풍력단지개발 예비타당성 평가를 위한 모델의 WRF 풍황자원 예측 정확도 검증 Verification of the Validity of WRF Model for Wind Resource Assessment in Wind Farm Pre-feasibility Studies원문보기
본 논문에서는 국지적 기상현상의 모사가 가능하고 AWS, 기상탑, 또는 위성자료의 입력이 필요치 않은 WRF 기상수치모델을 이용하여, 풍력단지의 풍황자원 예측정확도 및 적용타당성을 비교 검증하고자 한다. 풍력단지개발 예비타당성단계에서 요구되는 풍황자원 예측을 위한 WRF 모델의 적용타당성 검증을 위해, 기상탑 풍황측정자료와 WAsP에 의한 풍황자원 예측결과와의 비교 검증을 수행하였고 제주도 북서쪽에 위치한 평대와 우도사이트를 비교 검증용 사이트로 선정하였다. 연 월평균풍속, 와이블분포, 연간발전량 및 바람장미의 예측결과가 실측자료와 비교 검증되었고 WRF 모델의 풍황해석결과는 WAsP의 결과에 비해 높은 예측 정확도를 나타내었다. 풍력단지개발 예비타당성 평가를 위한 WRF 모델의 풍황자원 예측가능성이 최종적으로 확인되었다.
본 논문에서는 국지적 기상현상의 모사가 가능하고 AWS, 기상탑, 또는 위성자료의 입력이 필요치 않은 WRF 기상수치모델을 이용하여, 풍력단지의 풍황자원 예측정확도 및 적용타당성을 비교 검증하고자 한다. 풍력단지개발 예비타당성단계에서 요구되는 풍황자원 예측을 위한 WRF 모델의 적용타당성 검증을 위해, 기상탑 풍황측정자료와 WAsP에 의한 풍황자원 예측결과와의 비교 검증을 수행하였고 제주도 북서쪽에 위치한 평대와 우도사이트를 비교 검증용 사이트로 선정하였다. 연 월평균풍속, 와이블분포, 연간발전량 및 바람장미의 예측결과가 실측자료와 비교 검증되었고 WRF 모델의 풍황해석결과는 WAsP의 결과에 비해 높은 예측 정확도를 나타내었다. 풍력단지개발 예비타당성 평가를 위한 WRF 모델의 풍황자원 예측가능성이 최종적으로 확인되었다.
In this paper, we compare and verify the prediction accuracy and feasibility for wind resources on a wind farm using the Weather Research and Forecasting (WRF) model, which is a numerical weather-prediction model. This model is not only able to simulate local weather phenomena, but also does not req...
In this paper, we compare and verify the prediction accuracy and feasibility for wind resources on a wind farm using the Weather Research and Forecasting (WRF) model, which is a numerical weather-prediction model. This model is not only able to simulate local weather phenomena, but also does not require automatic weather station (AWS), satellite, or meteorological mast data. To verify the feasibility of WRF to predict the wind resources required from a wind farm pre-feasibility study, we compare and verify measured wind data and the results predicted by WAsP. To do this, we use the Pyeongdae and Udo sites, which are located on the northeastern part of Jeju island. Together with the measured data, we use the results of annual and monthly mean wind speed, the Weibull distribution, the annual energy production (AEP), and a wind rose. The WRF results are shown to have a higher accuracy than the WAsP results. We therefore confirmed that WRF wind resources can be used in wind farm pre-feasibility studies.
