Optimal Micrositing and Annual Energy Production Prediction for Wind Farm Using Long-term Wind Speed Correlation Between AWS and MERRA

(1)

<학술논문> DOI http://dx.doi.org/10.3795/KSME-B.2016.40.4.201

ISSN 1226-4881(P rint) 2288-5324(Online)

AWS와 MERRA 데이터의 장기간 풍속보정을 통한 풍력터빈 최적배치 및 연간에너지생산량 예측

박 미 호^* · 김 범 석^**†

* (사)한국선급 환경배관팀, **제주대학교 대학원 풍력공학부

Optimal Micrositing and Annual Energy Production Prediction for Wind Farm Using Long-term Wind Speed Correlation Between AWS and MERRA

Mi Ho Park^* and Bum Suk Kim^**†

* Environment & Piping Team, Korean Register of Shipping,

** Faculty of Wind Energy Engineering, Graduate School, Jeju Nat’l Univ.

(Received June 1, 2015 ; Revised December 26, 2015 ; Accepted January 21, 2016)

Key Words: Wind Resource Analysis(풍황자원분석), Optimum Layout(최적배치), Wind Farm Design(풍력단

지설계), Wind Turbine System(풍력발전시스템), Annual Energy Production(연간발전량)

초록: 부산지역 가덕도 일대에 30MW 규모의 육상 풍력발전단지개발을 위한 풍황자원분석과 풍력터빈 최 적배치를 수행하였다 . 후보지역에 설치되어 운용중인 AWS(KMA)에서 측정된 바람 데이터를 이용하였으 며, 데이터 품질분석을 통한 신뢰성 검토를 수행하였다. 1년간 측정된 AWS 데이터는 MERRA 재해석 데이 터와 선형희귀 (Linear regression method) MCP 기법의 적용을 통해 30년으로 장기 보정되었고, 이를 이용한 풍력터빈 최적배치를 수행하였다. 3MW 풍력터빈을 적용하여 총 25 조건의 풍력터빈 배치에 대한 최적배 치를 수행하였으며 , 다양한 후류모델을 적용하여 발전량해석을 수행하였다. 단지효율은 97.6%~98.7%, 연 간이용률은 37.9%~38.3%로 예측되었고, 후류영향이 고려된 연간발전량이 99,598.4 MWh~100,732.9 MWh 로 예측됨에 따라 , 우수한 경제성을 갖는 풍력발전단지개발이 가능한 지역임을 확인하였다.

Abstract: A Wind resource assessment and optimal micrositing of wind turbines were implemented for the

development of an onshore wind farm of 30 MW capacity on Gadeok Island in Busan, Republic of Korea.

The wind data measured by the automatic weather system (AWS) that was installed and operated in the candidate area were used, and a reliability investigation was conducted through a data quality check. The AWS data were measured for one year, and were corrected for the long term of 30 years by using the modern era retrospective analysis for research and application (MERRA) reanalysis data and a measure- correlate-predict (MCP) technique; the corrected data were used for the optimal micrositing of the wind turbines. The micrositing of the 3 MW wind turbines was conducted under 25 conditions, then the best-optimized layout was analyzed with a various wake model. When the optimization was complete, the estimated park efficiency and capacity factor were from 97.6 to 98.7 and from 37.9 to 38.3, respectively. Furthermore, the annual energy production (AEP), including wake losses, was estimated to be from 99,598.4 MWh to 100,732.9 MWh, and the area was confirmed as a highly economical location for development of a wind farm.

†Corresponding Author, [email protected]

1. 서 론

풍력에너지의 효율적인 사용을 위해서는 면밀

한 풍황자원분석과 풍력발전단지 배치최적화가

중요하다. 특히 복잡지형의 경우, 고도변화에 따른

풍력자원량의 변동성이 높고 설치가용면적이 작

은 경우가 많기 때문에 배치최적화는 매우 중요한

설계요소이다 . 대부분의 풍력단지 설계과정에서는

(2)

Fig. 2 Layout of grid connection Fig. 1 Satellite image showing the location of the

target site at Gadeok Island

Weather Station AWS [KMA] MERRA [NASA]

