북한 지역의 27개 기상관측지점의 30년 바람 자료를 이용하여 고도 50 m에서의 풍력밀도를 분석하였다. 27개 지점의 연평균 풍력밀도는 58.6W/$m^2$로 1등급에 해당하는 풍력 자원이었다. 계절에 따른 평균 풍력밀도는 겨울보다 봄에 더 높았으며, 여름에는 봄의 50% 정도의 풍력밀도를 나타냈다. 풍력밀도의 일변화를 보면 거의 모든 관측 지점에서 오후에 비교적 높은 풍력밀도와 오전 3-6시 경에 낮은 풍력밀도를 보였으며, 일변화의 진폭은 봄에 가장 컸다. 특히 내륙 중심부인 개마고원 지역과 함경북도 동북부, 평안도 남부 해안, 황해도 해안 근처에서 비교적 높은 값을 나타냈다. 장진에서의 연평균 풍력밀도는 3등급인 151.2 W/$m^2$를 나타냈으며, 용연은 2등급인 102.4 W/$m^2$의 값을 보였다.
북한 지역의 27개 기상관측지점의 30년 바람 자료를 이용하여 고도 50 m에서의 풍력밀도를 분석하였다. 27개 지점의 연평균 풍력밀도는 58.6W/$m^2$로 1등급에 해당하는 풍력 자원이었다. 계절에 따른 평균 풍력밀도는 겨울보다 봄에 더 높았으며, 여름에는 봄의 50% 정도의 풍력밀도를 나타냈다. 풍력밀도의 일변화를 보면 거의 모든 관측 지점에서 오후에 비교적 높은 풍력밀도와 오전 3-6시 경에 낮은 풍력밀도를 보였으며, 일변화의 진폭은 봄에 가장 컸다. 특히 내륙 중심부인 개마고원 지역과 함경북도 동북부, 평안도 남부 해안, 황해도 해안 근처에서 비교적 높은 값을 나타냈다. 장진에서의 연평균 풍력밀도는 3등급인 151.2 W/$m^2$를 나타냈으며, 용연은 2등급인 102.4 W/$m^2$의 값을 보였다.
Wind power density distribution over the North Korea territory was investigated by using 30-year wind observations at 27 meteorological stations. The mean annual wind power density over North Korea turned out to be 58.6W/$m^2$, which corresponds to the wind power class of 1. The wind powe...
Wind power density distribution over the North Korea territory was investigated by using 30-year wind observations at 27 meteorological stations. The mean annual wind power density over North Korea turned out to be 58.6W/$m^2$, which corresponds to the wind power class of 1. The wind power density shows a seasonal variation, having the highest density in spring and the lowest in summer. In particular, the wind power density in summer is about a half of that in spring. The diurnal variation of the wind power density shows that the highest and lowest densities occur in the afternoon and between 3 and 6 am in local time, respectively. The most potential wind energy generation regions are the Gaema Plateau in the central region, the northeast part of Hamgyeongbuk-do, the south coast of Pyongan-do and the west coast of Hwanghae-do. The mean annual wind power density in Changjin is 151.2W/$m^2$, which is equivalent to the class of 3. In Ryongyon, the annual mean wind power density is 102.4W/$m^2$, which belongs to the class of 2.
Wind power density distribution over the North Korea territory was investigated by using 30-year wind observations at 27 meteorological stations. The mean annual wind power density over North Korea turned out to be 58.6W/$m^2$, which corresponds to the wind power class of 1. The wind power density shows a seasonal variation, having the highest density in spring and the lowest in summer. In particular, the wind power density in summer is about a half of that in spring. The diurnal variation of the wind power density shows that the highest and lowest densities occur in the afternoon and between 3 and 6 am in local time, respectively. The most potential wind energy generation regions are the Gaema Plateau in the central region, the northeast part of Hamgyeongbuk-do, the south coast of Pyongan-do and the west coast of Hwanghae-do. The mean annual wind power density in Changjin is 151.2W/$m^2$, which is equivalent to the class of 3. In Ryongyon, the annual mean wind power density is 102.4W/$m^2$, which belongs to the class of 2.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서, 본 연구에서는 북한의 30년간 지상관측 바람 자료를 이용하여 공기의 운동에너지 분포에 대해 분석함으로써 북한의 전체적인 풍력자원의 분포와 그 특성을 파악하고자 한다. 따라서 이 연구는 북한의 풍력 에너지 활용의 경제성 평가와 풍력 자원 선정을 위한 기초 자료로 활용될 수 있을 것이다.
