해상풍력발전단지 최적배치를 위한 In-house 코드 개발 (Development of an In-house Code for Layout Optimization of Offshore Wind Farms)

전체 글

(1)논문. 제11권, 제4호, 2020 pp. 54~64. 풍력에너지저널. 해상풍력발전단지 최적배치를 위한 In-house 코드 개발. 김재천*․김민지**․백인수*** Development of an In-house Code for Layout Optimization of Offshore Wind Farms *. **. ***. Jaecheon Kim , Minji Kim and Insu Paek. Key Words : Optimization (최적배치), Offshore wind farm (해상풍력발전단지), Economic analysis (경제성분석), Annual energy production (연간발전량), In-house code (인하우스 코드). ABSTRACT. 1). In this study, an in-house code to optimize an offshore wind farm layout based on economic analysis was constructed using Matlab. The code uses a wind resource file obtained from a commercial wind resource analysis program and a power curve provided as user input to calculate the power generation from wind turbines. For optimization, the model uses the golden section search and the parabolic interpolation method that are available as an internal function in Matlab. The verification of the in-house code was made in two steps. In the first step, a region on the east coast of Korea was selected and the code was applied to find the optimal layout within that region with a specified minimum wind turbine spacing by considering wind farm power production only. The results were then compared with the results from a commercial wind farm layout optimization program. In the second step, the in-house code was applied to find the optimal layout within the same region by considering economics. In the comparison, the in-house code showed similar optimization results to WindPRO for power production, and it clearly showed that the layout optimized for economics is much different from that for power production.. *. 기호설명.   . : 유입 풍속 [m/s]. . : 풍속 저감도.  . : 추력 계수. : 후류 풍속 [m/s]. : 로터 직경 [m]. 강원대학교, 신산업개발 T-EMS 융합학과 석사과정.     .   . : 후류 저감 상수 : : : :. 풍속 대비 출력 [W] 와이블 분포 함수 할인율 [%] 법인세 [원]. : 유지보수비용 [원] : CAPEX [원]. ** 강원대학교, 기계융합공학과 메카트로닉스공학전공 석사. ISSN : 2093-5099 (Print), 2733-9467 (Online) Received : November 15, 2020, Revised : December 8, 2020. *** 강원대학교, 신산업개발 T-EMS 융합학과 교수 (교신저자). Accepted : December 8, 2020. E-mail : [email protected] DOI : https://www.doi.org/10.33519/kwea.2020.11.4.006 54. 풍력에너지저널 : 제11권, 제4호, 2020.

