투고일자 : 2009년 2월 17일, 심사일자 : 2009년 2월 23일, 게재확정일자 : 2009년 4월 22일 교신저자 : 고경남 ([email protected])
제주 북동부지역을 대상으로 한 WindPRO의 예측성능 평가
오현석*, 고경남**, 허종철***
*제주대학교 대학원 기계공학과([email protected]),
**제주대학교 청정에너지실증연구센터([email protected]),
***제주대학교 기계시스템공학부([email protected])
Evaluation of the Performance on WindPRO Prediction in the Northeast Region of Jeju Island
Oh, Hyun-Seok* Ko, Kyung-Nam** Huh, Jong-Chul***
*Dept. of Mechanical Engineering, Graduate School, Cheju National University([email protected]),
**Test & Evaluation Research Center for Clean Energy Development, Cheju National University([email protected]),
***Faculty of Mechanical system Engineering, Cheju National University([email protected])
Abstract
In order to clarify predictive accuracy for the wind resource predicted by running WindPRO(Ver. 2.5) which is software for wind farm design developed by EMD from Denmark, an investigation was carried out at the northeast region of Jeju island. The Hangwon, Susan and Hoichun sites of Jeju island were selected for this study. The measurement period of wind at the sites was for one year. As a result, when the sites had different energy roses, though the two Wind Statistics made by STATGEN module were used for the prediction, it was difficult to exactly predict the energy rose at a given site. On the other hand, when the two Wind Statistics were used to predict the average wind speed, the wind power density and the annual energy production, the relative error was under ±20% which improved more than that when using only one Wind Statistics.
Keywords : WindPRO, WAsP(Wind Atlas Analysis and Application Program), 풍력자원 (Wind resource), 와이 블분포(Weibull distribution), 연간발전량(Annual energy production)
1. 서 론
제주도는 2008년 현재 약 34MW의 풍력발 전기가 보급되어 있다. 동부지역은 구좌읍
행원리와 월정리에 약 9.8MW와 1.5MW가 각각 설치되어 있고, 서부지역은 한국남부발 전의 한경풍력발전단지(21MW)와 제주도청 의 풍력발전기(1.7MW)가 한경면 해안가 일
[논문] 한국태양에너지학회 논문집 Journal of the Korean Solar Energy Society
Vol. 29, No. 2, 2009 IS S N 1 5 9 8 - 6 4 1 1
대에 들어서 있다. 제주특별자치도는 2020년까 지 제주도 육해상에 풍력발전기를 총 500MW 설치한다는 계획을 최근에 발표했다. 이를 실행하기 위해서는 제주도 내륙지역과 해안 지역 전체에 대한 풍력자원 조사가 선행되어 야 하며, 동시에 현재까지 확보된 제주도의 바람데이터를 충분히 활용할 필요도 있다.
그러나 제주지역 특성상 중산간지역은 곳곳 마다 기생화산이 분포하고 있어서 복잡지형 에 해당하므로, 풍황의 정확한 예측이 쉽지 않다. 향후 제주도내에 풍력발전단지를 추가 로 건설하기 위해서는 풍황의 정확한 평가가 필요하고, 이를 통해 보다 더 효율적인 풍력 단지설계가 이루어져야 할 것이다[1].
풍황 예측과 풍력단지 설계를 목적으로 사용 되고 있는 프로그램으로는 덴마크 Risø 연구소 의 WAsP(Wind Atlas Analysis and Application Program)과 EMD사의 WindPRO, 영국 Garrad Hassan사의 GH WindFarmer 등이 있다. 일 찍부터 유럽에서는 WAsP의 예측성능에 관 한 연구[2]가 많이 진행되어 왔다. 비교적 평 탄한 지형으로 이루어진 유럽과 달리 우리나 라나 일본은 지형이 복잡하므로, 이 프로그램 들을 이용하여 복잡지형에서도 예측 정확도 가 높은지 여부를 평가하는 연구[3][4]가 진행 되어 왔고, 나아가 예측성능을 높이기 위한 연 구[5][6]도 수행되고 있다. 유럽의 풍력단지 설 계프로그램에 맞서서 일본은 2004년부터 일본 의 복잡지형에 적합한 MASCOT (Microclimate Analysis System for Complex Terrain)를 개발 해왔고, 현재 버전 2를 출시한 상태다. 島田 등[7]은 복잡지형에서 풍력발전단지의 발전량 을 MASCOT와 WAsP을 이용하여 예측한 결 과, MASCOT로 예측한 결과가 WAsP보다 더 실측치에 근접했다는 연구결과를 발표했다.