Coordination

[UTM WGS84] 484,613E

3,872,290N 469,795E 3,873,093N

Height[m] 10 50

Measurement

Parameters Wind speed,

Wind direction Wind speed, Wind direction Measurement

Period 2012.11.01 ~

2013.10.31 19841.1 ~ 2014.4.1

Time Interval 10min 1hour

Distance to

target site [km] 4.5 15

Table 1 Measurement locations and basic parameters

of meteorological masts

터빈의 최적배치를 통해 제한된 부지 (site)에서 90% 이상의 단지효율을 확보할 수 있다. 최적배치과 정에서는 풍력자원지도 (wind resource map), 주풍 방향(prevailing wind direction), 이격거리(separation distance), 후류영향(wake effect) 등이 고려되어야 한다. 특히 인접한 풍력터빈으로부터 발생되는 후 류는 단지효율감소에 큰 영향을 미치기 때문에 설 치 가용면적이 제한적일 수밖에 없는 복잡지형에 서의 최적배치는 매우 중요하다 . 본 논문에서는 AWS로부터 측정된 데이터 분석, 풍력자원지도 생 성 , 풍력터빈배치 최적화 및 연간에너지생산량 예 측을 통해 가덕도 내 30MW 규모의 풍력발전단지 개발을 위한 사전타당성조사결과를 제시하였다 .

2. 입지조사

2.1 지형 및 기후적 특징

본 연구의 풍력발전단지개발 후보지역인 가덕 도는 행정구역 상 부산광역시 강서구 녹산동에 속하며 부산광역시에서 가장 큰 섬으로서 낙동강 하구 동쪽 남해안 상에 위치한다. 총면적은 20.78km

²

이며 해안선의 길이는 36km이다. 가덕도 는 남북으로 길게 뻗어 있으며 동쪽으로 연대봉 (459m)과 북서쪽으로 삼박봉(311m), 웅주봉(339m) 등이 솟아 있고, 100 ~ 300m 높이의 13개 봉우리 가 존재하여 복잡지형에 해당한다 . Fig. 1에 가덕 도의 위성사진을 나타내었다. 기후적으로는 온대 계절풍 기후대와 대륙 동안 기후대에 속하고 대 한해협에 인접해 있기 때문에 동한난류의 영향을 크게 받아 해양성 기후의 특징이 잘 나타난다 . 여름과 겨울의 기온차가 크지 않으며, 4계절의 변화가 뚜렷한 지역이다 . 지상 50m 높이에서의

연평균풍속은 5.5m/s이며, 겨울철은 바다와 북쪽 산악지대의 영향으로 바람이 강하고 건조한 기후 를 나타낸다 . 연 평균기온은 13.8°C이고 1월 평균 기온은 1°C, 8월 평균기온은 26.6°C이다. 중부내 륙 지역에 비해 겨울기간이 짧은 반면 , 봄과 여 름기간은 길게 나타고 있으며 여름기간이 장기화 되는 현상이 발생한다 .

2.2 계통연계

가덕도내에는 송전탑이 없으며 특고압 배전선

로에 해당하는 송전탑은 10MW 이하까지만 계통

연계가 가능하므로 30MW 규모의 풍력발전단지

는 전용선로구축이 필요하다 . 본 풍력발전단지의

계통연계 방법으로는 각 풍력터빈으로부터 생산

되어 1차 승압된 22.9kV 전력을 풍력단지 내 변

전소로 송전하고 전용선로인 가공 송배전선로를

통해 한전변전소로 연계하거나 , 한전변전소까지

거리가 상당한 경우에는 송전손실을 줄이기 위해

풍력단지에 변압기를 설치하여 154kV로 2차 승

(3)

Fig. 3 Obstacle limited surface restricting the

maximum height of structures according to the korean aviation law

압하여 연계한다 . Fig. 2와 같이 가덕도 육상풍력 후보지로부터 생산된 전력은 부산 신항만 내 변 전소 (3.5km), 한국전력공사 녹산 2 변전소(5.6km) 로의 계통연계가 가능하다. 부산 신항만 내 변전 소 계통연계 시 가장 짧은 구간의 송전선로 구축 이 가능한 것으로 파악된다.

