[논문]AWS 풍황데이터를 이용한 강원풍력발전단지 연간에너지발전량 예측

우재균; 김현기; 김병민; 백인수; 유능수

doi:10.7836/kses.2011.31.2.072

[국내논문] AWS 풍황데이터를 이용한 강원풍력발전단지 연간에너지발전량 예측
Prediction of Annual Energy Production of Gangwon Wind Farm using AWS Wind Data 원문보기 논문타임라인

한국태양에너지학회 논문집 = Journal of the Korean Solar Energy Society, v.31 no.2, 2011년, pp.72 - 80

우재균 (강원대학교 대학원 기계메카트로닉스공학과) , 김현기 (강원대학교 대학원 기계메카트로닉스공학과) , 김병민 (강원대학교 대학원 기계메카트로닉스공학과) , 백인수 (강원대학교 기계메카트로닉스공학과) , 유능수 (강원대학교 기계메카트로닉스공학과)

Abstract ▼ AI-Helper

The wind data obtained from an AWS(Automated Weather Station) was used to predict the AEP(annual energy production) of Gangwon wind farm having a total capacity of 98 MWin Korea. A wind energy prediction program based on the Reynolds averaged Navier-Stokes equation was used. Predictions were made for three consecutive years starting from 2007 and the results were compared with the actual AEPs presented in the CDM (Clean Development Mechanism) monitoring report of the wind farm. The results from the prediction program were close to the actual AEPs and the errors were within 7.8%.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

하지만 풍속이 아닌 풍력에너지 또는 발전량 예측을 수행한 연구는 문헌상에서 찾아보기 매우 어렵다. 따라서, 본 연구에서는 국내 최대의 98MW 풍력발전단지인 강원풍력발전단지의 발전량을 인근 자동기상관측소의 자료와 상용 CFD프로그램을 이용하여 예측하고 이를 실제 발전량과 비교 분석하여, 그 적용 가능성을 알아보고자 한다.
본 연구에서 해석 프로그램으로 사용된WindSim 프로그램은 1997년 노르웨이의 WindSim AS사에 의해 유동장과 풍력자원 계산을 위해 개발되었다. 전산유체역학(CFD: Computational Fluid Dynamics)에 기반을 둔 프로그램인 WindSim은 3차원 유동장(Flow Field)의 비선형 해를 얻기 위해 비압축성 유동에 대한 Reynolds Averaged Navier - Stokes (RANS)식과 Standardk - epsilon난류모델을 사용한다[13].

가설 설정

해석을 위해 고도에 따라서 풍속이 변화하는 대기 경계층의 높이는 500m로 가정되었으며, 이 값은 많은 문헌상에서 지균풍의 높이를 설명하기 위해 많이 사용되는 높이이다 [13]. 대기 경계층 밖의 풍속은 10m/s로 일정한 값으로 설정되어 해석에 적용되었다.