우리나라도 우리나라의 지형에 잘 맞는 이러 한 프로그램 개발이 이루어지고, 풍력발전 사 업자나 연구자에게 공급되어야 할 것이다.
우리나라에서는 예전부터 WAsP을 이용한 풍황 및 발전량 예측을 몇몇 기관에서 수행해
왔고, 현재는 WAsP과 연계하여 WindPRO도 운용하는 기관이 있다. WindPRO는 복잡지형 에서 WAsP과 연계한 WAsP-interface 모듈 을 사용하여 풍황을 예측하는 것을 권장하고 있고, 이에 대한 연구가 필요한 시점이라 할 수 있다. 또한 WindPRO를 이용하여 풍황을 예측할 수 있지만, 특히 복잡지형에서 그 정 확도가 어느 정도인지 파악하기는 쉽지 않다.
따라서 이 연구에서는 복잡지형이라 할 수 있 는 제주도 북동부지역을 대상으로 WindPRO (Ver. 2.5)의 WAsP-interface 모듈을 사용하 여 그 예측성능을 평가하였고, 예측성능을 향상시킬 수 있는 방안도 연구하였다.
2. WindPRO의 풍황 계산모듈
WindPRO는 풍황 계산모듈을 3개 가지고 있으며 METEO, ATLAS, WAsP-interface 가 그것이다[8][9]. 또한 실측 바람데이터를 통계화하는 STATGEN모듈이 따로 존재한 다. ATLAS와 WAsP-interface 계산 시 이 통계화 된 바람통계값(Wind statistics)이 필 요하며 STATGEN과 WAsP-interface 모듈 은 WAsP을 이용하여 계산한다.
METEO는 실제 수집데이터를 멱법칙(Power law)[1]을 이용하여 높이별 풍속 보정 후 풍황 및 연간발전량을 계산하는 모듈로써 수치지도와 바람통계값이 필요 없다. 즉, 데이터 수집지점에 서의 풍황 및 연간발전량만을 계산할 수 있다.
ATLAS는 측정데이터를 통해 생성된 바 람통계값과 예측하고자 하는 지역의 방위별 거칠기 길이, 그리고 필요에 따라 언덕이나 장애물을 방위별로 1개에 한하여 입력시킬 수 있고, 예측하고자 하는 풍력발전기의 출 력곡선을 이용하여 해당 사이트의 풍황 및 연간발전량을 예측하는 모듈이다. 그러나 단 순지형(Simple terrain)에는 적용 가능하지만, 복잡지형(Complex terrain)에서는 권장하고 있지 않다. 제주도는 제주 전역에 걸쳐 오름 (작은 산)들이 넓게 분포하고 있고 산과 골이 발
달되어 복잡지형에 해당되므로 ATLAS 모듈을 사용하는 것은 바람직하지 않다고 생각된다.
WAsP-interface에서는 등고선이 그려진 수치지도를 사용하여 지형을 보다 정확히 정 의할 수 있고, 장애물도 개수 제한 없이 정의 할 수 있다. 거칠기길이도 ATLAS와 같이 방위별로 입력시키지 않고, 지형지물을 보면 서 보다 정확히 디지털 입력이 가능 하다. 따 라서 제주도와 같은 복잡지형에서 풍황 등을 예측할 때 적당한 모듈이라 할 수 있다.
이 연구를 위해 사용한 WindPRO의 계산 모듈은 STATGEN과 WAsP-interface이다.
WAsP-interface 모듈을 사용하여 풍황을 예 측하였으므로, 사실상 이 연구는 WAsP의 풍황 예측 정확도를 WindPRO에서 평가한 것이라 할 수 있다. 그림 1은 WindPRO의 작 업환경을 보여준다.
그림 1. WindPRO (Ver. 2.5) 작업환경
3. 측정 조건 및 연구방법
그림 2와 표 1은 이 연구에서의 바람데이 터 측정지역인 행원, 수산, 회천의 지리적 위 치와 해발고도 및 거칠기 길이를 보여준다.