가설 설정
공기의 이동으로 형성된 운동에너지는 통과한 공기의 질량(m)과 풍속(V)의 함수로, 바람에 의한 단위 시간당풍력(wind power)은 다음과 같이 나타낼 수 있다. 단, 시간에 따른 풍속의 변화가 없다고 가정한다.
제안 방법
두 접근방법 모두가 바람이 강할 때가 장 잘 적용 가능하며, 대체로 6m에서 164 m 사이의 바람을 추정할 때 바람지수식이 로그식보다 실제바람을 더 잘 표현하는 것으로 알려져 있다(Zhang, 1981). 따라서 이 연구에서는 바람지수식을 이용하여 지상 10 m에서의 풍속을 지상 50 m 고도로 외삽하였다(서은경 외, 2009). 바람지수식에서 지수는 지표면난류 경계층에서 고정된 값(0.
따라서 이 연구에서는 바람지수식을 이용하여 지상 10 m에서의 풍속을 지상 50 m 고도로 외삽하였다(서은경 외, 2009). 바람지수식에서 지수는 지표면난류 경계층에서 고정된 값(0.143)을 갖는 것으로 가정하기도 하지만(Weisser and Foxon, 2003), 본 연구에서는 위의 값을 사용하기 보다는 미국지질조사소(The United States Geological Survey: USGS)의 32개 거칠기 길이 분류표를 사용하여 각 관측소의 지면 거칠기 길이의 분포 얻었으며, 이를 바탕으로 계산된 지수 값을 사용하였다(서은경 외, 2009). 특히 북한의 자료에 대해서는 30년간의 장기간의 자료를 사용함으로써 무작위 오차(random error)를 현저히 낮출 수 있을 것으로 기대되지만, 계통 오차(systematic error)에 대한 양질의 검사를 수행할 수 없는 상황이어서 무풍의 경우에 위의 두 접근 방법을 통해 특정고도에서의 풍속으로 외삽할 경우 실제 바람보다 과소 평가될 수 있는 문제가 발생할 수 있다.
본 연구는 북한의 27개 관측소의 1978년 1월 2008년 12월까지의 30년간 3시간 간격, 지표로부터 10 m 고도의 풍속과 풍향의 자료를 이용하여 북한지역의 풍력을 분석하였다. 27개 기상관측지점은 북한의 9개의 각 도에 골고루 분포하고 있어서 이 지역의 전체적인 풍력 특성을 파악하는데 충분할 것으로 보이지만, 북한 관측소의 30년간 바람 자료는 무풍을 많이 포함하고 있었다(서은경 외, 2009).
이 절은 북한 기상관측소의 바람 자료와 와이블함수를 바탕으로 (9)을 이용하여 연평균 및 계절평균의 풍력밀도 분포를 분석하였으며, 이를 Table 1에 정리하였다.
대상 데이터
본 연구는 북한 지역의 전체적인 풍력 특성을 파악하기 위하여 각 도에 골고루 분포하고 있는 27개 관측소의 30년 관측 바람 자료를 사용하였다. 이 분석을 통해 북한 관측소들의 바람 자료들은 무풍을 많이 포함하고 있음을 알 수 있었지만 이 바람 자료에 대해서는 양질의 검사를 수행할 수 없는 상황이었다.
