선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이때 일정기간 모델 자료와 관측자료의 상호 관련성을 평가하는 통계적 훈련 기간이 필요하다. 본 연구는 서로 다른 훈련 기간에 따른 예측 특성을 정량적으로 분석하였다.
제안 방법
- 3차원 대기역학 모형 WRF를 적용하여 하계와 동계 사례 기간 동안의 48시간 기온과 풍속을 산출하였다. 그리고 베이지안 칼만 필터의 훈련 기간은 3일,6일, 15일, 30일, 45일로 설정하였다.
- 3차원 대기역학 모형 WRF를 적용하여 하계와 동계 사례 기간 동안의 48시간 기온과 풍속을 산출하였다. 그리고 베이지안 칼만 필터의 훈련 기간은 3일,6일, 15일, 30일, 45일로 설정하였다. 풍력발전을 고려하여 연구 대상 지역은 육상 풍력을 대표하는 태백지역과 해상 풍력을 상정한 이어도 지역으로 하였다.
- 본 연구의 칼만 필터의 훈련 기간은 3일, 6일, 15일, 30일, 45일의 5개 사례로 적용하였다. 따라서 수치계산은 분석 대상일의 45일 이전인 2010년 5월 28일과 2010년 10월 7일 부터 실시하였으며, 분석 대상 기간 동안의 예측치를 활용하여 분석하였다.
- 베이지안 칼만 필터를 풍력 자원의 예측에 적용할 때 일정 기간 모델 자료와 관측 자료의 상호 관련성을 평가하는데 이를 통계모형 형성을 위한 훈련 기간으로 판단한다. 기상장의 경우 주기성을 가지기 때문에 이러한 훈련 기간에 따른 예측 특성을 정량적으로 분석할 필요가 있다.
- 기상장의 경우 주기성을 가지기 때문에 이러한 훈련 기간에 따른 예측 특성을 정량적으로 분석할 필요가 있다. 본 연구는 5개의 서로 다른 훈련 기간에 따른 베이지안 칼만 필터의 기상자원의 예측 성능을 비교하였다.
- 칼만 필터의 훈련 기간 분석에는 모델의 계산치와 관측치를 상호 비교하여야 한다. 본 연구의 칼만 필터의 훈련 기간은 3일, 6일, 15일, 30일, 45일의 5개 사례로 적용하였다. 따라서 수치계산은 분석 대상일의 45일 이전인 2010년 5월 28일과 2010년 10월 7일 부터 실시하였으며, 분석 대상 기간 동안의 예측치를 활용하여 분석하였다.
- 과거 일정 기간 동안 모델 자료와 관측 자료의 상호 관련성을 평가하는 작업을 통하여 초기치에 대한 영향을 감소시키고 동시에 기상장 발생 주기에 대한 특성을 고려할 필요가 있는데 이를 베이지안 칼만 필터의 훈련 기간으로 볼 수 있다. 본연구에서는 여름철과 겨울철 연구 대상일의 48시간 예보성능을 평가하였다. 이때 3, 6, 15, 30, 45일의 훈련 기간을 설정하여 최적 감소 인자와 오차 공분산의 특성에 따른 예측 성능을 비교하였다.
- 풍력발전을 고려하여 연구 대상 지역은 육상 풍력을 대표하는 태백지역과 해상 풍력을 상정한 이어도 지역으로 하였다. 분석은 2010년 7월 13일과 11월 22일부터 48시간으로 설정하였다. 분석결과 아래와 같은 결과를 도출하였다.
- 베이지안 칼만 필터는 선형 역학적 상태를 추정하는 재귀필터(recursive filter)로 시간에 따라 진행하면서 측정되는 기상자료를 기반으로 미래의 추정치를 조정하여 산출한다. 이 과정에서 이전 모델에 의한 추정치와 실제 관측치 간의 상호 관계를 판단하여 관측 오차까지 포함한 관측 자료를 재귀적으로 처리하며 현 상태에 대한 최적 통계적 예측을 수행한다. 알고리즘은 상태 방정식과 출력 방정식으로 구성되어있으며, 상태방정식은 현재 상태의 예측을 의미하며,출력방정식은 현재 상태에서 관측치를 활용하여 더 정확한 추정치를 제시하는 것을 의미한다.
- 본연구에서는 여름철과 겨울철 연구 대상일의 48시간 예보성능을 평가하였다. 이때 3, 6, 15, 30, 45일의 훈련 기간을 설정하여 최적 감소 인자와 오차 공분산의 특성에 따른 예측 성능을 비교하였다.
- 풍력 자원의 단기 예측성은 발전 단지의 경제성을 평가하는 중요한 요인이 된다. 이러한 예측성 향상 방안의 하나로 베이지안 칼만 필터를 적용한 후처리 과정을 적용하였다. 이때 일정기간 모델 자료와 관측자료의 상호 관련성을 평가하는 통계적 훈련 기간이 필요하다.