행원에 위치한 기상측정탑은 행원 풍력발전 단지와 인접한 김녕-세화해안도로에서 바닷 가 방향으로 설치되었고, 해발고도는 0.8m이 다. 수산에 위치한 기상측정탑은 제주도 동 쪽 중산간 지역 중 넓은 목초지가 발달한 지 역으로 비교적 평활한 지형을 보이고 있고,
남동 방향과 남서방향으로 작은 기생화산이 위치하고 있으며 해발고도가 176.2m이다. 회 천에 설치된 기상측정탑은 쓰레기매립장 내 에 위치하였으며, 기상측정탑 반경 1～2km 내에는 짧은 초지로 구성된 넓은 지역이다.
이 지역은 남쪽으로 한라산이 자리 잡고 있 으며 북쪽으로는 제주 시내가 보이는 경사면 으로 해발고도가 401.4m이다.
축척 1:25,000 수치지도의 등고선을 추출한 그림 2는 가로×세로가 33km×30km이며, 항 공사진과 WindPRO 매뉴얼을 참고하며 거칠 기 길이를 정의하였다. 거칠기 길이 입력 값 은 바다 0m, 해안가와 일주도로변 0.03m～
0.1m, 중산간 0.03m～0.2m, 산림과 시가지는 0.4m 이다. WAsP 매뉴얼에 따라 바다의 거 칠기 길이는 매우 부드러운 지면과의 구별을 위해 0m를 입력하였다.
측정사이트 사이의 거리 및 지면 기울기를 표 2에 나타내었다. 사이트들 사이의 거리가 모두 10km 이상 떨어져 있음을 알 수 있다. 유저가 이드[8]에 따르면 복잡지형의 경우, 예측할 사 이트로부터 최대 반경 100km 이내에서 만들어 진 바람통계값을 이용하여 풍황을 예측할 수 있다. 표로부터 회천-행원 사이의 거리 및 지 면 기울기가 가장 높은 것을 알 수 있다.
그림 2. 제주도 북동부지역 해발고도-거칠기길이 수치지도
표 1. 측정사이트 측정
사이트 경도 위도 해발
고도(m) 비고 행원 126˚49’18’’ 33˚33’35’’ 0.8 해안가 수산 126˚49’41’’ 33˚26’19’’ 176.2 내륙지 회천 126˚37’45’’ 33˚27’28’’ 401.4 내륙지
표 2. 측정사이트 사이의 지형정보
측정사이트 거리(km) 지면 기울기
행원-수산 13.49 0.744˚
수산-회천 18.61 0.694˚
회천-행원 21.17 1.083˚
각 사이트의 바람데이터 측정기간은 2005 년 11월 1일부터 2006년 10월 31일까지 1년 간이며 측정높이는 지면으로부터 30m이다.
회천은 1시간평균 데이터, 행원과 수산은 10 분 평균 데이터를 사용하였고 데이터회수율 은 세 지역 모두 100%이다.
WindPRO를 이용한 예측성능 평가방법은 다 음과 같다. 행원사이트의 경우, 행원 사이트의 실측데이터 및 자기예측값을 참값으로 하고, 수산 또는/그리고 회천사이트의 바람통계값을 사용하여 행원사이트의 풍력자원량을 예측한 후, 참값과의 상대오차를 구하였다. 수산 및 회 천사이트도 같은 방법으로 평가하였다.
4. 각 사이트 풍황 분석
그림 3은 지상으로부터의 높이 30m에서 측 정된 행원의 와이블분포와 에너지장미(Energy rose)이다. 에너지장미는 연간 풍향별 풍력밀 도의 총합이라 할 수 있으며, 풍력이용의 측 면에서 풍향별 바람의 빈도를 나타내는 바람 장미보다 중요하다.
이 지역은 10m/s이상의 바람이 약 22%정도로 높고 대부분의 풍력발전기의 시동풍속인 4m/s 미만의 바람은 약 27%이다. 와이블분포의 척도
계수와 형상계수인 C, k값은 각각 7.33m/s, 1.617이고 평균풍속은 6.57m/s이다. 에너지장 미로부터 서풍에서 북서풍계열 바람이 높은 풍 력밀도를 형성하고 있음을 알 수 있다.