2.3 항공법에 따른 고도제한

항공기의 안전운항을 위해 항공법 제 82조(장애 물의 제한 등)에서는 공항주변에 장애물 제한표면 의 높이 이상인 건축물 , 구조물, 식물 및 그 밖의 장애물 등의 비행안전을 저해하는 지형지물의 설 치를 제한하고 있다 . 다만, 비행장 설치자가 설치 를 합의 또는 사용개시예정일 전에 제거하거나 항공학적 검토에 의한 국토교통부장관의 허가를 통해 면제가 가능하다. 장애물 제한표면(Obstacle Limited Surface)은 진입표면, 전이표면, 수평표면, 원추표면이 있다. 진입표면은 항공가가 활주로로 진 입하는 구간의 제한표면으로 활주로 끝에서 3km 까지는 1/50 그리고 3km~15km까지는 1/40의 경사 도를 갖는다 . 전이표면은 활주로 끝에서 60m 연 장한 길이 및 폭 300m로 이루어졌으며, 1/7의 경 사도를 가지며 제한고도는 해발 7~52m로 증가한 다. 수평표면은 반경 4km 표면으로 제한고도 해발 52m의 평평한 표면이고 원추표면은 반경 5.1km에 서 수평표면을 제외한 부분으로 수평표면에서 1/7 의 경사도를 가지며 , 제한고도는 해발 52m~107m 로 외곽으로 갈수록 증가한다. Fig. 3에 해당지역에 서의 장애물 제한표면을 지도에 나타내었으며 , 본 연구에서의 풍력단지 후보지역은 장애물 제한표면 과 중첩면적이 존재하지 않으므로 , 항공법에 따른

고도제한대상에 해당하지 않는 것으로 파악된다 .

2.4 전파환경평가

풍력단지시설물은 높은 고도를 갖는 수직 장애

물 구조로써 전자기파를 교란하여 레이더 음영

지역 (blockage)을 발생시키거나 스크린의 잡음

(clutter) 또는 허상(ghost) 등을 발생시킬 가능성이

있다 . 한국기계연구원에서 발표된 자료에 의하면

풍력터빈 타워는 타워(70%), 블레이드(20%) 그리

고 나셀 (4%)에 의해 레이더 신호간섭이 발생한

다.

⁽¹⁾

타워부분은 허브높이를 줄이는 방법 외에

근본적 해결방안은 없으나 블레이드와 너셀은 전

파흡수 재료 및 도료의 사용 등으로 보완이 가능하

기도 하다 . 해외의 경우 Vestas사에서 이러한 레이

더 간섭문제를 해결하기 위해 관련 연구를 진행하

여 왔으며 , V90 모델에 스텔스 기능을 갖춘 블레

이드를 설치하여 실증 중에 있다. 스텔스 기능이

적용된 Vestas-V90 풍력터빈의 경우 표면으로 입

사되는 전자파의 99%가 감소되는 효과를 입증하였

으며 , 현재 프랑스에 위치한 Pyrénées orientales 주

에 건설 중인 96MW 규모의 “Ensemble Eolien

Catalan” 프로젝트에 최초로 적용될 예정이다. 스

텔스 기능은 레이더에서 송신된 전자파를 상쇄시

키는 기술로서 군용 전투함 /전투기에 적용되어 발전

하여 왔으며, 풍력터빈의 경우 레이더 간섭문제를

회피하고자 스텔스 도료 (RAM, Radar Absorbent

Material) 등을 적용한 연구가 진행되고 있다. 가덕

도 육상풍력발전단지의 경우 약 6km 거리에 위치

한 김해항만 방어전대 263 레이더 기지가 위치하

고 있기 때문에 전파환경평가를 통해 레이더 신

호간섭 영향에 대한 검토가 필요하다. 그러나 이

는 가덕도 육상풍력발전단지로부터 거리가 멀고

산등성이로 인해 시야에서 벗어나므로 크게 영향

을 미치지 않을 것으로 판단되나 , 굴절성 및 반사

성 영향으로 인한 레이더 신호간섭이 발생할 수

있기 때문에 정밀한 분석 및 검토가 필요할 수 있

다. 전파환경영향평가 관련법으로는 군사기지 및

군사시설 보호법 , 군용전기통신법 및 합참 규정에

전파관련 사항이 있으며, 풍력발전단지는 군사보

호구역외 지역이라도 전파환경영향평가를 실시해

야한다. 반드시 사전타당성평가 단계에서 진행되

어 경제적인 손실을 최소화해야 하며 , 행정구역상

지자체 관련부서를 통하여 신청이 가능하다. 본

연구에서는 풍력단지개발을 위한 예상후보지역의

(4)