제안 방법

WindSim에서 계산된 풍력발전기 발전량은 15°C 해수면 대기압에서의 공기밀도인 1.225kg/m3일 때의 발전량이므로 실제 강원 풍력발전단지에 적용된 풍력발전기의 발전량을 계산하기 위해, 각각의 풍력발전기 허브고도에 대한 온도와 압력을 계산하여 이로부터 밀도를 계산하고 발전량을 보정하였다.
225kg/m³일 때의 발전량이므로 실제 강원 풍력발전단지에 적용된 풍력발전기의 발전량을 계산하기 위해, 각각의 풍력발전기 허브고도에 대한 온도와 압력을 계산하여 이로부터 밀도를 계산하고 발전량을 보정하였다. 각 풍력발전기 별 온도와 압력 계산을 위해 약 12.3km 떨어진 강릉기상대(해발고도 26m)에서 측정된 약 40년동안의 연평균 온도와 압력을 기준으로 문헌에 제시된 다음의 식을 이용하여 각 풍력발전기의 허브 높이에 대한 값으로 보정한 후 밀도를 계산하였다[11].
바람 유동장에 영향을 미치는 지표거칠기는 그림 8에 제시된 바와 같이 서로 다른 4개의 영역으로 나누어 설정하였다. 각각의 영역에 대한 지표거칠기 값은 바다와 강(Sea, River)은 Roughness class 0, 농경지(Farmland)에 해당 하는 영역은 Roughness class 1, 마을(Village)에 해당하는 영역은 Roughness class 2.8, 그리고 숲(Forest)에 해당하는 영역은 Roughness class 3.0으로 설정하여 모델링하였다[15].
이는 그러나 그림 4에 제시된 기상관측기의 측정 자료에서 2007년의 연평균 에너지 밀도가 다른 해와 비교하여 크게 차이가 나지 않는다는 사실과 비교해 볼 때 서로 상충되는 결과이다. 따라서, 그 이유를 알아보기 위해, 연도별 각 풍력발전기에서의 발전량을 비교하였다. 그림 9와 그림 10은 각각 풍력발전기 배치도와 그에 해당하는 연간 풍력발전기별 발전량을 보여주고 있다.
따라서, x, y축 방향의 경계와 인접한 영역의 해석은 Log Profile의 경계조건의 영향을 받게 되므로 본 연구에서는 지도 경계로부터 최단거리의 풍력발전기까지의 거리를 적어도 5km 이상으로 고려하여 Map Size를 30km×30km로 결정하였다.
자동기상관측소(AWS)의 데이터를 이용하여 CFD프로그램인 WindSim 프로그램을 통해 강원풍력발전단지의 연간에너지발전량을 예측하였다. 예측된 2007년～2009년 동안의 연간발전량과 실측된 연간에너지 발전량의 비교를 통하여 자동기상관측소(AWS)의 데이터 이용가능성을 검토하였다. 가동율을 96%로 가정하고, 인근 강릉 기상대의 온도와 압력 데이터를 각 풍력발전기 허브 높이로 보정하고, 각각의 연 평균 밀도를 이용하여 WindSim의 연간 발전량 예측결과를 보정 하였을 때 실측 연간발전량과 비교하여 7.
자동기상관측소(AWS)의 데이터를 이용하여 CFD프로그램인 WindSim 프로그램을 통해 강원풍력발전단지의 연간에너지발전량을 예측하였다. 예측된 2007년～2009년 동안의 연간발전량과 실측된 연간에너지 발전량의 비교를 통하여 자동기상관측소(AWS)의 데이터 이용가능성을 검토하였다.

대상 데이터

강원풍력발전단지는 강원도 평창군 대관령에 위치한 국내 최대 규모의 98MW급 풍력발전단지로서 총 풍력발전기 49기가 설치되어있다. 강원풍력발전단지를 구성하는 풍력발전기는 VESTAS사의 2MW급 풍력발전기(V80-2000)이다. 풍력발전기 로터(Rotor)의 지름은 80m이며, 허브(Hub) 높이는 일반적인 VESTAS V80 풍력발전기보다 낮은 60m 이다.
표 4에 제시된 실측 발전량과 WindSim의 해석결과의 비교를 위해서는 강원풍력발전단지의 가동률이 고려되어져야 한다. 강원풍력발전단지의 각 해의 가동률은 대략적으로 96%정도라고 알려져 있어[14], 이를 2007년～2009년 까지 동일하게 해석 결과에 적용하였다. 따라서, 본 연구의 결과에는 이에따른 불확도가 존재하게 된다.
방향은 그림 4의 방향별 풍향빈도가 높은 W(270°), WNW(300°), E(90°), ESE(120°), ENE(60°), WSW(240°)의 6방위를 선택하였다.
풍황예측 프로그램을 이용한 연간발전량예측을 위해서는 적어도 1년 이상의 10분 평균된 풍속 및 풍향데이터가 필요하다. 본 연구에 사용된 자동기상관측소(AWS)의 데이터는 10m의 높이에서 측정된 10분 평균 풍속 및 풍향 데이터이다. 해석을 위해 2007년∼2009년까지 총 3년의 데이터가 이용되었으며 데이터의 회수율(RecoveryRate)은 약 99%에 달하였다.
z 방향의 셀 크기는 지면에서 가까울수록 작아지고 지면에서 멀어질수록 커지도록 설정하였다. 본 연구에서 사용된 풍황데이터는 풍속과 풍향의 측정높이가 10m이므로 z 방향으로의 가장 작은 셀의 크기가 측정높이인 10m보다 작도록 설정하였다. 지면에서 가까운 10개의 셀의 높이의 최소값과 최대값이 표 3에 제시되어 있다.
실측 풍황자료를 얻기 위해서는 기상관측 타워를 설치하거나, 우리나라 전역에 설치된 자동기상관측기 (AWS) 의 데이터를 이용하게 된다. 기상관측타워 설치를 통한 자료의 입수는 타워설치 및 데이터 측정을 위해 시간 및 경제적 부담이 따르게 되지만 질이 좋은 풍황자료를 얻을 수 있고, 반면 자동기상관측소의 데이터를 이용하는 경우 시간적, 경제적인 부담은 적지만 지면으로 부터의 측정 높이가 낮아 풍황 데이터의 정확도에 문제가 있을 수 있게 된다.
해석을 위해 2007년∼2009년까지 총 3년의 데이터가 이용되었으며 데이터의 회수율(RecoveryRate)은 약 99%에 달하였다.