- 풍력에너지는 일반적으로 겨울철에 가장 크게 나타나며, 대기의 종관장에 따라 차이가 많이 나타난다. 칼만 필터를 통한 예측 민감도 특성이 종관 상태에 따라 달라질 것으로 판단하여 서로 다른 2개의 종관 사례를 선정하여 분석하였다. 분석 대상일은 2010년 7월13일부터 15일까지의 하계 사례와 2010년 11월 22일부터 24일까지 동계 사례로 분리하여 설정하였다.
대상 데이터
- , 2011). 따라서 본 연구의 연구대상 지역은 현재 대규모 풍력단지가 건설되어 있는 태백산맥의 태백기상대과 한반도 서남해상에 위치한 이어도로 설정하였다(Fig. 1). 한반도 동부 산악 지역 해발고도 715 m에 위치한 태백기상대는 기상청의 산악기상 관측연구자료를 생산하고 있으며, 신재생에너지 표준 관측소로 지정되어 기온, 바람 등 표준 기상요소부터 응용 기상 관측이 이루어지고 있다.
- 칼만 필터를 통한 예측 민감도 특성이 종관 상태에 따라 달라질 것으로 판단하여 서로 다른 2개의 종관 사례를 선정하여 분석하였다. 분석 대상일은 2010년 7월13일부터 15일까지의 하계 사례와 2010년 11월 22일부터 24일까지 동계 사례로 분리하여 설정하였다. Fig.
- 수치 바람장 생성에 적용된 수치 계산에는 동아시아 영역을 대상으로 3개의 둥지 격자를 적용하였으며, 최종 격자는 3 km의 수평 해상도를 가지고 있으며, 격자수는 370×502이다.
- 연직 격자는 총 30개 층으로 이루어져 있으며, 연직층은 지표면 부근에서 급격한 열 및 운동량 플럭스의 변동이 있기 때문에 조밀하게 설정하고, 상층으로 갈수록 성기게 설정하였다. 최하층은 25 m로 설정하고 수치실험을 실시하였다. 그리고 수치모형에 적용한 물리과정은 Table 1에 제시하였다.
- 태백과 이어도 지역의 풍력 자원 자료 예측정확도 평가를 위하여 본 연구에서는 3차원 대기역학 수치모형을 통하여 생산된 기상자료를 사용하였다. 풍력에너지는 일반적으로 겨울철에 가장 크게 나타나며, 대기의 종관장에 따라 차이가 많이 나타난다.
- 그리고 베이지안 칼만 필터의 훈련 기간은 3일,6일, 15일, 30일, 45일로 설정하였다. 풍력발전을 고려하여 연구 대상 지역은 육상 풍력을 대표하는 태백지역과 해상 풍력을 상정한 이어도 지역으로 하였다. 분석은 2010년 7월 13일과 11월 22일부터 48시간으로 설정하였다.
데이터처리
- 훈련 기간에 따른 예측 성능의 향상 정도를 정량적으로 제시하기 위하여 통계 분석을 실시하였다. 본 연구에서 적용한 통계 분석은 부호를 고려한 오차를 의미하는 평균오차(Mean Error), 오차의 편향을 의미하는 평균편향(Mean bias), 오차의 절대값을 의미하는 평균제곱근오차(Root Mean Square Error), 그리고 관측치와 모델의 일치성을 의미하는 IOA (Index of Agreement)이다.
- 훈련 기간에 따른 예측 성능의 향상 정도를 정량적으로 제시하기 위하여 통계 분석을 실시하였다. 본 연구에서 적용한 통계 분석은 부호를 고려한 오차를 의미하는 평균오차(Mean Error), 오차의 편향을 의미하는 평균편향(Mean bias), 오차의 절대값을 의미하는 평균제곱근오차(Root Mean Square Error), 그리고 관측치와 모델의 일치성을 의미하는 IOA (Index of Agreement)이다.
이론/모형
- 자료 생산에 적용된 수치모형은 Weather Research and Forecasting (WRF-Ver.3.4) 모형이다. 이 모형은 미국 대기연구소(National Center for Atmospheric Research)를 중심으로 개발되었으며 3차원 역학 및 물리 방정식을 통하여 대기의 상태를 예측 및 해석하는 모델로 종관 규모에서 미세 규모까지 다양한 기상현상 해석에 적용되고 있다.
- 특히 단기적인 풍력 기반 에너지 생산량의 예측은 신재생에너지의 활용성뿐 아니라 풍력 자원 사업자의 경제성 측면에도 중요하다. 장기적인 관점에서 풍력 자원은 통계적인 접근법을 적용하여 평가한다. 기상청과 한국에너지기술연구원은 각각 관측 자료 및 수치모델 자료를 이용하여 한반도 지역의 풍력 자원 분포를 평가하였다(Kim et al.
