This Paper deals with the optimum energy management of Microgrid (MG) having Energy-Storage System(ESS)s. Recently, the importance of retaining the profits of MG owners and the needs of providing additional requirements to the electric grid are rising. To accommodate these needs systematically, the Quadratic Programming (QP), one of the simplest and effective optimization method, is gaining attention. The QP has been used for similar cases before, but unlike the known advantages of early QP studies, some of the subsequent papers have been conducted in an inappropriate direction and may be overshadowed. Therefore in this paper, an extended and more practical QP cost function considering the realistic operating conditions is proposed, and the advantages of the original methods are revisited with comparisons. As a result, the proposed method retains the genuine features of QP, such as peak power shaving and assuring the power reserve rate, and can be simply extended to include Electric Vehicle (EV)s into the optimization. Additionally, the practical issues of implementing the QP in real-time have been discussed and resulted in both improved optimization speed by 58% using the cost function reformulation and the robustness with the forecast mismatching.

본 논문은 ESS(Energy-Storage System)를 구비한 마이크로그리드(MG)의 최적 에너지 관리에 대해 다룬다. 최근에는 MG 소유자의 보호를 유지하는 것의 중요성과 전력망에 대한 추가 요구 사항을 제공해야 할 필요성이 증가하고 있습니다. 이러한 요구를 체계적으로 수용하기 위해 가장 간단하고 효과적인 최적화 방법 중 하나인 QP(Quadratic Programming)가 주목받고 있습니다. QP는 이전에도 유사한 사례에 사용되었지만 초기 QP 연구의 알려진 이점과 달리 일부 후속 논문은 부적절한 방향으로 수행되어 가려질 수 있습니다. 따라서 본 논문에서는 현실적인 운영 조건을 고려하여 확장되고 보다 실용적인 QP 비용 함수를 제안하고, 비교를 통해 기존 방법의 장점을 재검토한다. 결과적으로 제안된 방법은 피크 전력 절감 및 전력 예비율 보장과 같은 QP의 진정한 기능을 유지하고 최적화에 전기 자동차(EV)를 포함하도록 간단히 확장할 수 있습니다. 또한 실시간으로 QP를 구현하는 실제 문제가 논의되었으며 비용 함수 재구성을 사용하여 최적화 속도가 58% 향상되고 예측 불일치로 robustne가 향상되었습니다.