이론/모형

WindSim 해석을 수행하기 위한 격자 생성 방법은 관심영역에 대하여 셀(Cell)을 조밀하게 나누고 관심영역 밖에서는 비교적 덜 조밀하게 나누게 되는 Refinement Method를 사용하였으며, 그 결과가 표 2에 제시되었다. 표에서 알 수 있듯이, 총 셀 수는 x방향 290개, y방향 288개, z 방향 50개로 총 400만개 정도이며,직사각형의 Refinement영역 안에서의 셀의 x-y 크기는 50.
0065K/m 를 사용하였다. 각 풍력발전기 높이에서의 온도와 압력을 계산한 이후 식 (3)의 이상기체 상태 방정식을 이용하여 공기의 밀도를 계산하였다.
자동기상관측소(AWS)의 풍황데이터를 이용하여 예측한 강원풍력발전단지의 연간에너지발전량과 실제 연간에너지발전량의 비교를 위해서 강원풍력발전단지의 CDM 보고서 내의 모니터링 (Monitering)분야 보고서를 참조하였다 [12]. CDM 보고서에는 강원풍력발전단지의 2007년, 2008년 그리고 2009년의 실측연간에너지 발전량이 제시되어 있으며, 실측 연간에너지발전량이 표 4에 제시되어져 있다.
본 연구에서 해석 프로그램으로 사용된WindSim 프로그램은 1997년 노르웨이의 WindSim AS사에 의해 유동장과 풍력자원 계산을 위해 개발되었다. 전산유체역학(CFD: Computational Fluid Dynamics)에 기반을 둔 프로그램인 WindSim은 3차원 유동장(Flow Field)의 비선형 해를 얻기 위해 비압축성 유동에 대한 Reynolds Averaged Navier - Stokes (RANS)식과 Standardk - epsilon난류모델을 사용한다[13].