In this paper, we compare and verify the prediction accuracy and feasibility for wind resources on a wind farm using the Weather Research and Forecasting (WRF) model, which is a numerical weather-prediction model. This model is not only able to simulate local weather phenomena, but also does not require automatic weather station (AWS), satellite, or meteorological mast data. To verify the feasibility of WRF to predict the wind resources required from a wind farm pre-feasibility study, we compare and verify measured wind data and the results predicted by WAsP. To do this, we use the Pyeongdae and Udo sites, which are located on the northeastern part of Jeju island. Together with the measured data, we use the results of annual and monthly mean wind speed, the Weibull distribution, the annual energy production (AEP), and a wind rose. The WRF results are shown to have a higher accuracy than the WAsP results. We therefore confirmed that WRF wind resources can be used in wind farm pre-feasibility studies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 WRF 모델에 의한 풍황자원 예측 정확도 및 적용타당성을 검증하고자 한다.
본 연구에서는 국지적 기상현상의 모사가 가능하고 AWS 자료, 위성자료 또는 기상탑 자료의 입력이 필요치 않은 WRF (Weather Research and Forecating) 기상수치모델을 이용하여, 풍력발전단지의 풍황자원 예측정확도 및 적용타당성을 비교·검증하고자 한다.
제안 방법
WRF 기상수치모델을 이용한 풍력발전단지 풍황특성 예측결과의 비교·검증을 위해, WAsP을 이용하여 동일한 지역에 대한 풍황해석을 수행하였다.
WRF 모델에 의해 예측된 풍속자료와 기상탑 풍속자료를 통계적으로 분석한 결과, WRF의 기상예측자료가 연평균풍속, 월평균풍속, 와이블분포의 모수, 연간발전량을 추정함에 있어 WAsP의 결과에 비해 높은 예측 정확도를 보였다. WRF 모델로부터 예측된 바람장미는 풍속자료에 의해 풍향을 산출하기 때문에 풍향별 출현빈도 측면에서 기상탑 풍향자료와 다소 편차가 발생하였으나, 예측사이트의 주풍향 결정을 위한 적용타당성을 확인하였다.
해석영역 1번으로부터 얻어진 결과는 nesting 법(10)을 이용하여 하위영역(2번~4번)에 반영되도록 하였으며, 최종적으로 4번 영역에 해당하는 제주도 전지역에 대한 기상예측을 수행하였다. WRF 모델은 해석격자 크기의 상위영역과 하위영역 비율을 1:3으로 추천하고 있고,(8) 한반도에서 발생하는 큰 규모의 기상현상을 상위영역에서 구현하여 하위영역에 그 영향력을 전달하기 위해서 격자 해상도를 27km, 9km, 3km, 1km로 구성하였다.
풍속자료를 이용한 와이블분포의 모수 추정은 추정방법에 따라 그 값이 달라지기 때문에(12) WAsP에서 채택하고 있는 추정식(13)을 동일하게 적용하였다. 다음으로 바람장미(wind rose)를 비교분석하여 주풍향 판단을 위한 WRF 모델의 적용타당성을 검토하였고, 월평균풍속 추이를 검토하여 계절풍에 대한 예측 가능성을 검토하였다.
풍력발전단지 예비타당성단계에서 요구되는 풍황자원 예측을 위한 WRF 모델의 적용타당성 검증을 위해, 기상탑 풍황측정자료와 WAsP에 의한 풍황자원 예측결과와의 비교·검증을 수행하였다.
풍력발전분야에서 와이블분포는 연간발전량(AEP)을 산출하는데 적용되므로 수치모델에 의해 예측된 와이블분포와 풍력터빈의 출력곡선을 적용하여 WindPRO(WAsP slover)의 WAsP-interface 모듈을 이용하여 연간발전량을 산출하였다. 산출된 결과는 기상탑 풍속자료의 와이블분포를 이용한 연간발전량 산출결과와의 비교를 통해 상대오차율을 구하였다.
해석결과와 측정결과사이의 연평균풍속을 검토하였고 풍황분석에서 많이 사용되는 와이블분포(Weibull distribution)의 비교를 통해 WRF 모델의 풍속 예측 타당성을 살펴보았다. 풍속자료를 이용한 와이블분포의 모수 추정은 추정방법에 따라 그 값이 달라지기 때문에(12) WAsP에서 채택하고 있는 추정식(13)을 동일하게 적용하였다.
