[논문]풍력자원평가를 위한 단순지형에서의 육상 기상탑 바람 데이터의 상호 적용

손진혁; 고경남; 허종철; 김인행

doi:10.9726/kspse.2017.21.6.031

풍력자원평가를 위한 단순지형에서의 육상 기상탑 바람 데이터의 상호 적용
Mutual Application of Met-Masts Wind Data on Simple Terrain for Wind Resource Assessment 원문보기

한국동력기계공학회지 = Journal of the korean society for power system engineering, v.21 no.6, 2017년, pp.31 - 39

손진혁 (제주대학교 대학원 풍력특성화협동과정) , 고경남 (제주대학교 대학원 풍력공학부) , 허종철 (제주대학교 기계공학과) , 김인행 (제주에너지공사 에너지연구 기술센터)

Abstract ▼ AI-Helper

In order to examine if met-masts wind data can exchange each other for wind resource assessment, an investigation was carried out in Kimnyeong and Haengwon regions of Jeju Island. The two regions are both simple terrain and 4.31 km away from each other. The one-year wind speed data measured by 70 m-high anemometers of each met-mast of the two regions were analysed in detail. Measure-Correlate-Predict (MCP) method was applied to the two regions using the 10-year Automatic Weather System (AWS) wind data of Gujwa region for creating 10-year Wind Statistics by running WindPRO software. The two 10-year Wind Statistics were applied to the self-met mast point for self prediction of Annual Energy Production (AEP) and Capacity Factor (CF) and the each other's met mast point for mutual prediction of them. As a result, when self-prediction values were reference, relative errors of mutual prediction values were less than 1% for AEP and CF so that met masts wind data under the same condition of this study could exchange each other for estimating accurate wind resource.

주제어

AI 본문요약
AI-Helper

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

문제 정의

31 km 떨어진 다른 지점에 적용함으로써 연간발전량(AEP)과 설비이용률(CF)을 계산한다. 그 다음 각각의 기상탑에서 측정된 바람 데이터가 상대방 지점에 적용 되었을 때 어느 정도 정확한 풍력자원평가가 가능한 지를 검토하였다.
본 연구에서는 효율적이며 정확한 풍력자원 측정 및 평가를 위하여 단순지형에서 각각 다른 지점에 설치된 2기의 기상탑 바람데이터를 분석한다. 즉 한 지점에서 측정된 바람데이터를 4.

가설 설정

바람 체제(Wind Regime)의 관점에서 보면, 지형적 특성이 비슷한 지역은 유사한 바람 성질을 갖는다.⁷⁾ 본 연구에서는 김녕과 행원 지역이 비슷한 바람 체제를 갖는다고 가정하여 바람 데이터 분석을 수행하였다.