(2) 해상풍력발전단지 최적배치를 위한 In-house 코드 개발. 1. 서 론. 려한 최적배치의 결과와 매우 상이한 결과가 나타나게 된다 [5-7].. 2017년 12월, 정부는 2030년까지 국내 발전전력의. 이를 위해, 본 연구에서는 해상풍력발전단지 개발. 20 %를 재생에너지로 발전하는 재생에너지 3020 이행. 시 적용할 수 있는 경제성 기반 풍력발전단지 최적배 치를 수행할 수 있는 In-house 코드를 개발하고자 하. 계획안을 발표하였다. 3020 이행 계획안의 목표를 달 성하기 위해 풍력의 경우 약 17 GW 이상의 신규 풍 력발전단지 건설이 필요하며, 이중 약 13 GW 이상은 해상풍력발전단지로 개발이 이루어질 것으로 예상된다 [1]. 2019년 말 기준으로 국내 풍력발전단지 누적 설치 용량은 약 1.49 GW 에 달하며 그 중 해상풍력발전단 지가 차지하는 비율은 약 10 % 미만에 해당하는 것으 로 알려져 있다 [2]. 현재 국내 상용 해상풍력발전단지 는 60 MW 용량의 서남해 해상풍력 실증단지와, 30 MW 용량의 탐라 해상풍력 발전단지 등 2개소이며, 풍력 터빈을 비롯한 기반 설비의 용량증대와 함께 향 후 해상풍력발전단지 개발이 크게 증가할 것으로 예상 된다 [3].. 였다. 또한, 코드 의 예측 결과를 검증하기 위해, 상용 프로그램인 WindPRO 프로그램을 이용한 풍력발전단 지 최적배치 결과와 비교 분석을 수행하였으며, 경제 성을 고려하는 경우와 연간발전량만을 고려하는 경우 각각의 최적배치안을 비교 분석하였다.. 2. 본 론 2.1 In-house 코드 2.1.1 In-house 코드 개요. 풍력발전단지 개발의 초기단계에서는 풍력발전단지 개발이 불가능한 지역을 배제하고 개발 가능 지역 중 풍황자원이 우수하고 발전단지 개발 여건이 좋은 지역 을 유망후보지로 선정하게 된다[4]. 유망후보지 선정 후 기상관측타워 설치를 통해, 적어도 1년간의 풍속, 풍향을 측정하고, 측정된 자료를 이용하여 풍력자원 해석을 수행하게 된다. 그리고, 해석 프로그램 상에 가 상의 풍력터빈을 배치함으로써 후류 영향을 고려한 연 간발전량 및 이용률을 계산하게 된다. 풍력터빈배치는 주로 평균 풍속이 높아 연간발전량이 높게 산정될 수 있는 위치에 이루어지게 된다. 이 과정은 풍력발전단 지의 바람자원지도를 이용하여 상용프로그램의 최적배 치 기능을 통해 진행되며, 최종적인 배치는 설치 불가 능한 지점의 경우 풍력터빈의 위치를 수동적으로 조정 하여 진행하게 된다. 하지만, 이 경우 대부분의 상용 프로그램은 경제성을 고려한 최적배치가 아닌, 풍력발 전단지의 연간발전량에 기반한 최적배치를 수행하게 되며, 이후 해당 배치에 대한 경제성 분석을 통해, 타 당성을 확인하게 된다. 따라서, 경제성에 기반한 최적 배치와는 차이가 있게 된다. 해상풍력발전단지의 경우 연간발전량 이외에도 터 빈 설치 위치에서의 수심과 육지로부터의 이안거리, 육상 발전소 및 항구로부터의 거리 등에 의해 건설 비 용이 크게 달라지게 되며, 결과적으로 연간발전량만을 고려한 최적배치가 이루어지는 경우 실제 경제성을 고 풍력에너지저널: 제11권, 제4호, 2020. Fig. 1 In-house code algorithm for optimization wind turbine placement Fig. 1은 본 연구를 통해 개발된 In-house 코드의 개략적인 알고리즘을 나타낸다. 본 프로그램은 Matlab 기반 프로그램으로서 황금분할법과 포물선 보간법을 이용하여, 경제성을 고려한 최적배치를 수행하게 된다. 계산과정은 WindSim CFD 프로그램에서 추출한. 55.

(3) 김재천․김민지․백인수. Fig. 2 Graphic user interface of In-house code Wind Resource 파일과, 풍력터빈의 출력곡선을 입력 으로 받아들여 풍력터빈이 설치되는 지점에서의 연간. 지점을 선정하게 된다. 또한 Fig. 2와 같이 사용자 편 의성을 높이기 위해 그래픽 유저 인터페이 를 구성하. 발전량을 계산한다. 이 때 복수의 풍력터빈이 설치가. 였다.. 되어있으면, 후류 영향을 고려한 발전량을 계산하게 된다. 또한, GIS 프로그램을 통해 추출한 수심정보 및. 2.1.2 N.O.Jensen 후류 모델. 고도정보를 입력으로 받아들여 기초구조물 설치 비용, 외부망에 대한 계통연계 비용 등을 계산하고, 발전단 지 개발에 따른 대략적인 경제성 분석을 진행하게 된 다. 최종적으로 경제성 분석 결과를 바탕으로 풍력터 빈의 위치를 변경해 가면서, 경제성이 최대가 되는 풍 력터빈의 위치를 선정하게 된다. 이와같은 방법으로 첫 번째 풍력터빈의 설치지점 선정이 완료되면, 이어 서 두 번째 풍력터빈의 순으로 설치지점 선정을 완료 하고, 최종적으로 마지막 풍력터빈의 설치지점 선정을 완료함으로써, 최적배치를 완료하게 된다. 이 때 첫 번 째 풍력터빈 이후에 설치되는 풍력터빈의 경우, 기 설 치된 풍력터빈으로부터 최소이격거리 이상 이격하여,. 56. 스. N J 모델 J 모델 공 학 후류모델 중 가장 기본적인 모델로서, 식이 비교적 간단하여 많은 연구에서 사용되고 있으며, 상용프로그 램인 WindPRO 프로그램에도 적용되고 있다. N.O. Jensen 후류모델은 풍력터빈의 추력계수(Thrust coefficient,  )와 지표 거칠기에 따른 후류 저감 상 수(Wake decay constant,  )를 이용하여 후류영역과 후류영역 내 풍속변화를 예측한다. Jensen 후류모델의 풍속 저감도는 식(1)과 같이 나타내며,  는 후류 영향 거리(Wake distance)를,  는 풍력터빈의 로터 직경 본 연구에서는 .O. ensen 후류 을 적용하여 In-house 코드를 개발하였다. ensen 후류 은. . . 풍력에너지저널 : 제11권, 제4호, 2020.