대상 데이터
30 ~ 2012. 1. 1이고, 평대지점은 2010. 2.
7. 31의 기간 동안 측정된 자료를 이용하였다.
(8) 또한 Munoz-Esprza 등(9)은 기상탑을 이용한 측정가능높이의 한계를 보완하기 위해 WRF 모델의 planetary boundary layer 조건에 따른 해상풍속 수직분포 예측정확도에 관한 연구를 진행한 바 있다. WRF 모델은 이상과 같은 연구결과를 통해 기상탑의 측정높이한계 등의 단점을 보완할 수 있기 때문에 본 연구에서의 중규모 기상수치모델로 선정되었다.
본 연구에서는 제주도 북서쪽에 위치한 평대와 우도를 비교·검증용 사이트로 선정하였다.
높은 경제성을 갖는 풍력발전단지의 개발을 위해서는 바람자원이 우수한 입지선정이 매우 중요하다. 이를 위해 다수의 후보 사이트(site)에 대한 풍황자원 조사 및 분석이 선행되며, 최종 선정된 사이트의 정확한 풍황자원평가를 위해 풍력터빈의 허브(hub) 높이에서 바람자원을 측정할 수 있는 기상탑(meteorological mast)을 설치하여 장기간 운용을 통해 측정자료를 수집하게 된다. 사전풍황자원조사 단계에서도 허브높이에 해당하는 기상탑 설치 및 운용을 통해 신뢰성 높은 측정자료를 확보하는 것이 이상적이나, 다수의 후보지역에 대한 풍황측정은 많은 비용과 시간이 소요되므로 현실적으로 불가능하다.
초기조건 및 경계조건으로써 NCEP에서 제공하는 위·경도 격자간격이 1°×1°의 해상도로 구성된 GFS(Global Forecast System) 자료를 이용하였다.
상기 기술한 바와 같이, WAsP을 이용한 해석을 위해서는 인근지역에서의 풍황측정자료가 필요하다. 평대지점의 풍황자원 예측 시에는 우도지점의 기상탑 자료를 입력 자료로 사용했고, 우도지점의 풍황자원 예측 시에는 평대지점의 기상탑 자료를 적용하였다. WAsP이 추정하는 지면높이는 60m로써 WRF 모델과 동일하게 설정하였다.
WAsP은 국소지역 풍황자원 해석소프트웨어로써 1987년 덴마크의 Risø 국립연구소에서 개발되어 풍력발전단지설계 분야에서 널리 사용되고 있다. 해석에 사용된 지형자료는 국토지리정보원으로부터 확보된 자료이고, 표면거칠기는 환경공간정보서비스에서 제공되는 자료를 바탕으로 생성하였다. WAsP과 WRF에 입력된 지형과 표면거칠기 자료는 모두 동일하게 적용 되었다.
데이터처리
WRF 모델 및 WAsP으로부터 예측된 결과를 각각의 기상탑 측정자료와 비교·검증하기 위해서 식 (1)~(3)과 같은 Bias, MAE (mean absolute error), RMSE(root mean square error)를 계산하였다.
WRF와 WAsP의 와이블분포 중 기상탑 풍속자료의 와이블분포도의 형태에 더 가까운 분포도를 찾기 위해서 KS-test(Kolmogorov Smirnov test)(12)를 수행하였다. KS-test는 비교 대상인 두 집단의 누적분포도 차이를 분석하기 위해 수행되며, Table 5에서 나타낸 바와 같이 기상탑 풍속자료의 와이블 누적분포와 WRF의 와이블 누적분포의 최대 편차 값은 평대와 우도사이트에서 각각 0.