제안 방법

MCP 기법을 통해 구한 바람 통계값을 WAsP Interface 모듈을 구동할 때 적용하여 자기 예측 및 상호 예측하여 AEP와 CF를 계산하였다. 자기예측은 측정 지점에서 구한 바람 통계값을 해당 측정 지점에 적용한 것이고, 상호 예측은 측정 지점의 바람 통계값을 예측 지점에 적용하여 구한 것이다.
자기예측은 측정 지점에서 구한 바람 통계값을 해당 측정 지점에 적용한 것이고, 상호 예측은 측정 지점의 바람 통계값을 예측 지점에 적용하여 구한 것이다. 바람 통계값의 상호 적용이 가능한 지를 판단하기 위하여 자기 예측하여 구한 AEP 및 CF를 참값으로 가정하고, 상호 예측하여 구한 AEP 및 CF의 상대오차(Relative Error)를 계산하였다. 상대 오차는 아래 식을 이용하여 구하였다.
이를 위하여 기상청 바람 데이터, 재해석데이터와 같은 가용 가능한 바람 데이터를 통해 예비 풍력자원평가를 한다. 이 결과를 토대로 유망한 풍력발전 사이트를 선정하고, 풍력 전용 기상탑을 설치하여, 1~2년간 풍력자원측정을 하게 된다.³⁾ 풍력발전시스템의 출력을 높이기 위해서는 로터 회전 면적(Swept area)이 커야 한다⁴⁾.
지표 거칠기(Roughness)는 직접 지형 조건에 따라 수기 입력하였고, 계산 면적은 40×40 km를 적용하였다. 이때, 기상탑은 각각 지형 등고선 및 거칠기 지도의 중앙에 위치시킨 후 해석을 수행하였다. 1년 간의 바람데이터를 장기간(10년) 바람데이터로 보정하기 위하여 측정-상관-예측(MCP)법을 수행하였다.
이 중 가장 중요하고, 오랜 시간이 필요한 단계는 풍력자원측정 및 평가이다. 이를 위하여 기상청 바람 데이터, 재해석데이터와 같은 가용 가능한 바람 데이터를 통해 예비 풍력자원평가를 한다. 이 결과를 토대로 유망한 풍력발전 사이트를 선정하고, 풍력 전용 기상탑을 설치하여, 1~2년간 풍력자원측정을 하게 된다.
본 연구에서는 효율적이며 정확한 풍력자원 측정 및 평가를 위하여 단순지형에서 각각 다른 지점에 설치된 2기의 기상탑 바람데이터를 분석한다. 즉 한 지점에서 측정된 바람데이터를 4.31 km 떨어진 다른 지점에 적용함으로써 연간발전량(AEP)과 설비이용률(CF)을 계산한다. 그 다음 각각의 기상탑에서 측정된 바람 데이터가 상대방 지점에 적용 되었을 때 어느 정도 정확한 풍력자원평가가 가능한 지를 검토하였다.
지표 거칠기(Roughness)는 직접 지형 조건에 따라 수기 입력하였고, 계산 면적은 40×40 km를 적용하였다.
지형 등고선은 높이에 따라 다른 색으로 구분되었으며, 가장 낮은 지면인 0 m에서 115 m의 높이 간격으로 적용하였다. 지표 거칠기는 Roughness Class를 이용하여, 해안은 0, 평지이거나 농지는 1~2, 마을 및 오름이 있는 곳은 3을 적용하였다.

대상 데이터

MCP 기법 적용 시, AWS 데이터를 장기간 참조 데이터로 이용하였다. AWS 데이터와의 동일 측정 기간은 김녕은 2014년 2월 25일부터 2015년 2월 24일까지이며, 행원은 2014년 10월 1일부터 2015년 9월 30일까지이다. AWS 데이터의 10년 평균풍속은 4.
9는 구좌 AWS 데이터를 이용하여 구한 10년 동안의 10 m 높이에서의 연 평균풍속을 나타낸다. MCP 기법 적용 시, AWS 데이터를 장기간 참조 데이터로 이용하였다. AWS 데이터와의 동일 측정 기간은 김녕은 2014년 2월 25일부터 2015년 2월 24일까지이며, 행원은 2014년 10월 1일부터 2015년 9월 30일까지이다.
RIX값은 RIX 계산 시, 계산 영역은 기상탑설치 지점을 중심으로 반경 3.5 km, RIX 임계 경사도(Threshold Slope) 30% 이상, 5° 간격으로 72개 방위 구역을 대상으로 수행된다.
바람 데이터는 김녕과 행원 기상탑에서 취득하였고, 지형 등고선(Contour)은 한국국토지리정보원의 수치 지형 데이터를 이용하였고, 계산 면적은 10×10 km(가로×세로)를 적용하였다.
본 연구를 위한 사이트는 제주도 북동쪽에 위치한 구좌읍이다. Fig.
1년 간의 바람데이터를 장기간(10년) 바람데이터로 보정하기 위하여 측정-상관-예측(MCP)법을 수행하였다. 측정 데이터는 기상탑 데이터 중 허브 높이 70 m에서의 풍속과 70 m에 가장 가까운 풍향 데이터를 이용하였고, 장기간 참조 데이터(Long Term Reference data)는 구좌 AWS의 10 m 높이에서의 풍속과 풍향 데이터를 이용하였다. MCP 기법 중 Matrix법을 적용하여 김녕과 행원 지점에서의 장기간(10년) 바람 통계값(Wind Statistics)을 구하였다.
풍향 데이터는 자북을 기준으로 수집되었고, 이를 진북으로 보정하기 위하여 -7°를 적용하였다.

데이터처리

Table 2는 AWS의 설치좌표, 데이터 취득 기간,풍속과 풍향 센서 설치 높이를 나타낸다. AWS의 풍속과 풍향 데이터는 10분 평균 데이터를 이용하였다.
Table 1은 기상탑의 설치좌표, 데이터 취득 기간, 풍속과 풍향 센서 사양 및 설치 높이와 설치 후의 사진을 나타낸다. 기상탑의 풍속과 풍향 데이터는 10분 평균 데이터를 이용하였다. 풍향 데이터는 자북을 기준으로 수집되었고, 이를 진북으로 보정하기 위하여 -7°를 적용하였다.