Items Avg. Data Recovery[%]

Wind Speed[m/s] 3.72 100

Wind Direction[°] 308.3 100

Table 2 Verification results of the AWS data

Sample Parameter Validation Criteria Wind Speed[m/s] 0 < Avg. ≤ 20 Wind Direction[°] 0 < Avg. ≤ 360

Table 3 Allowable upper and lower limiting values

for range test of measured parameters

Sector Mean Wind Speed[m/s]

Frequency [%]

Proportion of Total Wind

Energy[%]

0 2.22 4.35 0.79

30 3.00 5.90 1.89

60 2.82 3.83 1.04

90 2.85 2.80 0.96

120 4.83 10.80 23.06

150 3.50 8.03 7.89

180 2.18 3.20 0.53

210 2.42 3.35 0.67

240 2.26 3.38 0.67

270 3.36 8.34 6.88

300 4.43 27.73 37.62

330 3.91 18.28 17.99

all 3.72 100 100

Table 4 Properties of analyzed wind rose

Fig. 5 Scatter plots of the measured wind speed

data by wind direction change

Fig. 4 Testing for the quality check of measured

wind data from the AWS within the specific range

발전량 평가를 주목적으로 하며, 추후 사전타당성 평가 결과를 바탕으로 단지개발계획이 구체화 될 경우 인허가 과정에서 전파환경영향평가 등의 수 행이 필요하다 .

3. 풍황자원 분석

3.1 실측데이터 검증

풍황자원 분석을 위해 자동기상관측장비 (AWS, Automatic Weather System)로부터 수집된 실측자 료와 MERRA(Modern Era Retrospective-analysis for analysis for Research and Applications) 재해석자료

⁽²⁾

를 이용하였다 . AWS는 가덕도내에서 기상청에 의해 운영되고 있으며, MERRA 재해석자료는 라 디오존데 (radiosonde), 인공위성, 부이(buoy), 항공 및 선박 등에서 관측된 데이터를 기상모델과 통 합 분석하여 재해석한 데이터이며 , NASA에서 제 공한다. AWS와 MERRA 데이터 정보를 Table 1 에 나타내었다 . 측정된 원시데이터는 Met-mast 설 치오류, 관리태만 및 태풍피해 등과 같은 내·외부 적 요인에 인한 손실이 발생할 수 있다 . 따라서 풍황자원 분석 이전에 모든 변수의 측정여부 및

자료복구율에 대한 확인이 선행되어야 한다.

추가적으로, 측정데이터의 범위, 관계, 경향 테 스트가 필요하며 , 결빙 및 차폐영향에 의한 이상 데이터 또한 제거되어야 한다.

⁽³⁾

본 연구에서 사 용된 AWS 데이터의 측정변수는 단일고도(10m)에 서의 10분평균풍속 및 풍향데이터이므로 범위테 스트만을 수행하여 데이터 무결성을 확인하였다 . Table 3에 검증기준을 나타내었고, Fig. 4에 2012 년 11월 데이터에 대한 범위테스트 결과를 나타 내었다. 측정데이터 분석결과 Table 2에 나타낸 바와 같이 데이터회수율이 100%이고 범위테스트 를 통해 제거된 이상데이터가 없으므로 풍황자원 분석용도로 사용되기에 적합하다 .

3.2 풍황자원 특성

풍향별 풍속분포는 측정된 풍황데이터의 기본

(5)

Fig. 6 Histogram of the measured wind data and

fitted line based on the Weibull function

Fig. 7 Predictions of daily wind speed generated by

MCP technique using linear regression method 적인 특성을 보여주는 통계자료로써 풍력단지 최

적 설계에 필요한 주풍방향 분석을 위해 반드시 검토되어야 한다. Fig. 5에 풍향별 풍속데이터의 산점도를 나타내었다 . 가덕도 지역은 겨울에는 시베리아 기단에 의해 북서 계절풍이 불고 여름 에는 북태평양 기단에 의해 남동 계절풍이 부는 한반도의 기후적 특징이 명확히 나타나고 있다.