풍력발전분야에서 와이블분포는 연간발전량(AEP)을 산출하는데 적용되므로 수치모델에 의해 예측된 와이블분포와 풍력터빈의 출력곡선을 적용하여 WindPRO(WAsP slover)의 WAsP-interface 모듈을 이용하여 연간발전량을 산출하였다. 산출된 결과는 기상탑 풍속자료의 와이블분포를 이용한 연간발전량 산출결과와의 비교를 통해 상대오차율을 구하였다. 풍력터빈은 임의의 4 종류를 선택하였고, 풍력터빈의 허브 높이는 70m, 80m, 100m 이다.
이론/모형
WRF 모델에 의한 예측결과는 physics scheme에 의해 많은 영향을 받기 때문에 신중하게 적용되어야 한다. 본 연구에서는 ㈜에코브레인(11)에서 제시한 제주도 지역에 최적화된 WRF 모델의 physics scheme을 적용하였으며, Table 2에 나타내었다.
2와 같이 총 4개로 구성되었으며, 1번 영역은 한반도 전체의 기상현상을 모사할 수 있도록 설정되었다. 해석영역 1번으로부터 얻어진 결과는 nesting 법(10)을 이용하여 하위영역(2번~4번)에 반영되도록 하였으며, 최종적으로 4번 영역에 해당하는 제주도 전지역에 대한 기상예측을 수행하였다. WRF 모델은 해석격자 크기의 상위영역과 하위영역 비율을 1:3으로 추천하고 있고,(8) 한반도에서 발생하는 큰 규모의 기상현상을 상위영역에서 구현하여 하위영역에 그 영향력을 전달하기 위해서 격자 해상도를 27km, 9km, 3km, 1km로 구성하였다.
성능/효과
Table 3에 나타낸 바와 같이, WRF 모델에 의해 예측된 평대사이트의 연평균풍속은 7.67m/s로써, 기상탑 측정자료에 비해 0.29m/s 과대 예측되었고, WAsP에 의해 예측된 연평균풍속은 7.91m/s로써 0.53m/s의 차이를 보인다. 이와 반대로 우도 사이트의 경우 WRF 모델에 의해 예측된 연평균 풍속은 8.
WRF 모델에 의해 예측된 풍속자료와 기상탑 풍속자료를 통계적으로 분석한 결과, WRF의 기상예측자료가 연평균풍속, 월평균풍속, 와이블분포의 모수, 연간발전량을 추정함에 있어 WAsP의 결과에 비해 높은 예측 정확도를 보였다. WRF 모델로부터 예측된 바람장미는 풍속자료에 의해 풍향을 산출하기 때문에 풍향별 출현빈도 측면에서 기상탑 풍향자료와 다소 편차가 발생하였으나, 예측사이트의 주풍향 결정을 위한 적용타당성을 확인하였다.
이상의 결과에 근거하여 두 사이트 모두 WRF 모델에 의해 예측된 와이블분포가 WAsP 예측결과에 비해 더 높은 예측 정확도를 갖는 것으로 판단된다. 따라서 WRF 모델로부터 예측된 풍속자료를 이용하여 예측사이트의 와이블분포 특성 파악이 충분히 가능한 것으로 확인된다.
3m/s 과대 예측되었다. 따라서 본 연구에 적용한 WRF 모델은 저풍속 출현빈도가 높은 계절인 여름철에는 월평균풍속이 과대 예측되는 경향을 보이고, 고풍속 출현빈도가 높은 계절인 겨울철에는 과소 예측되는 경향을 보인다.
평대사이트를 예측한 WAsP 과 WRF 모델의 와이블분포는 약 7m/s 구간까지는 기상탑 풍속자료의 와이블분포보다 과소 예측 되었고, 약 7m/s 이상 구간부터는 과대 예측되는 특성을 보인다. 반대로 우도사이트를 예측한 WAsP과 WRF 모델의 와이블분포는 약 8m/s 구간까지는 기상탑 풍속자료의 와이블분포보다 과대 예측되었고, 약 8m/s 이상의 구간부터는 과소 예측되는 특성을 나타내었다.
