[논문]MCP방법을 이용한 장기간 풍속 및 풍력에너지 변동 특성 분석

현승건; 장문석; 고석환

doi:10.7836/kses.2013.33.5.001

MCP방법을 이용한 장기간 풍속 및 풍력에너지 변동 특성 분석
Variability Characteristics Analysis of the Long-term Wind and Wind Energy Using the MCP Method 원문보기

한국태양에너지학회 논문집 = Journal of the Korean Solar Energy Society, v.33 no.5, 2013년, pp.1 - 8

현승건 (한국에너지기술연구원) , 장문석 (한국에너지기술연구원) , 고석환 (한국에너지기술연구원)

Abstract ▼ AI-Helper

Wind resource data of short-term period has to be corrected a long-term period by using MCP method that Is a statistical method to predict the long-term wind resource at target site data with a reference site data. Because the field measurement for wind assessment is limited to a short period by various constraints. In this study, 2 different MCP methods such as Linear regression and Matrix method were chosen to compare the predictive accuracy between the methods. Finally long-term wind speed, wind power density and capacity factor at the target site for 20 years were estimated for the variability of wind and wind energy. As a result, for 20 years annual average wind speed, Yellow sea off shore wind farm was estimated to have 4.29% for coefficient of variation, CV, and -9.57%~9.53% for range of variation, RV. It was predicted that the annual wind speed at Yellow sea offshore wind farm varied within ${\pm}10%$.

주제어

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 해상풍력단지 건설에 앞서서해 앞바다에 설치 운용 중인 HeMOSU-1에서 측정된 풍황 데이터를 기반으로 장기간 풍속 예측을 위한 NCAR 재분석 데이터를 선별하고 MCP 방법을 결정하여 20년간의 장기간 풍속, 풍력에너지밀도의 변동성에 대해 분석 및 평가하고 해상풍력단지의 설비 이용률 변동성에 대하여 논하고자 한다.

제안 방법

서남해 2.5GW 해상풍력발전단지 건설을 위해 서해 앞바다에서 설치 운용 중인 HeMOSU-1에서 측정된 풍황 데이터를 기반으로 장기간 풍속 예측을 위한 NCAR 재분석 데이터를 선별하고 MCP 방법을 결정하여 20년간의 장기간 풍속, 풍력에너지밀도의 변동성에 대해 분석 및 평가하고 실제 해상풍력단지 건설에 앞서 해상풍력단지의 설비 이용률 변동성을 추정하였다.

대상 데이터

7%이다. 그리고 각 참조지점의 데이터 기간은 1993년부터 2012년까지 20년간의 360분 평균 데이터를 이용하였고 수거율은 모두 100%이다. 참조지점 NCARA의 20년간의 평균 풍속은 5.
본 연구에서 사용된 기상자료는 서남해 2.5GW 해상풍력개발을 위한 실증단계 연구(자원분석 및 단지개발)⁹⁾를 위하여 설치된 해상기상관측타워(HeMOSU-1 : Herald of Meteorological and Oceanographic Special Unit-1)에서 측정된 풍황 자료를 이용하였고 참조사이트의 데이터는 NCAR(National Center for Atmospheric Research) 재분석 자료로서 Fig. 1과 Table 1에 위치와 좌표를 나타내었다.

이론/모형

MCP분석에 앞서 측정지점과 참조지점간의 상관계수를 산출하였으며 상관 계수가 높은 참조지점을 선정하여 MCP분석에 이용하였다. 이때 HeMOSU-1데이터는 NCAR 데이터의 시간대에 따라 360분 평균 데이터로 변환하였다.

