$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

표준기상데이터 작성 시 누락된 풍속 데이터의 보간 방법 제안
A Proposal of an Interpolation Method of Missing Wind Velocity Data in Writing a Typical Weather Data 원문보기

한국태양에너지학회 논문집 = Journal of the Korean Solar Energy Society, v.37 no.6, 2017년, pp.79 - 91  

박소우 (성균관대학교 건설환경시스템공학과) ,  김주욱 (성균관대학교 건설환경공학부) ,  송두삼 (성균관대학교 건설환경공학부)

Abstract AI-Helper 아이콘AI-Helper

The meteorological data of 1 hour interval are required to write a typical weather data for building energy simulation. However, many meterological data are missing and the interpolation method to recover the missing data is required. Especially, lots of meterological data are replicated by linear i...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 한편, 기상관측소는 종관기상관측소(ASOS), 자동기상관측소(AWS)로 구분되며, ASOS는 전국 도시지역을 중심으로 위치하고 있으며, AWS 관측소는 방재용으로 소규모 국지 기상감시나 도서지역과 산간지역에 설치되 어 있다. 따라서 본 연구에서는 각각의 지형별 특성에 따른 풍속데이터의 보간 방법의 적합성(신뢰도)을 분석하기 위해 ASOS 데이터와 AWS 데이터를 모두 이용하여 분석을 실시하였다.
  • 본 논문에서는 기존의 역거리가중법을 보완한 새로운 보간법을 제시하기 위해 정확도가 높은 지역에 따른 상대적 풍속의 비율을 구하고자 한다. 이를 위해 지표면 조도 C와 높이 10 m의 조건을 만족하는 기준 관측소를 하나 선정하여 이 지점의 평균풍속을 기준으로 ASOS 관측소 70개 지역, AWS 관측소 373개 지역의 상대적 풍속의 비율을 구하였다.
  • 본 연구는 국내 지역별 기후특성을 반영한 건물에너지 시뮬레이션용 표준기상데이터의 작성을 목적으로 하고 있다. 본 논문에서는 표준기상데이터 작성에 근간이 되는 기상 측정데이터 중에서 누락되어 있는 데이터의 보간 방법에 대해 검토하고자 한다. 특히 누락 기상데이터의 보간 작업 중에서 누락 구간의 앞뒤를 직선으로 연결하는 선형적 보간(linear interpolation)이 어려운 풍속데이터의 보간 방법에 대해 검토하고, 각각의 방법의 신뢰도를 분석하고자 한다.
  • 본 연구는 국내 지역별 기후특성을 반영한 건물에너지 시뮬레이션용 표준기상데이터의 작성을 목적으로 하고 있다. 본 논문에서는 표준기상데이터 작성에 근간이 되는 기상 측정데이터 중에서 누락되어 있는 데이터의 보간 방법에 대해 검토하고자 한다.
  • 표준기상데이터의 작성에서 누락된 기상데이터를 복원하는 방법으로 인접 지역의 기상데이터를 적용하기도 한다. 본 연구에서 검토 대상으로 하고 있는 풍속 데이터의 보간에도 이 방법을 이용하여 누락된 데이터의 동일한 시간대의 인접한 풍속 데이터를 차용하여 누락 구간을 복원하는 방법에 대해 검토하고자 한다.