이론/모형

이때, 기상탑은 각각 지형 등고선 및 거칠기 지도의 중앙에 위치시킨 후 해석을 수행하였다. 1년 간의 바람데이터를 장기간(10년) 바람데이터로 보정하기 위하여 측정-상관-예측(MCP)법을 수행하였다. 측정 데이터는 기상탑 데이터 중 허브 높이 70 m에서의 풍속과 70 m에 가장 가까운 풍향 데이터를 이용하였고, 장기간 참조 데이터(Long Term Reference data)는 구좌 AWS의 10 m 높이에서의 풍속과 풍향 데이터를 이용하였다.
측정 데이터는 기상탑 데이터 중 허브 높이 70 m에서의 풍속과 70 m에 가장 가까운 풍향 데이터를 이용하였고, 장기간 참조 데이터(Long Term Reference data)는 구좌 AWS의 10 m 높이에서의 풍속과 풍향 데이터를 이용하였다. MCP 기법 중 Matrix법을 적용하여 김녕과 행원 지점에서의 장기간(10년) 바람 통계값(Wind Statistics)을 구하였다.¹¹⁾

성능/효과

1) 김녕과 행원에서 5개월 동안 같은 시간대 풍속 데이터를 선형회귀분석한 결과, 직선의 기울기는 거의 1이고, 결정계수 r²은 0.95였다. 즉 4.
2) 장기간(10년) 바람 통계값을 적용했을 때, 김녕 지역에서는 자기 예측하여 구한 바람 통계값의 연 평균풍속이 7.0 4m/s였고, 상호 예측하여 구한 값은 7.03 m/s로 나타났다. 행원지역에서는 자기 예측하여 구한 바람 통계값의 연 평균풍속이 6.
3) 김녕과 행원지역의 장기간 바람 통계값을 상호 적용하였을 때, 김녕에서 AEP 및 CF의 상대오차는 각각 0.47%와 0.59%였고, 행원은 각각 0.57%과 0.60%로 나타났다. 즉, 본 연구와 같은 연구조건 하에서 단순지형에서 이격거리가 4.
바람장미는 바람이 불어오는 방향을 기상탑을 중심으로 하여 섹터 구간을 16 방위각으로 나누어 두 지점의 바람 빈도 분포를 보여준다. 70 m 높이와 가장 가까운 풍향계에서 계측된 풍향 값을 사용하였으며, 이는 70 m 높이의 풍향 특성을 대체로 잘 반영할 것으로 생각된다. 두 기상탑 지점의 주풍향은 북서풍과 동풍 계열의 바람인 것을 알 수 있다.
계산 영역에서 RIX 임계 경사도 이상의 값을 갖는 지형은 빨간색 선으로 표시된다.⁸⁾ RIX값은 0%는 평탄 지형,10% 이하는 단순 복잡 지형, 10이상 50% 이하에서는 복잡지형으로 구분된다.⁹⁾ 김녕은 기상탑을 중심으로 하여 남서쪽으로 RIX 임계 경사도 이상의 값을 갖는 오름(작은 산)이 2군데 위치하고 RIX값은 0.
상관계수는 고풍속이 부는 겨울철에 높고 저풍속이 부는 여름철에 낮음을 알 수 있다. 또한 1년 동안의 평균 상관계수는 김녕은 0.83, 행원은 0.88을 보여 두 지점 모두 구좌 AWS와 비교적 상관성이 높은 것으로 나타났다. WindPRO 매뉴얼에 의하면, MCP 상관계수가 0.
60%로 나타났다. 즉, 본 연구와 같은 연구조건 하에서 단순지형에서 이격거리가 4.31km 떨어진 기상탑의 바람 데이터를 풍력자원평가 시 사용할 수 있을 것으로 분석되었다.

