 정전 사태가 났던 사례도 있다.

전력망 운영에 인공지능 기술 도입은 아직 초기 단계이며, 현재 사용되고 있는 전력망은 관리자의 개입 없이 1시간 이상 운영되기 힘든 실정이다. 이에 프랑스의 RTE(Réseau de Transport d'Électricité) 社는 전력망 운영에 인공지능 기술을 접목하는 경진대회 `L2RPN'을 2019년 처음 개최했다. 2019년 대회는 IEEE-14라는 14개의 변전소를 포함하는 가상의 전력망에서 단순한 운영을 목표로 열렸다.

전력망 최적화 문제의 개요 (1)인공지능 에이전트는 시뮬레이션 환경으로부터 이전 행동에 대한 적절한 보상을 받고 전력망의 다음 상태를 관측함. (2)관측값을 토대로 다음 행동을 결정함. (3)시뮬레이션 환경은 에이전트의 행동과 시나리오에 의한 외부 요인을 전달받고, (4)이를 반영해 전력망의 다음 상태를 업데이트함. (5)백엔드에서 새로운 전력 공급량을 계산해, 이를 다시 에이전트에게 전달함.
전력망 최적화 문제의 개요 (1)인공지능 에이전트는 시뮬레이션 환경으로부터 이전 행동에 대한 적절한 보상을 받고 전력망의 다음 상태를 관측함. (2)관측값을 토대로 다음 행동을 결정함. (3)시뮬레이션 환경은 에이전트의 행동과 시나리오에 의한 외부 요인을 전달받고, (4)이를 반영해 전력망의 다음 상태를 업데이트함. (5)백엔드에서 새로운 전력 공급량을 계산해, 이를 다시 에이전트에게 전달함.

2020년 대회는 L2RPN 2020 WCCI 챌린지라는 이름으로 특정 국가 수도 규모의 복잡한 전력망을 72시간 동안 관리자의 개입 없이 스스로 안전하고 효율적으로 운영될 수 있는 인공지능 전력망 관리 에이전트를 개발하는 것을 목표로 열렸다. 시간에 따른 공급-수요의 변화, 시설 유지보수 및 재난에 따른 급작스러운 단전 등 다양한 시나리오에 대해 전력망 운영관리 능력의 평가가 이뤄졌다.

김 교수 연구팀은 이번 2020년 대회에서 전력망 구조를 효과적으로 반영할 수 있는 그래프 신경망 모델 기반의 강화학습 에이전트를 개발해 참가했다. 기존의 에이전트들은 소규모의 전력망에서만 적용 가능하다는 한계가 있었지만, 김 교수 연구팀은 국가 수도 규모의 복잡한 전력망에도 적용 가능한 에이전트를 개발했다.

딥러닝을 이용한 전력망 제어 에이전트 학습 구조) 토폴로지를 포함한 전력망 정보를 그래프 구조로 모델링한 후, 그래프 신경망을 이용한 딥러닝과 강화학습을 통해 전력망에 어떻게 제어할지 학습 및 결정함.
딥러닝을 이용한 전력망 제어 에이전트 학습 구조) 토폴로지를 포함한 전력망 정보를 그래프 구조로 모델링한 후, 그래프 신경망을 이용한 딥러닝과 강화학습을 통해 전력망에 어떻게 제어할지 학습 및 결정함.

연구팀이 개발한 인공지능 전력망 운영관리 에이전트는 주어진 모든 테스트 시나리오에 대해 안전하고 효율적으로 전력망을 운영해 최종 1위의 성적을 거뒀다. 우승팀에게는 상금으로 미국 실리콘밸리에 있는 GEIRI North America를 방문할 수 있는 여행경비와 학회참가 비용 3,000달러가 주어진다. 연구진은 앞으로도 기술을 고도화해 국가 규모의 전력망과 다양한 신재생 에너지원을 다룰 수 있도록 확장할 계획이다.

한편, 이번 연구는 과기정통부 에너지 클라우드 기술개발 사업의 지원으로 설치된 개방형 에너지 클라우드 플랫폼 연구단(연구단장 KAIST 전산학부 문수복 교수)과제로 수행됐다.


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.