Table 4에 바람장미 분석결과를 나타내었다. 300º 와 330º 방위에 분포하는 데이터빈도가 전체의 46.01%를 차지하며 북서쪽 계열의 주풍방향 (prevailing wind direction)이 뚜렷하게 나타나고 있다 . 남동쪽 계열바람에 해당하는 120º 방위에서 의 값 또한 10.8%로 비교적 높은 빈도를 보인다.

풍력에너지는 풍속의 3승에 비례하므로, 풍속이 높을 경우 특정방위에서의 출현빈도가 낮더라도 풍력에너지 비율의 증가폭은 크게 나타난다 . 330º 방위에서의 데이터출현빈도는 120º 방위에서의 값보다 높게 나타나고 있으나 , 상대적으로 낮은 평균풍속의 영향으로 120º 방위에 비해 낮은 풍 력에너지 비율을 보인다 . 남동쪽 계열바람인 120º 방위에서 이러한 특징이 잘 나타나고 있으며, 출 현빈도는 10.8%에 불과하지만 평균풍속이 4.83m/s로 가장 높게 나타남에 따라 330º 방위보 다 높은 풍력에너지 비율 (23.06%)을 보인다. 따라 서 보다 정확한 주풍방향의 결정을 위해서는 방 위별 데이터출현빈도와 풍력에너지 비율이 동시 에 고려되어야 한다. Fig. 6에 풍속분포의 확률밀 도를 와이블 확률분포함수로 나타내었으며 , 척도 계수 c와 형상계수 k는 최대우도추정법

⁽⁴⁾

(MLE, Maximum Likelihood Estimation)을 이용하여 계산 되었다. 와이블 분포의 척도계수와 형상계수는 각각 4.18m/s와 1.72이며, 비교적 낮은 형상계수 를 갖는 복잡한 지형에서의 와이블 분포형태에

대한 특징이 잘 나타나고 있다. 측정된 원시데이 터의 풍속별 확률밀도와 와이블 분포가 잘 일치 하고 있으며, 1.5m/s ~ 3.5m/s 구간에서의 확률밀 도가 46.5%로 대부분을 차지하고 있다.

3.3 장기 풍황자원 예측

AWS에서 1년간 측정된 데이터를 이용하여 풍 력터빈 설계수명기간인 20년 동안의 연간발전량 을 예측하기에는 대표성이 부족하다. 본 연구에 서는 이를 보완하기 위하여 AWS로부터 14.8km 이격된 지점에서 생성된 MERRA 재해석 데이터 를 이용하여 풍력발전단지 타당성검토 수행시 장 기간 데이터 부족문제로 인해 일반적으로 사용되 는 MCP(Measure-Correlate-Predict) 기법

⁽⁵⁾

을 적용하 여 장기간 풍황 데이터를 예측하였다. MCP 기법 은 풍력단지 후보지에서 실측한 단기간 (1년 이상) 자료와 참조지점에서의 장기간(20년 이상) 자료를 이용하여 동일 기간의 상관성을 분석한 후 후보 지에서의 장기간 풍황 데이터를 예측 또는 복원 하는 방법이다 .

MCP 기법에는 선형회귀(linear regression), 매

트릭스 (matrix), 와이블(weibull), 인덱스(index) 등

이 있다.

⁽⁶⁾

본 연구에서는 최소자승법(LSE, Least

Square Estimation)을 이용하여 독립변수와 종속변

수의 선형적 관계식을 구하고 과거자료를 예측하

는 선형희귀 MCP 기법을 적용하였으며, 30° 간

격으로 분할된 12개 방위에 대한 장기 풍황데이

터 예측을 수행하였다 . AWS와 MERRA 재해석데

이터 취득지점 사이의 거리차이로 인해 발생되는

문제점을 해결하고 상관성을 높이기 위해 측정데

이터의 기간이동(time shifting) 또는 데이터 평균

을 적용한다 . Fig. 7에 MCP 기법으로 장기 보정

된 예측 데이터와 AWS 실측데이터를 동일한 기

(6)

Fig. 8 Power performance curves(Vestas V112)

Fig. 9 Capacity factor of wind turbine with a

variety of annual average wind speed

간에 대해 비교하여 나타내었다 . 예측데이터의 유효성 검증을 위해 피어슨 상관분석(Pearson correlation analysis)을 수행하였으며 상관계수 값 이 0.827로 나타남에 따라 서로 강한 양적 선형 관계를 갖는 것으로 확인되었다 . 장기 보정된 예 측 데이터의 연평균풍속은 3.83m/s이며 AWS 측 정데이터 (3.72m/s)에 비해 약 3% 상승하였다. 표 준오차(standard error)는 0.68m/s 이다.