  • 본 연구에서는 건물에너지 시뮬레이션 과정에 필요한 표준기상데이터 작성 시 누락된 데이터의 보간에 어려움 이 따르는 풍속데이터의 보간 방법에 대해 검토하였다. 풍속데이터의 보간에 있어서 선형보간법의 한계를 극복하기 위해 인접 지역의 풍속 데이터를 그대로 차용하는 방법(Method 1), 종래의 기상데이터 보정에 널리 사용 되는 역거리가중법(Method 2), 평균풍속의 비율을 이용하여 풍속데이터의 보정 작업을 수반하는 수정 역거리 가중법(Method 3)에 대해 그 신뢰도를 분석하였다.
  • 본 연구에서는 시간과 장소에 따른 변동특성이 강한 풍속데이터의 누락이 발생할 경우 이를 보간하는 방법을 제안하고자 한다. 분석 대상연도는 2014년 1년간을 대상으로 하였으며, 연구의 흐름은 다음과 같다.
  • 본 연구에서는 위와 같은 한계들을 인식하여 표준기상데이터 작성을 위한 사전 작업으로 누락된 기상청 풍속 데이터의 보간 방법을 제안하고자 한다.
  • 본 논문에서는 표준기상데이터 작성에 근간이 되는 기상 측정데이터 중에서 누락되어 있는 데이터의 보간 방법에 대해 검토하고자 한다. 특히 누락 기상데이터의 보간 작업 중에서 누락 구간의 앞뒤를 직선으로 연결하는 선형적 보간(linear interpolation)이 어려운 풍속데이터의 보간 방법에 대해 검토하고, 각각의 방법의 신뢰도를 분석하고자 한다.
  • 풍속의 세기를 기준으로 전국의 다양한 지역의 누락 풍속데이터 보간 방법의 적정성을 분석하기 위해 일반적으로 풍속의 세기가 높게 형성되는 지역과 낮게 형성되는 지역을 분석 대상지역으로 선정하였다. 풍속의 세기를 변화시키는 3가지 요인 중에서 풍속계의 높이는 대체적으로 10 m로 일정하므로, 지표면 조도와 풍속계의 위치의 조건들을 충분히 반영할 수 있는 다양한 지역을 선정하고자 한다. 일반적으로 지표면 조도가 높은 도시 지역은 지표면 조도가 낮은 시골 지역보다 풍속의 세기가 낮게 형성되고, 풍속계가 산지에 위치한 지역은 평야에 위치한 지역보다 풍속의 세기가 높게 형성되며, 해안 지역은 내륙지역보다 풍속의 세기가 높게 형성되는 경향을 보인다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
패시브 하우스란 무엇인가? 국내 에너지 소비량의 20%이상을 사용하고 있는 건물 분야에서의 에너지 소비를 줄이기 위해,1) “패시브 하우스”, “제로에너지 하우스”와 같은 건물에너지 사용량을 최소화 하는 건물이 요구되고 있다. 따라서 건물에너지 소비량을 최소화하기 위해서는 설계 단계에서부터 건물에너지 시뮬레이션을 통해 최적의 건축 설계안을 작성하는 것이 중요하다.
건물에너지 소비량을 최소화 하기 위해 중요한 것은 무엇인가? 국내 에너지 소비량의 20%이상을 사용하고 있는 건물 분야에서의 에너지 소비를 줄이기 위해,1) “패시브 하우스”, “제로에너지 하우스”와 같은 건물에너지 사용량을 최소화 하는 건물이 요구되고 있다. 따라서 건물에너지 소비량을 최소화하기 위해서는 설계 단계에서부터 건물에너지 시뮬레이션을 통해 최적의 건축 설계안을 작성하는 것이 중요하다. 건물에너지 시뮬레이션 결과의 신뢰도를 보장하는 다양한 요소가 있으나 검토 대상지역의 기후 특성을 반영한 표준기상데이터는 매우 중요한 요소이다.
우리나라에서 지역마다 세분화된 표준기상데이터는 어디서 얻을수 있는가? 지역별, 계절별 기상변동이 큰 국내 기후 특성을 반영하기 위해서는 지역마다 세분화된 표준기상데이터의 구비가 필수적이다2). 국내에는 건물에너지 시뮬레이션을 위한 지역 기상데이터로 한국태양에너지학회에서 제공하는 7개 지역의 표준기상데이터가 존재한다. 그러나 이들 7개 지역 데이터만으로는 다양한 지형적 특성을 가지는 국내 지역기후 특성을 반영하기 어렵다.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. Korea Energy Economics Institute, Yearbook of energy statistics, 2016. 