성능/효과

예측된 2007년～2009년 동안의 연간발전량과 실측된 연간에너지 발전량의 비교를 통하여 자동기상관측소(AWS)의 데이터 이용가능성을 검토하였다. 가동율을 96%로 가정하고, 인근 강릉 기상대의 온도와 압력 데이터를 각 풍력발전기 허브 높이로 보정하고, 각각의 연 평균 밀도를 이용하여 WindSim의 연간 발전량 예측결과를 보정 하였을 때 실측 연간발전량과 비교하여 7.8% 이내의 오차를 보였다.
최근 자동 기상관측 데이터를 CFD 풍황해석 프로그램에 적용하여 복잡지형의 풍력자원해석을 수행하는 연구가 수행되었다[9]. 그 결과, 자동기상관측소의 풍황데이터가 복잡지형에서의 풍속을 예측하는데 적용가능하다는 연구결과가 제시되었다. 하지만 풍속이 아닌 풍력에너지 또는 발전량 예측을 수행한 연구는 문헌상에서 찾아보기 매우 어렵다.
따라서, 2008년과 2009년에는 서풍이 증가한 상황에서 지형적으로서(270°)쪽 방향으로 경사진 지형들에서 바람의 SpeedUp 현상이 보다 크게 예측되어, 전체적으로 발전량이 2007년에 비해 다소 증가되어 예측된 것으로 판단된다.
자동 기상관측기 풍황자료와 WindSim을 이용하여 2007년～2009년 강원풍력발전단지의 발전량을 예측한 결과 모든 해에 대하여 약 8% 이내의 해석 오차를 보여주었다. 하지만, 연간 발전량 예측을 서로 비교해 보면 2007년의 경우 다른 해에 비해 WindSim 의 예측 발전량이 다소 작은 것을 알 수 있다.
표에서 살펴보면, 1, 13, 41의 풍력발전기의 경우 2007년에서 2008, 2009의 변화를 살펴보면 ENE(60°), WSW(240°) 방향의 발전량이 감소하였으며, 이와 유사한 크기로 W(270°), WNW(300°), E(90°), ESE(120°) 방향의 발전량이 증가하였음을 알 수 있다.
WindSim 의 발전량 예측결과를 위의 보정식을 이용하여 보정한 결과가 표 5에 제시되어 있다. 표에서 알 수 있듯이 WindSim의 해석결과는 실측연간발전량과 2007년 -7.8%, 2008년 +1.9%, 2009년 +5.1%의 오차를 보이고 있어 모든 경우에 있어 7.8% 이내의 일관된 예측 우수성을 보여주고 있다. 오차에서의 +/-는 실측AEP에 대한 과/소 예측을 각각 나타낸다.
표에서 알 수 있듯이, 총 셀 수는 x방향 290개, y방향 288개, z 방향 50개로 총 400만개 정도이며,직사각형의 Refinement영역 안에서의 셀의 x-y 크기는 50.8m, 70.7m 이며, 그 이외의 지역은 보다 큰 범위를 갖게 된다.
일반적으로 자동기상관측소(AWS)데이터는 설치고도가 낮고, 풍속 및 풍향을 측정하는 높이가 지표면에서 10m 정도로 낮아 지형적인 영향을 많이 받기 때문에, 발전량 예측에 있어 사용하기 적합하지 않은 데이터로 알려져 있다. 하지만, 이번 연구에 적용된 대관령 자동기상관측기의 경우, 강원풍력발전단지와의 거리 그리고 고도차이가 크지 않아, 해석 프로그램을 이용한 예측이 실측값과 매우 근접함을 알 수 있었다. 하지만, WindSim 프로그램의 예측 정확성을 보다 면밀히 비교 분석하기 위해서는 복잡지형에서의 더 많은 해석 데이터의 비교 분석이 이루어져야 할 것이다.

후속연구

하지만, 이번 연구에 적용된 대관령 자동기상관측기의 경우, 강원풍력발전단지와의 거리 그리고 고도차이가 크지 않아, 해석 프로그램을 이용한 예측이 실측값과 매우 근접함을 알 수 있었다. 하지만, WindSim 프로그램의 예측 정확성을 보다 면밀히 비교 분석하기 위해서는 복잡지형에서의 더 많은 해석 데이터의 비교 분석이 이루어져야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	풍력에너지의 장점은?	최근 전 세계적으로 지구 온난화와 화석에너지 고갈문제로 인하여 신재생에너지 개발에 대한 연구의 관심이 급속도로 높아지고 있다.그 중 풍력은 영구적이고 환경오염이 없는 재생에너지원중 비교적 낮은 발전단가로 현재 전세계적으로 연구가 활발히 진행 되고 있다[1].
	실측 풍황자료를 얻기 위해 이용되는 것은?	실측 풍황자료를 얻기 위해서는 기상관측 타워를 설치하거나,우리나라 전역에 설치된 자동기상관측기 (AWS)의 데이터를 이용하게 된다.기상관측타워 설치를 통한 자료의 입수는 타워설치 및 데이터 측정을 위해 시간 및 경제적 부담이 따르게 되지만 질이 좋은 풍황자료를 얻을 수 있고,반면 자동기상관측소의 데이터를 이용하는 경우 시간적,경제적인 부담은 적지만 지면으로 부터의 측정 높이가 낮아 풍황 데이터의 정확도에 문제가 있을 수 있게 된다.
	자동기상관측소(AWS)의 데이터를 이용하여 CFD프로그램인 WindSim 프로그램을 통해 강원풍력발전단지의 연간에너지발전량을 예측하고 2007년～2009년 동안의 연간발전량과 실측된 연간에너지 발전량의 비교를 통하여 자동기상관측소(AWS)의 데이터 이용가능성을 검토하였다, 이에 대한 결과는?	예측된 2007년～2009년 동안의 연간발전량과 실측된 연간에너지 발전량의 비교를 통하여 자동기상관측소(AWS)의 데이터 이용가능성을 검토하였다.가동율을 96%로 가정하고,인근 강릉 기상대의 온도와 압력 데이터를 각 풍력발전기 허브 높이로 보정하고,각각의 연 평균 밀도를 이용하여 WindSim의 연간 발전량 예측결과를 보정 하였을 때 실측 연간발전량과 비교하여 7.8% 이내의 오차를 보였다. 일반적으로 자동기상관측소(AWS)데이터는 설치고도가 낮고,풍속 및 풍향을 측정하는 높이가 지표면에서 10m 정도로 낮아 지형적인 영향을 많이 받기 때문에,발전량 예측에 있어 사용하기 적합하지 않은 데이터로 알려져 있다.하지만,이번 연구에 적용된 대관령 자동기상관측기의 경우,강원풍력발전단지와의 거리 그리고 고도차이가 크지 않아,해석 프로그램을 이용한 예측이 실측값과 매우 근접함을 알 수 있었다.하지만,WindSim 프로그램의 예측 정확성을 보다 면밀히 비교 분석하기 위해서는 복잡지형에서의 더 많은 해석 데이터의 비교 분석이 이루어져야 할 것이다.