RMSE 결과도 마찬가지로 WRF가 WAsP에 비해 낮은 편차값을 나타낸다. 이상의 결과에 근거하여 두 사이트 모두 WRF 모델에 의해 예측된 와이블분포가 WAsP 예측결과에 비해 더 높은 예측 정확도를 갖는 것으로 판단된다. 따라서 WRF 모델로부터 예측된 풍속자료를 이용하여 예측사이트의 와이블분포 특성 파악이 충분히 가능한 것으로 확인된다.
53m/s의 차이를 보인다. 이와 반대로 우도 사이트의 경우 WRF 모델에 의해 예측된 연평균 풍속은 8.16m/s로써 0.3 m/s 과소 예측되었고, WAsP에 의해 예측된 연평균풍속은 7.79m/s로써 0.67m/s 만큼 과소 예측되었다.
측정된 월별 평균풍속 중 가장 높은 풍속을 보이는 1월과 가장 낮은 풍속을 보이는 8월을 살펴보면, 평대사이트의 8월 평균풍속은 약 1.0m/s 과대 예측되었고, 1월 평균풍속은 약 0.7m/s 과소 예측되었다. 우도사이트의 1월 평균풍속은 약 0.
WRF 모델에 의해 예측된 와이블분포가 WAsP에 의해 예측된 와이블분포에 비해 더 높은 정확도를 나타낸다. 평대사이트를 예측한 WAsP 과 WRF 모델의 와이블분포는 약 7m/s 구간까지는 기상탑 풍속자료의 와이블분포보다 과소 예측 되었고, 약 7m/s 이상 구간부터는 과대 예측되는 특성을 보인다. 반대로 우도사이트를 예측한 WAsP과 WRF 모델의 와이블분포는 약 8m/s 구간까지는 기상탑 풍속자료의 와이블분포보다 과대 예측되었고, 약 8m/s 이상의 구간부터는 과소 예측되는 특성을 나타내었다.
기상탑 풍향자료로부터 계산된 바람장미는 각 사이트마다 다른 형태를 나타내고 있다. 평대사이트의 주풍향은 북북서~북서풍 계열이고 우도사이트의 주풍향은 서북서~북서풍 계열로 나타났다. WAsP으로부터 계산된 바람 장미는 두 사이트 모두 기상탑 풍향자료의 바람 장미와는 다소 다른 형태를 보여주고 있다.
후속연구
따라서 평대사이트의 경우 기상탑 풍향자료의 바람장미와 비교적 잘 일치하는 경향을 보여주고 있으나 우도의 경우 비교결과의 차이를 보인다. WRF 모델에 의해 예측된 바람장미는 각 방향별로 빈도수를 정확하게 추정하고 있다고 할 수 없지만, 주풍향의 특성은 기상탑 자료와 비교적 잘 일치하는 결과를 도출하고 있으므로 예측지점에 대한 주풍향 판단이 가능 할 것으로 판단된다.
본 논문은 제주도의 특정지역에 국한된 검토결과로써 서로 다른 외부환경조건을 갖는 지역에 대한 다양한 비교·검증 연구를 통해 WRF 모델의 범용적 적용타당성에 대한 연구가 수행될 필요가 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
예비타당성조사 단계에서 풍황자원 분석에 무엇을 기반으로 수행하는가?
따라서 대부분의 풍력발전단지개발 프로젝트는 예비타당성조사를 통해 선정된 최종 개발후보지에 대한 풍황자원 측정을 수행하는 것이 일반적이다. 예비타당성조사 단계에서는 후보지역에 인접한 위치의 기상청 AWS(Automatic Weather Systme), 기상탑 또는 위성자료를 이용하여 후보사이트들의 풍황자원 분석을 수행한다.
QuikSCAT의 단점은 무엇인가?