(a) 와이블분포
(b) 에너지장미
그 림 3. 행원 지 역의 와 이 블분포 와 에너 지 장미
그림 4는 30m에서 측정된 수산의 와이블분포 와 에너지장미이다. 이 지역은 10m/s이상의 바 람이 약 13%정도이며 4m/s미만의 바람은 약 25%이다. 와이블분포의 C, k값은 각각 6.58m/s, 1.889이고, 평균풍속은 5.84m/s이다. 에너지장미 로부터 북서풍에 의해 높은 풍력밀도가 발생하
고 있음을 알 수 있다.
(a) 와이블분포
(b) 에너지장미
그림 4. 수산지역의 와이블분포와 에너지장미
그림 5는 30m에서 측정된 회천의 와이블분 포와 에너지장미이다. 와이블분포로부터 10m/s 이상의 바람이 약 11%정도이며 4m/s미만의 바 람은 약 35%이다. 와이블분포의 C, k값은 각각 6.01m/s, 1.655이고 평균풍속은 5.37m/s이다. 에 너지장미로부터 북서풍 및 서북서풍에서 높은 풍력밀도가 형성되고 있다.
3지역 모두 주풍향이 뚜렷하고, 풍속은 행 원, 수산, 회천 순으로 높다. 수산, 회천지역
은 북서풍계열, 행원지역은 서풍계열에서 높 은 풍력밀도가 형성되고 있다. 이렇게 풍계 가 조금 다른 이유는 제주도 중부내륙 국지 기상이 해안 국지기상과는 별개의 특성을 갖 기 때문으로 생각된다[10].
(a) 와이블분포
(b) 에너지장미
그림 5. 회천지역의 와이블분포와 에너지장미
5. 예측결과 및 평가
5.1 에너지장미 예측결과 비교
복잡지형에 권장되는 WAsP-interface 모 듈을 이용하여 에너지장미를 상호예측 하였
다. 지상으로부터 50m에서의 행원의 에너지 장미를 예측한 것을 그림 6에 나타낸다. 근 처의 바람통계값을 이용하여 어떤 사이트의 풍황을 예측할 때, WindPRO(ver.2.5)는 기준 높이인 50m에 대해서만 와이블분포, 에너지장 미 그림을 제공한다. 그림에서 Reference 값 (폭이 넓은 값)은 해당지역이 평탄지형(Flat terrain)이며 거칠기 길이가 0.03m일 때의 예 측결과로서 언덕에 의한 가속효과나 해안가 지역의 효과를 알 수 있는 참고값이다[8]. 즉, Current site 값(폭이 좁은 값)이 수치지도의 입력 값이 반영된 결과이다. 이 연구에서 자 기예측이란 어떤 지점의 바람통계값을 만든 후, 그 바람통계값을 이용하여 그 지점의 바 람특성을 예측하는 것을 의미한다.
(a) 행원 자기예측 (b) 수산 바람통계값을 이용한 행원 예측
(c) 회천 바람통계값을 이용한 행원 예측
(d) 수산과 회천 바람통계값을 이용한 행원 예측 그림 6. 행원지역의 에너지장미 예측(지상으로부터 50m)
(a)의 행원 자기예측 결과는 30m 높이에 서의 바람통계값을 이용하여 50m 높이에서 의 에너지장미를 예측한 것이다. 30m 높이에 서의 에너지장미를 나타낸 그림 3(b)와 그 형태가 매우 비슷하지만, 방위별로 약간씩 풍력밀도가 증가된 것을 볼 수 있다. 이 결과
는 실측 지점에서 높이만 변한 것이므로 약 간의 오차는 발생할 수 있지만, 대체로 타당한 결과라 할 수 있다. (b)는 수산에서의 바람통계 값을 이용하여 행원지점을 예측한 결과이다. 그 림 4(b)와 비교하면 그 형태가 매우 비슷하다.