이론/모형
특히 북한의 자료에 대해서는 30년간의 장기간의 자료를 사용함으로써 무작위 오차(random error)를 현저히 낮출 수 있을 것으로 기대되지만, 계통 오차(systematic error)에 대한 양질의 검사를 수행할 수 없는 상황이어서 무풍의 경우에 위의 두 접근 방법을 통해 특정고도에서의 풍속으로 외삽할 경우 실제 바람보다 과소 평가될 수 있는 문제가 발생할 수 있다. 이 문제를 완화하기 위하여 풍속의 확률밀도함수(probability density function)를 사용하였다.
성능/효과
(9)
(9)로부터 풍력에너지 밀도는 평균 풍속, 공기의 밀도와 풍속의 분포 특성에 의해 결정됨을 알 수 있다
. 또한, 풍력 발전기에서 생성되는 전력생산량은 발전기의 회전자 면적과 밀접한 관계가 있음을 알 수 있다.
겨울보다 봄에 평균 풍속이 높게 나타났으며, 이에 따라 풍력밀도도 봄에 높게 나타났다. 각 계절별 평균 풍력에너지의 전체적 분포는 연평균 풍력밀도의 분포와 비슷하지만 풍력밀도의 수평적 경도는 봄에 가장 강했으며, 여름에 가장 약한 경도를 보였다(Fig. 4).
5에 나타내었다. 거의 모든 27개 지점이 오후에 비교적 높은 풍력밀도와 오전 3-6시 경에 낮은 풍력밀도를 보였으며, 오후 동안의 풍력밀도의 증가가 뚜렷이 나타났다. 풍력밀도 일변화의 진폭이 봄에 가장 큰 값을 보였다.
80m 고도에서는 선봉, 양덕, 용연, 해주가 1등급에서 2등급으로 변하며, 장진은 3등급으로 상향된다. 따라서 장진 지역의 경우에는 50 m 고도에서 봄과 겨울동안 3등급, 가을에는 3등급에 가까운 풍력밀도를 보였다. 선봉은 특히 겨울 동안의 풍력밀도가 3등급에 해당했다.
6 W/m2이었다. 북한 전 지역의 풍력밀도 분포는 내륙 중심부의 개마고원 지역에서 뚜렷이 높은 값을 보였으며, 함경북도 동북부, 평안도 남부 해안, 황해도 해안 근처에서 비교적 높은 값을 나타냈다. 전체적으로 동해안보다 서해안 지역에서 높은 풍력밀도를 보임에 따라, 대륙붕이 잘 발달한 서해안에 해상 풍력발전소를 건립하는데 있어서 유리할 것으로 보인다.
6W/m2이었다. 연평균 풍력밀도가 50 W/m2 미만인 지점이 전체 관측소의 44%, 100 W/m2 미만인 지점이 93%를 차지하였다. 남한지역의 경우 77개 관측소의 연평균 풍속은 3.
북한 전 지역의 풍력밀도 분포는 내륙 중심부의 개마고원 지역에서 뚜렷이 높은 값을 보였으며, 함경북도 동북부, 평안도 남부 해안, 황해도 해안 근처에서 비교적 높은 값을 나타냈다. 전체적으로 동해안보다 서해안 지역에서 높은 풍력밀도를 보임에 따라, 대륙붕이 잘 발달한 서해안에 해상 풍력발전소를 건립하는데 있어서 유리할 것으로 보인다.
특히 내륙 중심부의 개마고원 지역에서 뚜렷이 높은 풍력밀도를 나타냈으며, 함경북도 동북부, 평안도 남서 해안, 황해도 해안 근처에서 비교적 높은 풍력밀도를 나타냈다. 전체적으로 동해안보다 서해안지역에서 높은 풍력밀도를 보임에 따라, 대륙붕이 잘 발달한 서해안에 해상 풍력발전소를 건립하는 것이 유리할 것으로 보인다.