위성자료는 광범위한 지역에 대한 기상정보를 가지고 있기 때문에 기상탑을 설치하기 어려운 해상 지역 등에 대한 자료 확보에 유리하다. 경남호 등 (3) 은 QuikSCAT(Quick Scatterometer) 자료 분석에 관한 연구를 수행하였으며, QuikSCAT의 측정주기가 하루 2회에 불과하여 종관적인(synoptic) 풍황특성 만을 파악할 수 있는 단점이 있으며, diurnal scale보다 작은 scale 해석이 요구되는 풍력발전단지에 대한 풍황분석에는 적용한계를 갖는다고 보고하였다. 또한 김병민 등 (4) 은 NCAR (National Center for Atmospheric Research) 재해석 자료를 이용하여 해상풍력자원 예측에 대한 연구를 수행했으며, AWS 자료와 비교했을 때 적용지역에 따라 평균풍속오차율이 1.
풍력 발전단지 후보지역과 기상탑 사이의 거리가 10km 이상 떨어져있을 경우 문제점은?
오현석 등 (2) 에 의해 수행된 연구결과에서는 풍력 발전단지 후보지역과 기상탑 사이의 거리가 10km 이상 떨어진 경우, 후보지역에서 예측된 풍황특성의 오차범위가 비교적 크게 나타난다고 밝히고 있다. 즉, 인근지역의 기상탑 측정자료를 보유하고 있더라도 후보지역에서 10km 이상 떨어져 있을 경우 다소 높은 예측오차가 발생할 가능성이 크다.
참고문헌 (13)
Hwang, Y. S., Lee, W. S., Paek, I. S. and Yoo, N. S., 2009, "Effectiveness of Wind Data from Automated Weather Stations for Wind Resources Prediction," J. of Industrial Technology, No.29 B, pp. 181-186.
Oh, H. S., Ko, K. N. and Huh, J. Ch., 2009, "Evaluation of Performance on WindPRO Prediction in the northeast Region of Jeju Island," J. of the Korean Solar Energy Society, Vol. 28, No.2, pp. 22-30.
Kyong, N. H., Yoon, J. E., Jang, M. S. and Jang, D. S., 2003, "An Assessment of Offshore Wind Energy Resources Around Korean Peninsula," J. of the Korean Solar Energy Society, Vol. 23, No. 2, pp. 35-41.
Kim, B. M., Woo, J. K., Kim, H. G., Paek, I. S. and Yoo. N. S., 2012, "Validation Study of the NCAR Reanalysis Data for a Offshore Wind Energy Prediction," J. of the Korean Solar Energy Society, Vol. 32, No. 1, pp. 1-7.
EMD International Corp., 2010, "WindPRO 2.7 User Guide 3rd edition".
Riso National Laboratory, 2007, "WAsP 9 Help Facility, Modeling with WAsP".
Moon, S. J., Ko, J. W. and Lee, B. G., 2013, "Power Law Exponent in Coastal Area of Northeastern Jeju Island for the Investigation of Wind Resource," J. of the Korean Society for Geospatial Information System, Vol.21, No.4, pp. 65-71.
Mesoscale & Microscale Meteorology Division, 2012, "WRF-ARW V3 User's Guide," National Center for Atmospheric Research.
Munoz-Esparza, D., 2012, "Forecasting the Diabatic Offshore Wind Profile at FINO1 with the WRF Mesoscale Model," DEWI magazin, No. 40, pp. 73-79.
Lundquist, J. K., Mirocha, J. D. and Kosovic, B., 2009, "Nesting Large-eddy Simulations Within Mesoscale Simulations in WRF for Wind Energy Applications," WRF User's Workshop 2009.
Ecobrain, 2012, "Development of Renewable Energy Prediction system in Smart-grid Test Bed".
Chang, T. P., 2011, "Performance Comparison of Six Numerical Methods in Estimating Weibull Parameters for Wind Energy Application," Applied Energy, Vol. 88, pp. 272-282.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.