후속연구

따라서 AEP와 CF의 상대오차가 모두 1% 이하로 매우 작으므로 김녕과 행원의 바람 통계값은 1% 이하의 상대오차를 감안하여 상호 적용이 가능함을 알 수 있다. 향후 추가적인 사례 연구를 통하여 단순지형에서의 육상 기상탑 바람데이터의 상호 적용 가능 범위를 정립해야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	풍력발전시스템의 출력을 높이기 위해 무엇이 커야하는가?	이 결과를 토대로 유망한 풍력발전 사이트를 선정하고, 풍력 전용 기상탑을 설치하여, 1~2년간 풍력자원측정을 하게 된다.3) 풍력발전시스템의 출력을 높이기 위해서는 로터 회전 면적(Swept area)이 커야 한다4). 또한 지상으로부터 타워(Tower)의 높이가 높아질수록 고 풍속을 얻을 수 있으므로 풍력발전시스템의 크기는 계속 대형화 되고 있는 추세이다5).
	단순지형에서 각각 다른 지점에 설치된 2기의 기상탑 바람데이터를 분석하는 방법은 무엇인가?	본 연구에서는 효율적이며 정확한 풍력자원 측정 및 평가를 위하여 단순지형에서 각각 다른 지점에 설치된 2기의 기상탑 바람데이터를 분석한다. 즉 한 지점에서 측정된 바람데이터를 4.31 km 떨어진 다른 지점에 적용함으로써 연간발전량(AEP)과 설비이용률(CF)을 계산한다. 그 다음 각각의 기상탑에서 측정된 바람 데이터가 상대방 지점에 적용 되었을 때 어느 정도 정확한 풍력자원평가가 가능한 지를 검토하였다.
	풍력발전시스템의 크기가 대형화되는 이유는 무엇인가?	3) 풍력발전시스템의 출력을 높이기 위해서는 로터 회전 면적(Swept area)이 커야 한다4). 또한 지상으로부터 타워(Tower)의 높이가 높아질수록 고 풍속을 얻을 수 있으므로 풍력발전시스템의 크기는 계속 대형화 되고 있는 추세이다5). 이러한 추세에 따라 설치되는 기상탑의 높이도 높아지면서 설치비용도 증가하게 된다.

참고문헌 (15)

D. G. Won, 2016, "KEMRI Electric Power Economy Review Special Report", Kepco Economy & Management Research Institute, pp. 1-6.
C. V. Hernandez, T. Telsnig and A. V. Pradas, 2017, "JRC Science for Policy Report, 2016 Edition, Market Technology and Regulatory Aspects of Wind Energy", European Commission Publication, pp. 3-4.
P. Jain, 2011, "Wind Energy Engineering", The MCGraw-Hill Companies, INC. pp. 122-123.
K. N. Koh, J. C. Huh, 2006, "The Introduction to Wind Engineering", MunUnDang, p. 34.
N. H. Kim, K. N. Koh and S. B. Yang, 2015, "Offshore Wind Farm", CIR, pp. 32-33.
M. C. Brower et al, 2012, "Wind Resource Assessment, A Practical Guide to Developing a Wind Project", A JOHN WILEY & SONS, INC. Publication, pp. 16-22.
M. H. Zhang, "Wind Resource Assessment And Micro-Siting", WILEY, p. 6.
A. J. Bowen and N. G. Mortensen, 2004, "WAsP Prediction Errors due to Site Orography, Technical Report Ris-R-995(EN)", Riso National Laboratory, pp. 33-35.
DTU, "WAsP 11 Help Facility and On-line Documentation", Department of Wind Energy, Technical University of Denmark(DTU).
J. Y. Hyeon et al., 2014, "Measurement and Verification of Wind Shear in Kimnyeong of Jeju using Lidar", Journal of The Korean Society for Power System Engineering, Autumn Conference, pp.112-114.
J. K. Byun and J. H. Son, 2016, "Reliability Assessment of ERA-Interim/MERRA Reanalysis Data for The Offshore Wind Resource Assessment", Journal of The Korean Society for Power System Engineering Vol. 20, No. 4, pp. 44-51.

원문보기 상세보기
P. Jain, 2011, "Wind Energy Engineering", The MCGraw-Hill Companies, INC. pp. 127-135.
2005, "IEC 61400-1, Wind Turbines - Part 1: Design Requirements, 3rd Edition".
S. G. Hyun, M. S Jang and S. H. Ko, 2013, "Variability Characteristics Analysis of the Long-Term Wind and Wind Energy Using MCP Method", Journal of The Korean Solar Energy Society, Vol. 33, No. 5, pp. 1-8.
P. Nielsen et al., 2013, "Wind Pro 2.9 User Guide, 1. Edition", EMD International A/S, p. 529.

저자의 다른 논문 :

LOADING...

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