(4) 해상풍력발전단지 최적배치를 위한 In-house 코드 개발 (Rotor diameter)을 의미한다. Jensen 후류모델의 후류 풍속은 식(2)와 같이 나타낼 수 있으며,  는 풍력터 . 빈 입력풍속을 의미한다. 또한 다수의 풍력터빈에 의. 첩 감효 곱합( f q ) 식 식 (3)에서  와  는 각각 풍력터빈 와 에서의 유입 해 후류 영향이 중 되어 발생하는 풍속저 과는 제 Sum o S uares 을 적용하여 계산하였다. . . 풍속을 나타내며,  는 풍력터빈  에 의한 단일 후류. 았. 영향을 받 을 때의 풍력터빈 에서의 유입풍속을 의. 8. 미한다 [ , 9].. .           . . . .    ×    . .    . . . . .  . ° 씩 총 16방위로 설정하여 계산 새 운 터빈이 배치될 때마다 해당 터빈과 기존 배치된 모든 터빈으로 인한 후류영향을 16방위에 대해 고려하여 2.1.2 절에서 언급한 후류 모 델을 적용하여 터빈 별 저감된 풍속 및 연간발전량을 계산하게 된다. 그리고, 최종적으로 배치된 각 터빈의. 합. 렇. 한 변수로 사용하게 된다 [10, 11].. (1) (2).  . Fig. 3 N.O.Jensen Wake model. 2.1.3 연간발전량 계산 In-house 코드에서는 풍력발전단지의 연간발전량 계산을 위해 WindSim 유동해석 프로그램의 바람자원 지도를 입력받아 사용하였다. WindSim 프로그램을 통. 체. 연간발전량을 산함으로써 단지 전 의 연간발전량을 구하고, 이 게 계산된 연간발전량을 최적배치에 필요.         . (3). .     . °. 량 계산은 360 를 22.5 하게 된다. 또한, 로.   .  . No. ×.  .    . . (4).        ×   ×  (5) . . . . . . Table 1 Configuration of wind resource file Contents. f X grid f Y grid 3 Coordinate of Z grid 4 Height above ground level (Hub height) 5 Weibull scale parameter for total 6 Weibull shape parameter for total 7 Power density 8 Number of sectors (16 sectors) 9 Frequency of occurrence for sector 10 Weibull scale parameter for sector 11 Weibull shape parameter for sector. Unit. 1. Coordinate o. [m]. 2. Coordinate o. [m] [m] [m]. /. [m s] -. /. [W m2] [%]. /. [m s] -. 2.1.4 경제성 분석 본 프로그램은 풍력터빈 최적배치를 위한 경제성분. 모든 석기법으로 편익/비용 비율 기법(Benefit/Cost Ratio, B/C ratio)을 이용하였다. 편익/비용 비율을 산정하기 당 정보에 대하여 Table 1에 나열하고 있다. Table 1 위한 계산요소는 Table 2 와 같이 나누어 계산에 이용 의 No.5, 6 데이터는 각각  방위에서의 Weibull 분포 하였다. 계통한계가격(System Marginal Price, SMP) 척도계수  와 형상계수  를 의미하며 식 (4)와 같이 은 2018년부터 2020년 10월까지의 평균 SMP 값인 84.87 원/kWh를 적용하였으며, 신재생에너지 공급인증 나타내어 Weibull 분포 함수를 나타낼 수 있다. 서(Renewable Energy Certificate, REC)는 2020년 1 In-house 코드에서는 0~25 m/s의 풍속을 0.5 m/s 간 월~10월까지의 평균값인 43,852 원/REC를 적용하였다. 격으로 나누어 Weibull 분포 함수와 풍력터빈 출력곡 REC 가중치는 산업통상자원부에서 2020년 1월에 발표 선을 이용하여, 연간발전량을 계산하게 되며, 연간발전 해 입력받은 바람자원지도는 해석영역의 격자에 대하여 11가지 유동해석 정보를 포함하고 있으며, 해. . . 풍력에너지저널: 제11권, 제4호, 2020. 57.

(5) 김재천․김민지․백인수 T. 한 변경안을 기준으로 적용하였으며 able 3에 나타내 고 있다. 그 에 C P 및 OP 의 계산은 에. Table 3 REC weight Distance to shore (  ) REC weight. 밖 A EX EX 문헌 값을 참고하여 경제성 분석에 활용하였다. 아     래 식 (6)과 식 (7)은 CAPEX 요소 중 가장 큰 비중을        차지하는 기초구조물 비용과 터빈 설치 비용을 계산하 기 위한 식을 나타내며, 식 (8)은 외부망 연계 비용 계        산 식을 나타낸다 [12]. 아래 식 (9)는 향후 20년간 발 생하게 될 편익과 비용의 가치를 현재 시점에서의 가     치로 환산하기위한 식을 나타낸다. 비용과 편익은 각 각 식 (10)과 식 (11)을 이용하여 계산하였으며, 마지 막으로 앞서 구한 편익을 비용으로 나누어 B/C ratio 2.1.5 Optimize method 를 계산하게 된다 [12-17]. . 제시된. . . . . . . . . . . (6).   ×   ×     ×  ×   . (7).     ×   ×    ×  ×    ×  ×  ×    ×  ×  . (8).   ×   ×     ×   ×     . . . .             ×       . . (9). . .  ×     ×  ×  ×     . (10). . (11).        × . Table 2 B/C Ratio contents. Element Benefit (Income). Cost. (Expenditure). A EX. C P. EX. OP. 58. Contents. 