성능/효과
- (1) 전체적으로 지상 기상 관측 자료를 이용하여 베이지안 후처리 시스템을 적용한 기상요소의 예측성이 WRF 자체의 예측치에 비하여 예측 성능이 높게 나타난다.
- (3) 여름철 사례의 경우, 태백 지역의 기온 및 풍속예측은 3일의 단기적인 베이지안 칼만 훈련을 적용한 경우 예측 성능의 향상이 우수하며, 이어도 지점은 기온은 30일, 풍속은 6일의 훈련 기간이 가장 좋은 예측력 향상이 나타난다. 겨울철 사례의 경우, 태백 지역은 여름철 사례와 마찬가지로 3일의 훈련 기간에서 가장 우수한 결과를 제시하고, 이어도 지역은 풍속, 기온 모두 6일의 훈련 기간이 최적의 예측치를 제시하였다.
- (4) 산악 지역의 경우, 지형에 따른 중규모 강제력이 강하게 작용하기 때문에 3일 정도의 단기간 훈련 기간을 설정하는 것이 유용하며, 해상과 같이 종관규모의 기상요소가 작용하는 영역에서는 6일에서 30일 정도의 훈련 기간에서 베이지안 칼만 필터가 효과적으로 작동하는 경향이 있다.
- (5) WRF 예측 성능이 떨어지는 사례에서 베이지안 칼만 필터의 예측 성능향상이 뚜렷하게 나타나며,반대로 WRF 예측이 정확한 지점에서는 필터적용에 따른 성능향상 정도가 약한 경향을 가진다.
- Table 3은 Table 2와 동일한 통계분석을 기온에 대하여 수행한 결과를 나타낸 것이다. 기온은 풍속과 달리 모든 사례에서 베이지안 칼만 필터 적용 시 예측 정확도의 향상이 나타난다. 그리고 풍속의 경우와 마찬가지로 육상인 태백의 경우 3일의 훈련 기간에서 가장 높은 향상정도를 나타내고 있으며, 이어도의 경우 6일과 15일에서 가장 좋은 향상도를 나타낸다.
- 4와 마찬가지로 이어도를 대상으로 7월 13일부터 48시간 예보에 대한 기온과 풍속의 관측치, 모델치 그리고 서로 다른 훈련 기간을 적용한 베이지안 칼만 필터의 예측시계열을 나타낸 것이다. 먼저 기온의 시계열을 보면, 해상에서 기온의 일변동성은 뚜렷하게 나타나지 않는다. 전체적으로 수치 모델값이 관측값에 비하여 과대 모의하는 경향을 나타낸다.
- 5 m/s 이상 감소하는 등 모든 통계치에서 높은 향상정도를 나타낸다. 이어도 사례는 6일 이상의 훈련 기간을 가진 경우 예측 성능이 향상되는 것을 볼 수 있으며 이중 6일의 훈련 기간에서 가장 높은 향상도를 보인다. 반면 3일의 훈련 사례는 반대로 예측정확도가 수치 모델에 비하여 떨어진다.
- 7의 시계열에서 수치모델의 예측치와 관측치를 비교하면, 겨울철의 모델 예측이 여름철에 비하여 우수하다. 즉 베이지안 칼만 필터의 예측 성능 향상정도는 모델의 예측성이 떨어질 경우 높아지는 경향을 나타내고 모델의 예측력이 높은 사례에서는 베이지안칼만 필터에 의한 예측력 향상 정도가 떨어진다. 이러한 경향성은 태백의 기온 사례에서도 동일하게 나타난다.
후속연구
- 본 연구는 태백과 이어도의 제한된 지점과 기간에 대한 분석을 바탕으로 전개된 사례 연구라는 측면에서 연구의 한계점은 분명히 존재한다. 그러나 수치모델 결과가 가지는 예측의 오차를 통계적인 후처리 방법을 통하여 줄일 수 있다는 점은 분명하며, 베이지안 칼만 필터에 대한 활용성과 지역적 적용 특성에 대한 경향성이 뚜렷하게 분석되었다는 측면에서 향후 풍력 발전 및 예측 연구에 기본 자료로 활용될 수 있을 것이다.
- 본 연구는 태백과 이어도의 제한된 지점과 기간에 대한 분석을 바탕으로 전개된 사례 연구라는 측면에서 연구의 한계점은 분명히 존재한다. 그러나 수치모델 결과가 가지는 예측의 오차를 통계적인 후처리 방법을 통하여 줄일 수 있다는 점은 분명하며, 베이지안 칼만 필터에 대한 활용성과 지역적 적용 특성에 대한 경향성이 뚜렷하게 분석되었다는 측면에서 향후 풍력 발전 및 예측 연구에 기본 자료로 활용될 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.