행원지역의 에너지장미를 수산지역 바람통계값 을 이용하여 예측하는 것은 문제가 있다는 것 을 보여준다. 이러한 경향은 (c)의 회천 바람통 계값을 이용한 행원 예측에서도 나타난다. (d) 는 수산과 회천 바람통계값을 이용하여 행원을 예측한 결과이다. WindPRO에서는 바람통계값 을 여러 개 이용하여 풍황 및 연간발전량 등을 예측할 수 있다. 이 때 WindPRO는 예측하고자 하는 지점으로부터 가까운 지점에서 만들어진 바람통계값일수록 더 많은 가중치를 주고 계산 하게 된다. 물론 필요에 따라 가중치를 임의로 바꿀 수도 있다. (d)로부터 두 개의 바람통계값 을 이용했지만, 행원의 에너지장미를 정확도 높 게 예측하지는 못했음을 보여준다.
이로부터 WindPRO를 이용하여 에너지장미 또는 바람장미를 예측하는 것은 풍계가 비슷한 지역일 경우에는 어느 정도의 예측 정확도를 기대할 수 있지만, 풍계가 다르면 전혀 다른 결 과를 내 놓을 수도 있음에 주의해야 할 것이다.
5.2 평균풍속, 풍력밀도, 연간발전량 예 측결과 비교
실측데이터를 이용하여 바람통계값을 만 든 후 평균풍속, 풍력밀도, 연간발전량을 자 기예측하였다. 실측데이터와 자기예측값 사 이의 오차가 작을수록 바람통계값이 실측데 이터를 잘 표현하고 있음을 의미한다.
표 3은 실측데이터와 자기예측값을 비교한 것이다. 허브높이가 30m, 정격출력이 225kW 인 Vestas V29 기종의 출력곡선을 참고하여 실측데이터 및 WindPRO로부터 연간발전량 을 예측하였다. 이 연구에서 상대오차가 +이 면 과대평가한 것이고, -이면 과소평가한 것을 나타낸다. 행원지역의 연간발전량 예측을 제외
하고, 3지역 모두 ±3%내외의 상대오차를 보이 고 있으므로, 만들어진 바람통계값을 이용하여 상호예측 하는 데는 문제가 없을 것으로 판단 된다. 그러나 명확히 하기위하여 이 연구에서 는 실측데이터와 WindPRO의 자기예측값 모 두를 기준으로 상대오차를 구하였다.
표 4는 상대 사이트의 단일 바람통계값을 적 용한 기준사이트의 바람특성 예측 결과이다.
표로부터 평균풍속의 상대오차가 풍력밀도와 연간발전량의 상대오차 보다 대체로 작음을 알 수 있다. 그 이유는 풍력밀도와 연간발전량이 풍속의 세제곱에 비례하기 때문이다. 행원-수 산지역이 서로 상호 예측한 값에 대한 상대오 차들이 16.6%이하로 가장 작다. 반면 수산-회 천지역의 상대오차들은 38.9%이하로 가장 크 다. 그러나 표로부터 일관된 오차의 경향과 그 원인을 파악하기 어려우며, 단일 바람통계값을 사용하여 후보 사이트의 바람특성을 예측하는 것은 불확도가 클 수 있음을 시사하고 있다.
표 3. 실측데이터와 자기예측값 비교 기준
사이트 실측데이터 자기예측값 상대오차(%)
행원
평균풍속
(m/s) 6.45 6.6 2.3
풍력밀도
(W/m2) 423 416 -1.7 예 상연 간
발 전 량 (MW h)
603.5 628.6 4.2
수산
평 균풍 속
(m/s) 5.79 5.9 1.9
풍 력밀 도
(W/m2) 246 242 -1.6 예 상연 간
발 전 량 (MW h)
471 478.2 1.5
회천
평 균풍 속
(m/s) 5.22 5.4 3.4
풍 력밀 도
(W/m2) 224 216 -3.6 예 상연 간
발 전 량 (MW h)
398 411.7 3.4
2개의 상대 사이트의 바람통계값을 적용한 기준사이트의 바람특성 예측 결과를 표 5에
나타낸다. 수산과 회천 사이트의 바람통계값 을 이용하여 행원 사이트를 예측한 결과는 최 대 -10.6%의 상대오차를 보이고 있다. 회천 및 행원 사이트의 바람통계값을 이용하여 수 산 사이트를 예측한 결과는 연간발전량에서 상대오차가 -16.9%로 최대를 기록하고 있다.
수산 및 행원 사이트의 바람통계값을 이용한 회천 사이트의 예측 결과는 연간발전량에서 최대 19.8%의 상대오차가 발생하였다.