8 8 /kwh] 8 /E. SMP [ 4. 7 원. E. R C [43, 52 원 R C] Foundation Installation Grid. & Connection Cable. Wind. Turbine. Other. &. O M. p. x. Cor orate ta.       ×    .      ×    .      ×    . 본 연구에서는 해상풍력발전단지 풍력터빈 최적배 치를 위하여 황금 분할 탐 법 Golden section search. 색 ( ) ( p ) 함수 최소화 알고리즘을 구성하였다. 황금 분할 탐색 법은 탐색 구간을 좁혀가는 과정에서 황금비를 이용하 여 최소값을 탐색하는 방법이다. 포물선 보간법은 최 소 세 개의 점을 필요로 하며, 세 점을 모두 지나는 포물선 식을 구하고 최솟값의 위치를 예상하여 보간하 는 방법으로서, 본 연구에서는 최솟값이 예상되는 지 점을 탐색하는 방법으로 사용되었다. 함수 최소화 알 고리즘은 이러한 원리를 바탕으로 n번째에 해당하는 함수 계산값과 n+1번째에 해당하는 함수 계산값을 비 교하여 함수를 최소화 할 수 있는 좌표값을 산출한다. 본 연구에서 최적배치를 위해 사용한 함수 최소화 알고리즘의 대상 함수인 B/C ratio는 풍속, 이안거리, 수심 등 다수의 변수로 구성된 다변수 함수이기 때문 에 국소 최소값에 빠질 위험이 있다. 이를 해결하기 위해 본 프로그램에서는 x 방향에 대하여 함수 최소화 알고리즘을 적용한 후, y 방향으로 n번째 격자와 n+1 번째 격자에서의 B/C ratio 값을 비교하고 높은 B/C ratio 값을 갖는 좌표를 저장하는 방법을 반복하여 최 종적으로 가장 B/C ratio 값이 높은 좌표를 찾게 된다 [18]. 최적배치 알고리즘을 통해 터빈이 배치되게 되면, 과 포물선 보간법 Parabolic inter olation 을 적용하여. 터빈으로부터 일정거리를 최소 이격거리로 설정하여. 좌표는 다른 터빈이 배치되지 못 좌표에서 배제시키게 된다. 이 후 배치된 터빈과 기존에 배치된 모든 터빈으로부터의 후류 영향을 고려하여 모든 격자에 대하여 각 격자에 이격거리 내에 속하는 하게 최적배치 대상. 서 받게될 후류 풍속을 계산하게 되고, 계산된 풍속을. 음 터빈을 배치하기 위한 연간발전량을 계. 이용하여 다. 풍력에너지저널 : 제11권, 제4호, 2020.

(6) 해상풍력발전단지 최적배치를 위한 In-house 코드 개발 앞. 산하게 된다. 마지막으로, 서 계산된 연간발전량을 편 산정에 이용하여 다 터빈을 배치하게 된다.. 익. 음. 같이 해석 영역 내에 위치한 재해석 기상 자료를 이용 하여 해석을 진행하였다. 해석에는 2000년부터 2019년. 총 20년간의 데이터를 이용하였다. Table 4는 해석에 사용된 재해석 기상 자료의 분석 정보를 나타낸다. Fig.5와 Fig.6, Table 4를 살펴보면, 연구에서 사용된 재해석 데이터의 주풍 방향은 ‘서’ 이 며 평균 풍속은 5.80 m/s 인 것을 알 수 있다. 까지. 2.2 Simulation 화 큰 동해. In-house 코드를 이용하여 수심의 변 가. 해상을 대상으로 하여 최적배치를 진행하였다. In-house 코드 최적배치 알고리즘의 타당성을 검증하. 않은 경 우의 두 가지 케이스로 최적배치를 진행하였고 이렇게 얻은 결과를 WindPRO Optimize 모듈의 결과와 비교 기 위하여 경제성을 고려한 경우와 고려하지. 하여 In-house 코드의 성능을 검증하였다.. E A. M RR -2. 2.2.1 해석영역. Table 4 MERRA-2 specific data Mean Dominant eight WndSpd Energy H[m] [m/s] Direction 8. 5. 0. W. 50. 근. 해석영역은 Fig.4와 같이 인 육지로 인해 발생할 수 있는 영향과 사용 가능한 기상자료의 위치를 고려. Period 2000.01.01. 00 00. : ~ 2019.12.31. 23:00. 하여 선정하였으며, 육지의 일부와 기상자료의 위치를. k x k. 포함하는 20 m 20 m 를 최종해석영역으로 선정 하여 및 해석을 진행하였다.. 모델링. Fig. 5 MERRA-2 wind rose. Fig. 6 MERRA-2 energy rose. 2.2.3 지형 모델링 및 바람장 해석 최적배치 대상 영역에 대한 연간발전량 예측을 위 하여 CFD 기반 풍력자원해석 프로그램인 WindSim. Ver 10.0을 이용하여 바람자원지도를 생성하였다. 바람 자원지도를 생성하기 위하여 사용된 자료로 국가공간 정보포털에서 제공하는 1:25,000 수치지형도와 환경부 Fig. 4 Simulation area 에서 제작하여 제공하는 1:50,000 토지피복도를 사용하 였다 [25, 26]. 해석영역은 20 km x 20 km 이며, 격자 2.2.2 기상자료 간격은 x, y 방향에 대하여 동일하게 50 m로 설정하 였으며 x, y, z 방향에 대하여 400 개, 400 개, 40 개의 본 연구에서는 NASA에서 제공하는 재해석데이터 격자로 구성되어 총 6,400,000 개의 격자로 구성되어 인 MERRA-2 기상자료를 이용하여 대상영역에 대한 있다. 바람자원지도 생성에 적용한 초기 조건값은 해석을 진행하였다. MERRA-2 재해석데이터는 50 m Table 5에 기재되어 있다. 해석영역에 대하여 22.5° 간 높이에서의 1시간 간격의 데이터로서 해상풍력자원 분 격, 16방위로 유동해석을 진행하였으며, 난류모델 석 및 해상풍력발전단지 발전량 예측을 위해 많은 문 헌에서 사용되었으며 [19-24], 본 연구에서는 Fig.4와 (Turbulence model)은 standard k-epsilon 모델을 적 용하였다.. 풍력에너지저널: 제11권, 제4호, 2020. 59.