  2. Shim, J. S. and Song, D. S., Applicability of the Solar Irradiation Model in Preparation of Typical Weather Data Considering Domestic Climate Conditions, Journal of the Korea Air-Conditioning and Refrigeration Engineering, Vol. 28, No.12, pp. 467-476, 2016. 

  3. Park, S. H., Typical Weather Data Establishment and Climate Zone Development for Building Energy Assessment -Focused on the Major Cities in South Korea-, Doctorate thesis, pp. 23-51, 2013. 

  4. Baltazar, J. C. and Claridge, D. E., Study of Cubic Splines and Fourier Series as Interpolation Techniques for Filling in Short Periods of Missing Building Energy Use and Weather Data, Journal of Solar Energy Engineering, Vol. 128, No. 2, pp. 226-230, 2005. 

  5. Kim, G. H., Youn, J. H. and Kim, B. S., Producing Wind Speed Maps Using Gangwon Weather Data, Journal of the Korean Society for Geo-spatial Information Science, Vol. 18, No. 1, pp. 31-39, 2010. 

  6. Ibrahim, M. Z., Yong, K. H., Ismail, M., Albani, A. and Muzathik, A. M., Wind Characteristics and Gis-based Spatial Wind Mapping Study in Malaysia, Journal of Sustainability Science and Management, Vol. 9, No. 2, pp. 1-20, 2014. 

  7. Ali, S. M., Mahdi, A. S. and Shaban, A. H., Wind Speed Estimation for Iraq using several Spatial Interpolation Methods, British Journal of Science, Vol. 7, No. 2, pp. 48-55, 2012. 

  8. International Standard ISO 15927-4, Hygrothermal Performance of Buildings-Calculation and Presentation of Climatic Data - Part4: Hourly Data for Assessing the Annual Energy Use for Heating and Cooling, ISO, 2005. 

  9. You, H. C., Noh, K. H., Kang, H. G., and Shin, I. H., Comparison and Analysis of Typical Metrological Data by in Korea, Autumn Annual Conference of the Korea Solar Energy Society, pp. 361-366, 2009. 

  10. The Wind Engineering Institute of Korea, Wind Engineering for Engineers, Kimoondang, Seoul, pp. 236-237, 2010. 

  11. Palarya, S., Introduction to Micrometeorology, 2nd ed, Sigmapress, Seoul, pp. 154-157, 2003. 

  12. Ye, W., Spatial Variation and Interpolation of Wind Speed Statistics and Its Implication in Design Wind Load, Doctorate thesis, pp. 9-28, 2013. 

  13. Luo, W., Taylor, M. C. and Parker, S. R., A Comparison of Spatial Interpolation Methods to Estimate Continuous Wind Speed Surfaces Using Irregularly Distributed Data from England and Wales, International Journal of Climatology, Vol. 28, No. 7, pp. 947-959, 2008. 

  14. Sluiter, R., Interpolation Methods for Climate Data -Literature Review, Koninklijk Netherlands Meteorological Institute, 2009. 

  15. Han, M. S., Kim, C. S., Kin, H. S., and Kim, H. R., A Study on the Revised Methods of Missing Rainfall Data for Real-time Forecasting Systems, Journal of the Korea Water Resources Association, Vol. 42, No. 2, pp. 131-139, 2009. 

  16. Jeong, S. H., Kim, B. J., and Ha, Y. C., Revision of Basic Wind Speed Map of KBC-2009, Journal of the Architectural Institute of Korea, Vol. 30, No. 5, pp. 37-47, 2014. 

  17. Choi, S. H. and Seo, E. S., Estimating Method of Surface Roughness Using Geographic Information, Journal of the Korean Association of Geographic Information Studies Vol. 18, No.3, pp. 1-10, 2015. 

  18. Park, S. W. and Song. D. S., Interpolation Method and Its Reliability Evaluation of Wind Speed Data in Writing Typical Weather Data, Spring Annual Conference of the Korea Air-Conditioning and Refrigeration Engineering, pp. 759-762, 2017. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로