성능/효과

(3) 20년간의 연평균 풍속변화에 대한 변동계수는 4.29%, 변동 범위는 -9.57%〜9.53%로 추정되었고 풍력에너지밀도의 변동계수는 11.91% 그리고 변동 범위는 -25.56%〜29.87%로 추정되었다. 또한 서해 해상풍력발전단지의 설비이용률 변동계수는 7.
(4) HeMOSU-1 지점에서의 풍속 변화는 10% 이내에서 변화하여 일반적인 변동 수준으로 평가 되었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	풍력발전기술이란?	풍력기술 중에서 가장 대표적으로 널리 사용되고 있는 풍력발전기술은 바람이 가진 운동에너지를 전기적 에너지로 변환시켜 발생된 전력을 전력계통이나 수용가에게 공급하는 기술을 통칭하는 것으로서 정의할 수 있다. 이러한 풍력기술 중 바람이 가지고 있는 운동에너지인 풍력에너지는 풍속의 3승에 비례하므로 정확한 풍속데이터 계측, 분석 및 예측은 풍력발전단지의 개발을 위한 필수적이고 매우 중요한 요소이다.
	약 20년간의 풍력에너지를 예측하는데 어려움은?	특히 대부분의 풍력발전시스템은 20년의 작동 수명으로 설계 및 제작되어 풍력발전단지에 건설됨에 있어서 약 20년간의 풍력에너지를 예측하여야 한다. 풍력자원 조사는 계측기간이 길수록 예측정확도가 증가하나 20년이라는 기간을 투자하기에는 현실적으로 불가능하기 때문에 최소 1년에서 3년에 걸쳐서 계측이 이루어지고 장기간 보정(long-term correlation)및 분석이 필요하다. 즉 풍력자원평가를 위한 현장 실측은 여러가지 제약으로 인해 단기간 측정 자료에 국한되므로 이를 통계적인 예측방법을 이용하여 장기간 보정하게 된다.
	풍력발전단지의 개발을 위해 필수적인 요소는?	풍력기술 중에서 가장 대표적으로 널리 사용되고 있는 풍력발전기술은 바람이 가진 운동에너지를 전기적 에너지로 변환시켜 발생된 전력을 전력계통이나 수용가에게 공급하는 기술을 통칭하는 것으로서 정의할 수 있다. 이러한 풍력기술 중 바람이 가지고 있는 운동에너지인 풍력에너지는 풍속의 3승에 비례하므로 정확한 풍속데이터 계측, 분석 및 예측은 풍력발전단지의 개발을 위한 필수적이고 매우 중요한 요소이다. 특히 대부분의 풍력발전시스템은 20년의 작동 수명으로 설계 및 제작되어 풍력발전단지에 건설됨에 있어서 약 20년간의 풍력에너지를 예측하여야 한다.

참고문헌 (11)

Hyun-gu Kim, Analysis of Wind Shear Patterns and Application of Measure-Correlate-Predict at Pohang Region, Journal of The Korean Society for New and Renewable Energy, Vol. 1, No. 2, 2004.
Walmsley, J. L. & Bagg, D. L. A method of correlating wind data between two station with application to the Alberta Oil Sands, Atmos. Ocean, Vol. 16, 1978
Gyeong-ilKwak, An Application of MCP Technique to Jeju Island , Korea, WWEC, 2009.
A Derrick, Development of the measure-correlate-Predictstratrgy for site assessment, Proceedings of the BWEA, 1992
J. C. Wood and S. J. Watson, A new matrix method of predicting long-term wind roses with MCP, Journal of Wind Engineering and Industrial Aerodynamics, Vol. 66, 1997.

상세보기
P. E. J. Vermeulen, A. Marjanyan, A. Abrahamyan, J. H. den Boon, Application of matrix MCP analysis in mountainous Armenia, Proceedings of the EWEA, 2001
E. Sreevalsan, Siddarth Shankar Das, R, Sasikumar and M. P. Ramesh, Wind Farm Site Assessment Using Measure-Correlate-Predict(MCP) Analtsis, Wind Enginering, Vol. 31, No. 2, 2007.
Anthony L. Roger, John W. Rogers, James F. Manwell, Comparison of the performance of four measure-correlate-predict algorithms, Journal of Wind Engineering and Industrial Aerodynamics, Vol. 93, 2005

상세보기
Moon-Seok, Jang, A Study on the Demonstration Project for 2. 5 GW Offshore Wind Farm of the Southern part of Yellow Sea(Resource Analysis and Wind Farm Development), KIER Report, 2012
Kyung-nam Ko, Jong-chulHuh, Prediction of long-term wind speed and capacity factor using Measure-Correlate-Predict method, Journal of the Korean Solar Energy Society, Vol. 32, No. 6, 2012

원문보기 상세보기
Nakao T, Sugiya T, Kato H, Kobayashi Y. Characteristic on the wind variability for the planning of wind turbine generation systems. Journal of the Japan Wind Energy Association, Vol. 28, No. 4, 2004

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