(7) 김재천․김민지․백인수 Table 5 WindSim CFD Initial condition Contents Value Number of sector 16 Height of boundary layer 500 Speed above boundary layer height 10 Air density 1.225 Turbulence model Standard k-epsilon Solver GCV Number of iteration 500. 2.2.4 Optimization 조건 Table 6은 In-house 코드와 WindPRO Optimize 모 듈의 초기 조건들을 나타내고 있다. 두 프로그램 모두 최소 이격거리는 5D로 설정하여 주었으며, WindPRO Optimize 모듈의 경우 In-house 코드와 같은 조건에서. 위치에 터빈들이 배치되어있는 것을 확인할 수 있다. Case 2는 풍력자원만을 고려한 In-house 코드를 이용 하여 최적배치를 진행한 결과를 나타내며, WindPRO. 멀 떨. 최적배치 결과와 유사하게 해안선에서 리 어져 있 어 풍속이 높은 위치에 터빈들이 배치되어 있는 것을 확인할 수 있다. 마지막으로 Case 3은 경제성을 고려 한 In-house 코드를 이용하여 최적배치를 수행한 결과 를 나타낸다. Case 3의 경우 Case 1,2와 다 게 해안. 깝. 선 가 고 수심이. 르 얕은 위치에 터빈이 다수 배치되어. 있는 것을 확인할 수 있다.. 최적배치를 수행하기 위하여 Random Pattern 으로 설 정하여 최적배치를 수행하였다. 또한, 경제성 분석을. 기반으로 한 In-house 코드 최적배치 수행시 외부연계. 앙. 망 비용을 고려하기 위하여, 배치 대상 영역의 중 에 해당하는 표를 해상변전소 설치 위치로 의로 설정. 좌. 임. 하여 최적배치를 수행하였다.. Table 6 WindSim CFD Initial condition Case 1 WindPRO Min distance. Number of Turbine Turbine Capacity Wake Decay Constant Economic Analysis. Case 2. Case 3. In-house code 5D. Fig. 7 Result of optimization Case 1(WindPRO). 15. 8.4 MW 0.05. X. X. O. 2.3 Result 2.3.1 Optimization 결과 ~. Fig. 7 9는 국내 동해 해상에 대하여 WindPRO와 In-house 코드를 이용하여 최적배치를 진행한 결과를 나타낸다. Case 1은 WindPRO를 이용한 최적배치 결 과를 나타내며 해안선에서. 60. 멀리 떨어진 풍속이 높은. Fig. 8 Result of optimization Case 2 (In-house code without economic analysis) 풍력에너지저널 : 제11권, 제4호, 2020.

(8) 해상풍력발전단지 최적배치를 위한 In-house 코드 개발 손실은 고려하지 않고, 후류손실만을 고려한 P50 연간. 발전량을 이용하여 연구를 수행하였다. In-house 코드 최적배치 알고리즘의 타당성을 검증 하기 위하여 Case 1은 WindPRO O timi e 을, Case 2는 풍력자원만을 고려한 상황에서, In-house 코 드를 이용하여 최적배치를 진행하였고, 배치결과에 따 른 연간발전량을 예측하여 비교하였다. 비교 결과, 두 가지 Case 두 해안에서 거리에 위치하여 풍속이 높고, 수심이 은 지역에 배치 을 확인할 수 있다. 배치 결과에 의한 연간발전량 예측은 WindPRO의 Par 과 In-house 코드의 P 계산 기능을 이용 하여 수행하였으며 연간발전량 예측 결과를 able 9에 나타내 다. able 9의 Case 항목의 Case 1은 WindPRO 프로그 램에서 발전량을 최대 하기위해 최적 된 최적배치 표 Case를 말하고, Case 2는 In-house code에서 발 전량을 최대 하기위해 최적 된 최적배치 표 Case를 말한다. 또한 Simulation method 항목은 발전 량 계산에 사용된 프로그램을 의미한다. 따라서 Simulation method 항목에서 In-house code의 Case 1 은 WindPRO에서 어진 최적배치 표를 In-house code 에 배치한 후 발전량을 계산한 결과를 나타내며, In-house code 의 Case 2는 In-house code에서 어 진 최적배치 표에 대해 In-house code에서 계산한 발전량 계산결과를 나타낸다. 마 가지로 WindPRO code 의 Case 1은 WindPRO에서 어진 최적배치 표에 대해 WindPRO에서 계산한 발전량 계산 결과를 나타내며, WindPRO code 의 Case 2 는 In-house code에서 어진 최적배치 표에 대해 WindPRO에서 계산한 발전량 계산 결과를 나타낸다. 표를 보면, 두 프로그램의 연간발전량 계산 방 의 차이로 인해 동일 표에서의 연간발전량 예측 결과에서 차가 발생하는 것을 알 수 있다. 하지만, 발전량 차는 두 프로그램에서 두 1 % 미만으로 나타나는 것을 확인할 수 있으며, 16 방위에 대한 후 류 적용 후 발전량 계산을 수행하는 연산 과정에 서의 수치적인 차인 것으로 단된다. 두 프로그램 을 이용한 발전량 예측 결과, WindPRO 프로그램을 이용하여 연간발전량을 예측한 경우 WindPRO 최적배 치 결과 표에서의 발전량이 높게 계산되는 것을 확 인할 수 있으며, 이와 반대로 In-house 코드를 이용하 여 연간발전량을 예측한 경우 In-house 코드 최적배치 결과 표에서의 발전량이 높게 계산되는 것을 확인할 수 있다. 따라서, WindPRO 프로그램과 In-house 코드 의 차는 In-house 코드 최적배치 알고리즘의 제가 아닌, 발전량 계산의 방법차이로 인한 수치적인 차. p z 모듈. 모. 먼. 깊. k 모듈 었 T. 좌. Fig. 9 Result of optimization Case 3 (In-house code with economic analysis). 