이 기간 동안 전체 자료 중 무풍은 여름, 가을, 겨울 동안 약 44%이었으며, 봄 동안은 38%에 달하였다. 참고로 남한지역, 무인기상관측소 성주, 고령, 달성, 서구지점의 5년(2005-2009년) 동안 관측한 바람 중 무풍빈도는 각각 20, 33, 5, 1%로 나타났다.
3). 특히 내륙 중심부의 개마고원 지역에서 뚜렷이 높은 풍력밀도를 나타냈으며, 함경북도 동북부, 평안도 남서 해안, 황해도 해안 근처에서 비교적 높은 풍력밀도를 나타냈다. 전체적으로 동해안보다 서해안지역에서 높은 풍력밀도를 보임에 따라, 대륙붕이 잘 발달한 서해안에 해상 풍력발전소를 건립하는 것이 유리할 것으로 보인다.
특히 풍력밀도는 풍속의 세제곱에 비례하므로 조그만 풍속의 차이가 풍력밀도의 높은 차이를 가져오기 때문에 풍속의 수평적 분포와는 달리 풍력밀도는 높은 수평적 경도를 보였다. 따라서 풍력발전소 선정을 위해 특별 관측을 실시할 경우 선정 주변 지역을 상세하게 관측할 필요가 있다.
겨울보다 봄에 평균 풍력밀도가 10% 이상 높게 나타났으며, 여름은 봄의 50% 정도의 에너지밀도를 나타냈다. 풍력밀도의 일변화를 보면 거의 모든 27개 지점이 오후에 비교적 높은 풍력밀도와 오전 3-6시 경에 낮은 풍력밀도를 보였다. 풍력밀도 일변화의 진폭이 봄에 가장 컸으며, 여름에 가장 작은 값을 보였다.
특히 전력난을 겪고 있는 북한에서는 대체 에너지 개발을 위해 풍력발전을 활용하는 방안이 확대 추진되고 있다. 풍력의 발전 단가는 기존 발전 방식인 수력이나 원자력에 비해선 높은 편이지만, 태양광이나 연료전지 등 다른 친환경 대체에너지보다는 훨씬 낮은 것으로 알려졌다. 일반적으로 1 GWh의 전력을 얻기 위한 풍력 발전의 소요 면적은 약 1,335 m2/GWh이다.
후속연구
, 2005). 따라서 본 연구는 30년간의 바람 자료를 사용하기 때문에 외삽으로 인한 오차가 상당히 줄어들 것으로 기대된다.
따라서, 본 연구에서는 북한의 30년간 지상관측 바람 자료를 이용하여 공기의 운동에너지 분포에 대해 분석함으로써 북한의 전체적인 풍력자원의 분포와 그 특성을 파악하고자 한다. 따라서 이 연구는 북한의 풍력 에너지 활용의 경제성 평가와 풍력 자원 선정을 위한 기초 자료로 활용될 수 있을 것이다. 본 연구에서 사용한 30년간의 기상관측소 자료의 이용은 분석된 풍력 자원 분포에 대한 신뢰성을 한층 높일 수 있을 것으로 기대된다.
따라서 이 연구는 북한의 풍력 에너지 활용의 경제성 평가와 풍력 자원 선정을 위한 기초 자료로 활용될 수 있을 것이다. 본 연구에서 사용한 30년간의 기상관측소 자료의 이용은 분석된 풍력 자원 분포에 대한 신뢰성을 한층 높일 수 있을 것으로 기대된다.
이 분석을 통해 북한 관측소들의 바람 자료들은 무풍을 많이 포함하고 있음을 알 수 있었지만 이 바람 자료에 대해서는 양질의 검사를 수행할 수 없는 상황이었다. 하지만 30년간의 장기간의 자료를 사용함으로써 무작위 오차를 현저히 낮출 수 있을 것으로 기대된다. 그럼에도 불구하고 본 연구의 정략적 분석 결과는 북한자료의 불확실성을 포함할 수 있음을 예상할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
북한의 풍력 자원 조사단을 통한 자료 수집 결과를 통해 무엇을 알 수 있는가?