참고문헌 (16)
타임라인 바로가기

M.S. Jang, and H.J. Bang, The Current Status and the Prospects of Wind Energy, Journal oft he Environmental Sciences, Vol. 18, No8, pp.933-940, 2009.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

그 중 풍력은 영구적이고 환경오염이 없는 재생에너지원중 비교적 낮은 발전단가로 현재 전세계적으로 연구가 활발히 진행 되고 있다[1].
J.S. Bae, M.S. Jang, Y.C. Ju, J.E. Yoon, and N.H. Kyung, Wind Resource Assessment of Antarctic King Sejong Station, Journal of the Korean Solar Energy Society, Vol. 25, No 3, pp. 53-60, 2005.

인용구절

인용 구절

풍속은 풍력발전단지의 경제성에 가장 큰 영향을 미치는 인자이기 때문에 풍력발전단지의 입지 선정시 우수한 풍력자원, 즉, 풍속이 강한 지역에 입지를 선정하여야 한다[2].
M. Lee, S.H. Lee, and N. Hur, A numerical study on the effect of mountainous terrain and turbine arrangement on the performance of wind power generation, Journal of the Korean Society of Mechanical Engineers, Vol. 34, No 10, pp. 901-906, 2010.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

이를 위해 풍력발전 단지가 건설될 대상 지점의 풍황실측자료를 이용한 풍력자원 분석및 예측이 필요하며, 정확한 풍력자원예측을 위한 여러 연구가 국내에서 지속적으로 수행되어 왔다[3-6].
N.H. Kyong, J.E. Yoon, M.S. Jang, D.S. Jang, and J.C. Huh, A refinement of WAsP prediction in a complex terrain, Journal of the Korean Solar Energy Society, Vol. 23, No4, pp. 21-27, 2003.

인용구절

인용 구절

이를 위해 풍력발전 단지가 건설될 대상 지점의 풍황실측자료를 이용한 풍력자원 분석및 예측이 필요하며, 정확한 풍력자원예측을 위한 여러 연구가 국내에서 지속적으로 수행되어 왔다[3-6].
N.H. Kyong, J.E. Yoon, J.C. Huh, and D.S. Jang, An assessment of WAsP prediction in a complex terrain, Journal of the Korean Solar Energy Society, Vol. 23, No1, pp.39-47, 2003.

인용구절

인용 구절

이를 위해 풍력발전 단지가 건설될 대상 지점의 풍황실측자료를 이용한 풍력자원 분석및 예측이 필요하며, 정확한 풍력자원예측을 위한 여러 연구가 국내에서 지속적으로 수행되어 왔다[3-6].
E.H. Cheang, C.J. Moon, E.S. Kim, and Y.H. Chang, A study on wind source interpolation based on shape of complex topography, Journal oft he Korean Solar Energy Society, Vol. 29, No6, pp.62-68, 2009.

