문제 정의

• 본 논문에서는 우리나라의 서 남해 해상풍력에 대한 연구와 세계 최대 용량의 풍력 발전을 하는 텍사스의 현재 사용하는 풍력발전 예측 모델에 대해 알아본다. 그리고 후)출력값과">출력 값과 상호 거리의 상관관계를 분석하였다. 이를 통하여 풍력발전 예측 모델에서 시간적인 특성과 공간 적인 특성이 모두 고려되어야 한다는 필요성에 대해 연구하고자 한다.
• 후)위치기반">위치 기반 특성을 고려한 통계방법이다. 즉, 지도나 시각화된 자료에서 공간적 패턴을 탐색해 공간적 모델링을 하는 것이다. 통계학은 크게 기술적인 측면(descriptive statics)과 추론적인 측면(Inferential statics)으로 나눠지는데, 본 연구에서는 데이터 샘플로 전체를 추론하는 기법을 사용하였고 모집단으로 두 가지 차원, 위도와 경도 데이터를 활용하였다.
• 향후, 본 연구에서 수행한 상관관계를 기반으로 공간 모델링(Spatial modeling)을 위해 베리오그램(Variogram)을 구현해보고자 한다. 베리오그램이란

  제안 방법

  • ">최적화 시킨다. 그 후, 통계모델을 이용해 국내외 통계모델에 연구 자료를 조사하고 측정 단지 내 과거 실축 자료를 조사하는 방법으로 최종 예측 정보를 제공한다.
  • 후)풍력발전을">풍력 발전을 하는 텍사스의 현재 사용하는 풍력발전 예측 모델에 대해 알아본다. 그리고 공간 기법 적용 방안을 연구하기 위해 제주도 풍력 발전 단지를 선정하여 풍력의 출력 값과 상호 거리의 상관관계를 분석하였다. 이를 통하여 풍력발전 예측 모델에서 시간적인 특성과 후)관측값들의">관측 값들의 차이를 제곱한 값의 평균이다. 베리오그램 분석을 통해 자료의 공간분석특성을 파악하여 공간 예측을 할 수 있도록 한다. 반베리오그램은 베리오그램의 반에 해당하며 나타내는 식은 다음과 같다.
  • 선정한 6개의 풍력 발전 단지의 2011년의 월별 분당 출력량 데이터를 이용하여 발전 단지 상호 거리와 상관관계 분석하고 추세 선을 적용해 보았다. 즉, 지도나 시각화된 자료에서 공간적 패턴을 탐색해 공간적 모델링을 하는 것이다. 통계학은 크게 기술적인 측면(descriptive statics)과 추론적인 측면(Inferential statics)으로 나눠지는데, 본 연구에서는 데이터 샘플로 전체를 추론하는 기법을 사용하였고 모집단으로 두 가지 차원, 위도와 경도 데이터를 활용하였다.[6]
  • 후)사용방법에">사용 방법에 따라 크게 변화한다. 현재 6시간 마다 물리적 모델을 실행하여 지역의 대기 모델을 예측하고 그 모델과 지역의 날씨, 전력 데이터를 통계적 방법에 따라 발전량을 예측한다.

  대상 데이터

  • 풍력발전 출력과 거리와의 상관관계를 알아보기 위해 제주도의 4개 지역, 6개의 풍력 단지의 출력 데이터를 사용하였다. 그림3는 선정한

    이론/모형

    • 미국 ERCOT (Electic Reliability Council of Texas)의 경우도 마찬가지로, NWP (Numerical Weather Prediction)을 이용하여 물리적 모델을 사용한다. NWP는

      성능/효과

      • 후)상관계수값이">상관계수 값이 변화한다. 또한, 추세 선을 살펴보면 풍력 발전 단지의 상호 거리가 가까울수록 상관계수가 높게 나왔고 거리가 멀어질수록 상관계수가 감소하는 것을 확인할 수 있었다. 따라서 후)풍력발전">풍력 발전 출력을 예측하는 것이다. 제주도의 6개의 풍력 단지의 출력을 거리에 따른 상관관계 분석을 해본 결과, 거리가 가까울수록 높은 상관관계가 나타났고, 거리가 멀수록 상관관계가 낮아진다는 것을 알 수 있었다. 그리고 거리가 멀지만 비교적 높은 상관계수를 갖는 부분은

        후속연구

        • 후)조건뿐">조건 뿐 아니라 공간적인 특성이 모두 고려되어야 한다. 거리가 멀지만 높은 상관관계를 가진 부분에 대해서는 기상 조건과 지형 조건의 영향을 분석해보고, 베리오그램 모델을 이용하여 공간적인 특성에 대한 관계를 파악해 공간 모델링을 통한 풍력 발전 예측에 대해 연구를 수행할 예정이다.