북한은 1978년에 풍력 자원 조사단을 구성하여 지난 20년 동안 북한 전 지역 130개 지점에서 풍속 데이터 측정기를 설치하여 풍속 자료를 수집해왔다(이유진 외, 2007). 이 결과 연평균 풍속이 4.5 m/s인 지역이 국가 전 면적의 18%를 차지하는 것으로 나타났으며, 이 자료를 바탕으로 4GW에 달하는 풍력에너지를 만들어 낼 수 있는 기후적 여건을 가지고 있음을 보고하고 있다(손충렬, 2006). 2007년에는 총 5천 kW의 풍력발전을 시범 단지에 설치하여 풍력발전 도입 범위를 확대해 나갈 계획이며(조동호 외,2007), 중장기적으로 2020년까지 풍력 단지 조성 및 풍력 에너지 분야 개발을 통해 총 풍력 발전 에너지량이 500 MW에 이를 것으로 예상하고 있다(손충렬,2006).
북한이 1978년에 풍력 자원 조사단을 구성하여 무엇을 수집하였는가?
북한은 1978년에 풍력 자원 조사단을 구성하여 지난 20년 동안 북한 전 지역 130개 지점에서 풍속 데이터 측정기를 설치하여 풍속 자료를 수집해왔다(이유진 외, 2007). 이 결과 연평균 풍속이 4.
북한이 화석에너지에 전적으로 의존하기 때문에 어떤 것이 필요하게 되었는가?
북한은 2005년에 지구온난화의 규제 및 방지를 위한 국제협약인 유엔기후변화협약인 교토의 정서에 동참하였다(손충렬, 2006; 장용훈, 2005). 화석에너지에 전적으로 의존하는 북한으로서는 새로운 대체 에너지의 중요성이 대두되었고, 이에 따라 에너지 공급 방식의 다양화가 필요하게 되었다. 특히 전력난을 겪고 있는 북한에서는 대체 에너지 개발을 위해 풍력발전을 활용하는 방안이 확대 추진되고 있다.
참고문헌 (28)
경남호, 윤정은, 장문석, 장동순, 2003, 한반도 해역의 해상풍력자원 평가. 한국태양에너지학회 논문집, 23, 35-41.
Celik, A.N., 2003, A statistical analysis of wind power density based on the Weibull and Rayleigh models at the southern region of Turkey. Renewable Energy, 29, 593-604.
Elliot, D.L., Holladay, C.G., Barchet, W.R., Foote, H.P., and Sandusky, W.F., 1986, Wind energy resource Atlas of the United States. Solar Energy Research Institute (now the National Renewable Energy laboratory). Golden, Colorado. Available online, http://rredc.nrel.gov/ wind/pubs/atlas.
Jewer, P., Iqbal, M.T., and Khan, M.J., 2005, Wind energy resource map of labrador. Renewable Energy, 30, 989-1004.
Nyouky, P., 2009, A feasibility study on wind energy resource for utility-scale application: A case analysis from Greater Banjul Area, The Gambia. A Master’s Thesis, National Central University in Taiwan, 88 p.
Panofsky, H., 1973, Tower micrometeorology. Workshop on Micrometeorology, American Meteorological Society,151-176.
Panofsky, H.A. and Dutton, J.A., 1984, Atmospheric turbulence.John Wiley and Sons, NY, USA, 397 p.
Stevens, M.J. and Smulders, P.T., 1979, The estimation of the parameters of the Weibull wind speed distribution for wind energy utilization purposes, Wind Engineering, 3, 132-145.
Weisser, D. and Foxon, T.J., 2003, Implications of seasonal and diurnal variations of wind velocity for power output estimation of a turbine: A case study of Grenada, International Journal of Energy Research, 27,1165-1179.
Zhang, S.F., 1981, A statistical analysis of the power law and the logarithmic law using wind data from a 164 m tower. Boundary-Layer Meteorology, 20, 117-123.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.