2.3.2 경제성 분석 결과 비교 경제성 분석은 편익/비용 비율(Benefit/Cost ratio, B/C ratio) 기법을 사용하여 진행하였다. 편익 산정을 위하여 SMP와 REC 및 REC 가중치를 적용하였다. 경제성 분석을 위한 비용 산정은 문헌에 제시된 공 식을 통해 산정하여 진행하였다. Table 7은 초기 사업 비(CAPEX)의 세부 사항을 나타낸다. 이중 Cable은 풍 력발전단지 내부 연계망에 이용되는 케이블의 발전 용. 량에 따른 단가를 나타낸다 [27]. 또한, Grid conn.의 경우 육상변전소와 해상변전소를 연계하기 위한 계통 연계 비용을 의미하며, 해상변전소 위치를 가지 Case에 대하여 동일하게 설정하였기 때 에, 가지 Case에서 두 동일한 계통 연계 비용이 산정되 다. 이율, 초기 부 비율을 비롯한 편 , 비용 산정에 필 요한 조건들은 able 에 제시되어 있다. 3개의 Case에서의 배치 결과에 따른 연간발전량, 수 심, 이안거리, C ratio 상대 을 able 10에 제시하 였다. 본 연구의 경우 정확한 경제성 분석보다는 경제 성 분석을 고려한 최적배치 프로그램으로 은 표에 서의 경제성분석 결과와 기 의 최적배치 프로그램으 로 은 표에서의 경제성분석 결과의의 차이를 확인 하는 것을 목적으로 연구를 진행하였다. 따라서 C ratio의 대 이 아닌 WindPRO의 O timi e 을 이용하여 나 표에서의 C ratio 을 1이라고 가 정 을 경우의 In-house 코드 최적배치 표에서의 C ratio 상대 을 able 10에 제시하였다. 본 연구에 서는 발전 과정에서 발생하는 전기적 실 및 기계적. 모. 세 문 세. 채 T B/. 익. 8. 얻 좌 절 값 온좌 했 B/ 값 T. 었. 값 T. 존. B/. 풍력에너지저널: 제11권, 제4호, 2020. 얻 좌. B/ p z 모듈 값 좌 손. 됨 AE. 화. 화. 화. 화. 좌. 얻. 좌. 얻. 좌. 얻 살펴 오 오. 식. 모델. T. 찬 얻. 좌. 좌. 좌. 모. 오. 판. 좌. 좌 오. 문 오. 61.

(9) 김재천․김민지․백인수 판. 인 것으로 단된다. 반면, Case 3의 경우 경제성을 고려한 최적배치를 진행하였기 때 에, Case 1과 Case 2의 배치 결과와는 다 게 해안에 가까 에 터빈들이 배치된 것을 확 인할 수 있다. Case 1과 Case 2의 터빈들이 수심 50 m 가 는 위치에 다수 배치되어 있는 것과 다 게 Case 3의 터빈은 수심 50 m 보다 은 위치에만 배치 되어있는 것을 확인할 수 있으며, 이로 인해 기초구조 물 설치비용이 Case 1과 Case 2 대비 50 % 이상 소하여 결과적으로 C ratio 이 Case 1 대비 31% 향상 되는 것을 확인할 수 있다. able 10은 각 Case 최적배치 결과에 따른 연간 발전량, 이용률, 평균 수심, 최소 이안거리, 각 Case C ratio 상대 을 보여준다. able 10을 보면 경 제성을 고려한 In-house 코드의 최적배치 결과인 Case 3에서 가 높은 경제성을 보여주는 것을 확인할 수 있다.. 문. 르. 운곳. 넘. T. 감. 값. 별. B/. 값 장. T. 살펴. Table 7 CAPEX Element Turbine. Unit Case 1 [  ·￦/MW] 16.17 Foundation [  ·￦/MW] 29.992 Cable [  ·￦/MW] 0.88 Installation [  ·￦/MW] 13.99 Grid Conn. [  ·￦/MW] 7.26 Others [  ·￦/MW] 1.47 Total [ ·￦/MW] 68.89. Case 2. Case 3. . 16.17. 16.17. . 27.542. 12.97. . 0.92. . 13.75. 8 0.88 11.58. . 7.26. 7.26. . 1.47. 1.45. . 66.19. 49.45. Discount rate. 62. Case. 별. In-house code. AEP [MWh/y] P50. P50 C.F. Error. [%]. [%]. Case 1. 416,252.4. Case 2. 417,36 .1. 37.. Case 1. 425,943.5. 3 .6. Case 2. 422,073.9. 8. WindPRO. 37.7. 8. 8 38.2. 0.267. 8. -0.90. Table 10 Annual energy production and Relative B/C ratio for each cases Element Unit Case 1 Case 2 Case 3 P50 AEP [MWh/year] 425,943.5 422,073.9 403,841.1 P50 C.F [%] 38.6 38.2 36.6 Averaged 64.7 61.7 38.5 water depth [m] Nearest distance [km] 2.31 2.22 1.20 from land Relative 1 1.03 1.31 B/C ratio [-]. 3. 결론 본. 논문에서는 해상풍력발전단지에 대한 경제성 분. 석을 통한 풍력터빈 최적배치 프로그램을 개발하였다.. 해당 프로그램은 상용 CFD 프로그램인 WindSim에서 생성한 바람자원지도 파일과 수심 및 고도 정보를 이. Table 8 OPEX and Financing Element Unit Value Ratio of O&M cost [%/year] 3.2 to initial cost Economic life span of Wind turbine Debt rate Loan rate (Fixed interest rate) Corporate tax. Simulation method. 르. 얕. B/. Table 9 AEP comparison of WindPRO with In-house code. 화. 용하여 경제성 분석을 수행하며, 경제성을 최대 하는. 찾 록 축. 풍력터빈 배치를 도 구 하였다. 본 연구에서 개발된 프로그램의 최적배치 알고리즘. [%]. 4.5. [ ears]. 20. [%]. 75. In-house 코드 최적배치를 진행하고 상용 발전단지설 계 프로그램인 WindPRO의 O timi e 배치 결과. [%]. 4.5. 와 터빈 배치. y. [%]. ( (. 10   ×  22   × . 타당성을. ·￦) ·￦). 검증하기. 위하여. 풍력자원만을. 고려한. p z 모듈. 양상 및 연간발전량을 비교하였다. 비교 좌. 결과 동일한 표에 대해 두 프로그램이 1 % 이내의 차를 고 있지만, 두가지 프로그램에서 유사한 터. 오. 갖 빈 배치 양상을 보여주는 것으로, 개발된 최적배치 알 풍력에너지저널 : 제11권, 제4호, 2020.