표 4. 단일 바람통계값을 적용한 기준사이트의 바람특성 예측 결과
기준 사이 트
바람통 계값 제공 사이트
기준사이트 예측값
실측데이 터에 대한
상대오차 (%)
자기예측 값에 대한
상대오차 (%)
행원 수산
평균풍속
(m/s) 7.2 11.6 9.1 풍력밀도
(W/m2) 451 6.6 8.4 연 간발 전
량 (MW h) 704 16.6 12.0
회천
평 균풍 속
(m/s) 6.1 -5.4 -7.6 풍 력밀 도
(W/m2) 297 -29.8 -28.6 연 간발 전
량 (MW h) 538.9 -10.7 -14.3
수 산 행원
평 균풍 속
(m/s) 5.5 -5.0 -6.8 풍 력밀 도
(W/m2) 269 9.3 11.2 연 간발 전
량 (MW h) 435.2 -7.6 -9.0
회천
평 균풍 속
(m/s) 5.1 -11.9 -13.6 풍 력밀 도
(W/m2) 180 -26.8 -25.6 연 간발 전
량 (MW h) 360.1 -23.5 -24.7
회 천 수산
평 균풍 속
(m/s) 6.2 18.8 14.8 풍 력밀 도
(W/m2) 300 33.9 38.9 연 간발 전
량 (MW h) 523.5 31.5 27.2
행원
평 균풍 속
(m/s) 5.7 9.2 5.6 풍 력밀 도
(W/m2) 286 27.7 32.4 연 간발 전
량 (MW h) 469.9 18.1 14.1
행원 사이트의 예측 결과가 보다 정확한 이유는 다른 사이트에 비하여 지형이 단순하 기 때문으로 생각된다. 단일 바람통계값을 이용한 예측 결과를 나타낸 표 4에서는 최대 상대오차가 거의 ±40%였지만, 2개의 바람통 계값을 사용한 예측에서는 그 값이 약 ±20%
임을 보여주고 있다. 어떤 사이트의 풍력자 원량을 예측할 때, 그 사이트에서 측정한 바 람데이터를 이용하는 것이 가장 정확한 예측 결과를 준다는 것은 주지의 사실이다. 그러 나 만약 그 사이트에서 측정된 바람데이터가 없다면, 근처에서 측정한 바람데이터를 활용 하여 WindPRO에서 그 사이트의 풍력자원량 을 예측할 수 있고, 나아가 2개 이상의 사이 트에서 얻은 바람데이터를 활용한다면, 보다 정확한 예측이 가능할 것으로 생각된다.
표 5. 2개의 바람통계값을 적용한 기준사이트의 바람특성 예측 결과
기준 사이 트
바람 통계값 제공 사이트
기준사이트 예측값
실측데이 터에 대한 상대오차
(%)
자기예측 값에 대한
상대오차 (%)
행원 수산
회천
평균풍속
(m/s) 6.7 3.9 1.5 풍력밀도
(W/m2) 378 -10.6 -9.1 연간발전
량(MWh) 627.7 4.0 -0.1
수산 회천
행원
평균풍속
(m/s) 5.3 -8.5 -10.2 풍력밀도
(W/m2) 210 -14.6 -13.2 연간발전
량(MWh) 397.2 -15.7 -16.9
회천 수산
행원
평균풍속
(m/s) 5.8 11.1 7.4 풍력밀도
(W/m2) 260 16.1 20.4 연간발전
량(MWh) 476.9 19.8 15.8
표 6은 단일 및 2개의 바람통계값을 사용했 을 때의 RMSE (Root Mean Square Error)를 나타낸다. RMSE는 다음 식으로 구하였다.
(1)
여기서, 는 i번째의 예측값, 는
i번째의 실측값, n은 데이터 개수를 의미한 다.
표로부터 모든 예측값에 대하여 단일 바람 통계값을 사용한 경우 보다 2개의 바람통계 값을 사용한 경우가 RMSE 값이 더 작은 것 을 알 수 있다. 단일 바람통계값을 이용하는 것 보다는 2개 이상의 바람통계값을 이용하 는 것이 보다 정확한 예측 결과를 가져올 수 있음을 이 표로부터 확실히 알 수 있다.