인용구절

인용 구절

이를 위해 풍력발전 단지가 건설될 대상 지점의 풍황실측자료를 이용한 풍력자원 분석및 예측이 필요하며, 정확한 풍력자원예측을 위한 여러 연구가 국내에서 지속적으로 수행되어 왔다[3-6].
E. Berge, A.R. Gravdahl, J. Schelling, L. Tallhaug, and O. Undheim, Wind in complex terrain. A comparison of WAsP andtwo CFD-models, Proceedings of the 2006 EWEC, Athens, Greece, Feb. 27-Mar.2.
R. Cattin, B. Schaffner, and S. Kunz, Validation of CFD wind resource modeling inhighly complex terrain, EWEC Athens, 2006.
Y.S. Hwang, I. Paek, K.Y. Yoon, W.S. Lee, N.S, Yoo and Y.S. Nam, Application of wind data from automated weather stations to wind resources estimationin Korea, Journal of Mechanical Science and Technology, Vol.24, No10, pp.2017-2023, 2010.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

최근 자동 기상관측 데이터를 CFD 풍황해석 프로그램에 적용하여 복잡지형의 풍력자원해석을 수행하는 연구가 수행되었다[9].
Y.H. Kim, and H.C. Lim, Study on development of onshore wind farm estimation ofwind energy production, Journal of the Wind Engineering Institute of Korea, Vol. 14, No1, pp.9-17, 2010.

상세보기
Wind PRO Manua l2.7, EMD International A/S, pp 2-1, 2010

인용구절

인용 구절

각 풍력발전기 별 온도와 압력 계산을 위해 약 12.3km 떨어진 강릉기상대(해발고도 26m)에서 측정된 약 40년동안의 연평균 온도와 압력을 기준으로 문헌에 제시된 다음의 식을 이용하여 각 풍력발전기의 허브 높이에 대한 값으로 보정한 후 밀도를 계산하였다[11].
S.S. Ju, CDM Monitoring Report 2009, Gangwon Wind Park Project (CDM Registration Reference Number0222), 2010.

인용구절

인용 구절

자동기상관측소(AWS)의 풍황데이터를 이용하여 예측한 강원풍력발전단지의 연간에너지발전량과 실제 연간에너지발전량의 비교를 위해서 강원풍력발전단지의 CDM 보고서 내의 모니터링 (Monitering)분야 보고서를 참조하였다 [12].
D. Fallo, Wind energy resource evaluation in a site of centralItaly by CFD simulations, Ph. D. Diss., Univ. o fCagliari, DiMeCa, 2007.

인용구절

인용 구절

전산유체역학(CFD: Computational Fluid Dynamics)에 기반을 둔 프로그램인 WindSim은 3차원 유동장(Flow Field)의 비선형 해를 얻기 위해 비압축성 유동에 대한 Reynolds Averaged Navier - Stokes (RANS)식과 Standardk - epsilon난류모델을 사용한다[13].

해석을 위해 고도에 따라서 풍속이 변화하는 대기 경계층의 높이는 500m로 가정되었으며, 이 값은 많은 문헌상에서 지균풍의 높이를 설명하기 위해 많이 사용되는 높이이다 [13].

WindSim에서 대기경계층의 풍속을 일정하게 적용하였을 때, 야기될 수 있는 해석오차는 거의 없는 것으로 알려져 있다 [13].
Private Communication with the personal in Gangwon Wind Park

인용구절

인용 구절

강원풍력발전단지의 각 해의 가동률은 대략적으로 96%정도라고 알려져 있어[14], 이를 2007년～2009년 까지 동일하게 해석 결과에 적용하였다.
J.F. Manwell, J.G. McGowan, and A.L. Rogers, Wind Energy Explained: Theory, Design and Application, JOHN WILEY & SONS, LTD, England, pp.33-50, 2002.

인용구절

인용 구절

각각의 영역에 대한 지표거칠기 값은 바다와 강(Sea, River)은 Roughness class 0, 농경지(Farmland)에 해당 하는 영역은 Roughness class 1, 마을(Village)에 해당하는 영역은 Roughness class 2.8, 그리고 숲(Forest)에 해당하는 영역은 Roughness class 3.0으로 설정하여 모델링하였다[15].
N.G. Mortensen, A.J. Bowen and I. Antoniou, Improving WAsP predictions in (too) complex terrain, Proceedings of the 2006 EWEC, Athens, Greece, Feb. 27-Mar. 2.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증