(10) 해상풍력발전단지 최적배치를 위한 In-house 코드 개발 었. Energy Society, Vol. 31, No.2, pp. 72-81 [5] Song, Y., Kim, C. J., Paek, I., and Kim, H. G., 하여 동일한 영역에서의 최적배치를 진행하였으며, 2016, “Evaluation of Implementation Potential of WindPRO Optimize 모듈 배치 결과와 연간발전량 및 Offshore Wind Farm Capacity in Korea Using 경제성을 비교하였다. 비교 결과, 배치영역에 대하여 National Wind Map and Commercial Wind Farm 각 프로그램의 배치 결과가 다른 양상을 띄는 것을 확 Design Tool,” Journal of the Korean Solar 인할 수 있었다. In-house 코드를 이용하여 최적배치 Energy Society, Vol. 36, No. 4, pp. 21-29 (in 를 진행할 경우 연간발전량은 WindPRO 최적배치 대 Korean). 비 5.2% 낮게 나오지만, B/C ratio 상대값은 31% 높게 [6] Park, U. S., Yoo, N. S., Kim, J. H., Kim, K. S., 나오는 것을 확인할 수 있었다. Min, D. H., Lee, S. W., Paek, I. and Kim, H. G., 따라서, 본 연구에서 개발된 In-house 코드를 해상 2015, “The Selection of Promising Wind Farm 풍력발전단지 개발에 이용한다면, 풍력터빈 배치에 대 Sites in Gangwon Province using Multi 하여 기존의 터빈배치 방법 대비 높은 경제성을 확보 Exclusion Analysis,” The Korean Solar Energy 할 수 있을 것으로 판단된다. 하지만, 현재 개발된 Society, Journal of the Korean Solar Energy In-house 코드는 아직 개발 초기 단계의 프로그램으로 Society, p.1 – 10 (in Korean). 서 차후 경제성 분석의 정확도를 높이기 위해서는 실 [7] Song, Y., Kwon, I. H., and Paek. I., 2018, 제 단지 건설 과정에서의 상세한 경제성 분석을 코드 “Investigation on Promising Offshore Wind 에 반영할 수 있도록 보완 과정이 필요할 것으로 판단 Farm Sites and their Wind Farm Capacity 된다. Factors considering Wake Losses in Korea,” Journal of Wind Energy, Vol. 9, No. 1, pp. 27-36 (in Korean). 후기 [8] Jensen N.O., 1983, A note on wind generator interaction, RISØ National Laboratory, DK-4000, 본 연구는 2017년도 산업통상자원부의 재원으로 한 Roskilde, Denmark. 국에너지기술평가원(KETEP)의 지원을 받아 수행한 [9] Z henzhou, S., Ying, W., Li, L., Shuang, H., and 연구 과제입니다.(NO.20173010025010) Yongqian, L., 2019, “Multiple Wind Turbine Wakes Modeling Considering the Faster Wake 참고문헌 Recovery in Overlapped Wakes”, Energies 2019, 12(4), 680. [1] Ministry of Trade, Industry and Energy, Renewable [10] Kwon, I. H., Kim, J. H., Paek, I., and Yoo, N. Energy 3020 Implentation Plan, Available online: S., 2013, “Variation of Capacity Factors by http://www.motie.go.kr/motiee/ Weibull Shape Parameters,” Journal of the presse/press2/bbs/bbsView.do?bbs_seq_n=159996& Korean Solar Energy Society, Vol. 33, No.1, pp. bbs_cd_n=81, Oct 31, 2020 32-39 (in Korean). [2] Korea Wind Energy Industry Association, 2020, [11] K im, M. J., Song, Y. and Paek. I., 2020, “Development 2019 Annual Report on Wind Energy Industry in o f an In-house Code to Predict Annual Energy Korea (in Korean). Production and Economic Analysis of Wind [3] 4C offshore, Global Offshore Renewable map are Farms Using CFD Results,” Journal of Wind av ailable online: https://www .4coffshore.com / Energy, Vol. 11, No. 3, pp. 23-30 (in Korean) offshorewind/, Oct 31, 2020 [12] Kangwon National University, 2013, Investigation [4] Woo, J, K., Kim, H, G., Kim, B, M., Paek, I, S., on potential sites for additional domestic and Yoo, N, S., 2011, “Prediction of annual offshore wind farms, Project Final Report, energy production of Gangwon Wind farm using Korea Institute of Energy Technology AWS wind data,” Journal of the Korean Solar 고리즘의 타당성을 검증할 수 있 다. 마지막으로 경제성을 고려한 In-house 코드를 이용. 풍력에너지저널: 제11권, 제4호, 2020. 63.