표 6. RMSE 비교 구분
바람특성
단일 바람통계값 사용
2개의 바람통계값 사용 실측값에 대한 평균풍속의
예측값(m/s) 0.64 0.46
자기예측값에 대한
평균풍속의 예측값(m/s) 0.60 0.42
실측값에 대한 풍력밀도의
예측값(W/m2) 72.07 39.23 자기예측값에 대한
풍력밀도의 예측값(W/m2) 72.93 38.31 실측값에 대한
연간발전량의 예측값(MWh) 90.16 63.91 자기예측값에 대한
연간발전량의 예측값(MWh) 87.00 60.04
6. 결 론
풍력발전단지 설계 프로그램인 WindPRO (Ver.2.5)를 이용하여 제주도 북동부지역에 위치한 행원, 수산 및 회천지역의 바람특성 을 예측하였고, 실측 데이터와 상호 비교하 여 그 예측성능을 평가하였다. 복잡지형에 권장되는 WindPRO의 WAsP-interface 모 듈을 사용하였고, 단일 바람통계값을 사용한 경우와 2개의 바람통계값을 사용한 경우로
나누어 그 결과를 비교하였다. 연간 풍향별 풍력밀도의 총합이라 할 수 있는 에너지장미 의 경우, 풍계가 다르면 사용된 바람통계값 의 개수에 관계없이 정확도 높은 예측 성능 을 기대할 수 없었다. 평균풍속, 풍력밀도, 허 브높이가 30m인 225kW의 Vestas V-29 기 종을 설치했을 때의 연간발전량을 상호 예측 한 결과, 단일 바람통계값을 사용했을 때는 일관된 오차의 경향과 그 원인을 파악하기 어려웠다. 그러나 2개의 바람통계값을 사용 한 경우, 예측성능이 훨씬 향상됨을 알 수 있 었다. 이 연구에서 단일 바람통계값을 사용 한 경우에는 상대오차가 거의 ±40% 이내였 지만, 2개의 바람통계값을 사용한 예측에서 는 그 값이 약 ±20% 이내였다. 보다 많은 수 의 바람통계값을 사용하여 예측하거나 예측 사이트에 보다 근접한 바람통계값을 사용한 다면 예측오차를 더욱 줄일 수 있을 것으로 생각된다. 우리나라의 다양한 지역을 대상으 로 이와 같은 연구가 더 많이 진행되어 우리 나라 지형에 잘 맞는 WindPRO 운영기술을 확보해 나가야 할 것이다.
참 고 문 헌
1. 고경남, 허종철, 풍력공학입문, 문운당출판사, 2006.
2. Erik Berge, Finn Nyhammer, Lars Tallh aug and Oystein Jacobsen, An Evaluatio n of the WAsP Model at a Coastal Mou ntainous Site in Norway, Wind Energy, Vol.9, pp.131～140, 2006.
3. 경남호, 윤정은, 장문석, 장동순, 허종철, 복 잡지형에서의 WAsP 예측성 평가, 한국태 양에너지학회 논문집, Vol.23, No.1, 2003.
4. 변수환, 고경남, 허종철, 행원 풍력발전단 지의 WAsP 적용 및 평가, 한국태양에너 지학회 논문집, Vol.24, No.3, 2004.
5. 경남호, 윤정은, 장문석, 장동순, 허종철,
복잡지형에서의 WAsP 예측성 향상 연구, 한국태양에너지학회 논문집, Vol.23, No.4, 2003.
6. 윤광용, 백인수, 유능수, 복잡지형에 대한 WAsP의 풍속 예측 및 보정, 한국풍력에 너지학회 추계학술대회, 2008.
7. 島田健司,石田孟,千葉誠二郎,日比一喜, 複 雑地形下での風力発電量予測におよぼす 風況予測モデルの影響, 第25回記念風力エ ネルギー利用シンポジウム, 日本風力エネ ルギー協会, pp.149～152, 2003.
8. EMD International A/S, WindPRO 2.5 U ser Guide, 1st Edition, 2006.
9. EMD International A/S, WindPRO Modu le Description, pp.19～26, 2006.
10. 김현구, 장문석, 이은정, 제주도 풍력자원 데이터베이스 구축을 위한 기상통계분석, 한국환경과학회지, Vol.17, No.6, pp.59 1～599, 2008.