(11) 김재천․김민지․백인수 Evaluation and Planning (in Korean). [13] Korea Development Institution, 2018, Preliminary Validity Study Report of Public Institution Project (in Korean). [14] Kim, C. J., 2017, A Study on Application of Wind Power System on Islands for Micro Grid Construction in Korea, Master’s Thesis, Kangwon National University (in Korean). [15] Ministry of Trade Industry and Energy, 2020, Standard market unit price of electric construction (in Korean). [16] Wind Directions, 2007, Supply Chain: The Race to Meet Demand [17] International Renewable Energy Agency(IRENA), 2020, Renewable Power Generation Costs in 2019 [18] Kim, H. G., 2019, Development and Validation of The Wind Farm Simulation Tool including Wind Farm Control Algorithm, Doctor’s Thesis, Kangwon National University (in Korean). [19] Kim, J. H., Kwon, I. H., Park, U. S., Paek, I., and Yoo, N. S., 2014, “Prediction of Annual Energy Production of Wind Farms in Complex Terrain using MERRA Reanalysis Data,” Journal of the Korean Solar Energy Society, Vol. 34, No.2, pp. 82-90 (in Korean). [20] Song, Y., Kim, H. G., Byeon, J. H., Paek, I., and Yoo, N. S., 2015, “A Feasibility Study on Annual Energy Production of the Offshore Wind Farm using MERRA Reanalysis Data,” Journal of the Korean Solar Energy Society, Vol. 35, No.2, pp. 33-41.. 64. Y., Kim, B. S., Lee, J. H., Paek, I., and Y N. S., 2015, “Prediction of Energy Production of China Donghai Bridge Wind Farm Using MERRA Reanalysis Data,” Journal of the Korean Solar Energy Society, Vol. 35, No. 3, pp. 1-8 (in Korean). [22] Kim, H. G., Jang, M. S., and Ryu, K. W., 2013, “Wind Resource Assessment on the Western Offshore of Korea Using MERRA Reanalysis Data,” Journal of Wind Energy, Vol. 4, No. 1, pp. 39-45 (in Korean). [23] Kim, H. G., J. Y., and Kim, H. Y., 2018, “Long-Term Statistical Analysis of Global Wind Resources Using Reanalysis Data,” Journal of Wind Energy, Vol. 9, No. 3, pp. 19-24 (in Korean). [24] Kwon, I. H., 2014, A Study on the Selection of Promising Offshore Wind Farm Sites in Korea using MERRA Reanalysis Data, Master’s Thesis, Kangwon National University (in Korean). [25] National Spatial Data Information Portal, 2018, Digital Map, Available online: http://www.nsdi.go.kr/ lxmap/index.do, Oct 31, 2020 [26] Ministry of Environment, 2007, Land Cover Map, Available online: http://egis.me.go.kr/map/ map.do? type=land, Oct 31, 2020 [27] Korea Electric Power Research Institute, 2011, A Feasibility Study for Mid-sized Offshore Wind Power Plant in Korea, Project Final Report (In Korean). [21] Gao, oo,. 풍력에너지저널 : 제11권, 제4호, 2020.

(12)