4. 풍력터빈 최적배치

4.1 해석 모델

본 연구에서는 풍력발전단지 설계, 풍력터빈 최적배치 및 연간발전량 해석을 위해 덴마크의 EMD사에서 개발한 WindPRO v.2.7를 이용하였 다 . WindPRO는 WAsP(Wind Atlas Analysis and Application Program)을 솔버로 사용한다.

WAsP은 중립대기(neutral atmosphere)에서 지형 경사도의 변화가 미소하다는 가정에 의해 선형화 된 Navier-Stokes 방정식을 지배방정식으로 사용 하며

⁽⁷⁾

주변장애물(obstacle), 지형고도(elevation), 표면거칠기 (surface roughness), 후류영향 등이 고

Fig. 10 The SRTM digital elevation data, produced

by NASA originally, is used in calculation

려된 복잡한 지형에서의 풍황자원 분석이 가능하 다. 유동장 예측 모델로써 1990년에 Troen에 의해 제안된 BZ-model을 사용하였으며, 이는 언덕을 지나는 유동 해석을 위한 Jackson과 Hunt의 이론 (1975)과 유사하다.

⁽⁸⁾

WAsP은 평탄지형에서는 적 용성이 우수하나 지면경사각이 17도를 초과하는 경우에는 유동박리현상으로 인한 재순환 영역의 발달로 인해 해석결과가 부정확할 수 있다.

⁽⁹⁾

그 러나 이와 같은 현상이 발생하는 지역은 주로 산 과 같은 주변장애물의 영향으로 특정지역에서 유 동재순환영향이 크게 나타나는 지형이다 .

⁽¹⁰⁾

본 연구에서와 같이 언덕정상의 능선을 따라 풍력터 빈이 배치될 경우에는 유동압축현상에 의한 풍속 가속효과가 해석결과의 신뢰성에 영향을 미칠 수 있다 . 본 연구에서는 이를 고려하기 위해 WAsP 에서 제공하는 Hill 모델을 적용하였다.

풍력발전단지설계를 위해 중 풍속지역에 적합 한 VESTAS사의 V112 3MW 모델을 적용하였다.

이 기종은 3매의 블레이드를 갖는 수평축 풍력터

빈으로써 독립적 블레이드 피치 시스템을 적용한

출력제어방식을 채용하고 있다 . 바람방향 추종을

위해 능동형 요 시스템이 탑재되었고, 회전자 직

경은 112m로 VESTAS 3MW 모델 중 가장 넓은

회전자 면적(9,852m

²

)을 갖는다. 타워높이는 84m

이다 . Fig. 8에 Vestas V112 모델의 출력성능곡선

을 운전구간 범위에 대해 나타내었다. Fig. 9는

5 ~ 9m/s의 연간평균풍속범위에 대하여 형상계수

2에서의 와이블 분포를 적용하여 계산된 단일풍

력터빈의 연간이용률을 나타내며 , 이를 이용하여

예측된 결과의 유효성을 판단할 수 있다. 풍력발

전단지 설계에 필요한 표면 거칠기는 연간 발전

량의 변화에 큰 영향을미치므로 신중하게 고려되

(7)

Fig. 11 N.O. Jensen’s wake model

Fig. 12 Characteristic of N.O. Jensen wake model

along a single wake’s centerline, as a function of distance normalized with the rotor diameter

어야 한다 . 표면 거칠기는 계절별 변화와 주변 개발계획 등의 요인으로 인하여 변동범위가 크기 때문에 설계자의 경험이 중요하다 . 본 연구에서 는 적절한 주변 지형의 거칠기를 반영하기 위해 숲과 도시의 표면 거칠기 등급은 3, 들판은 1 그 리고 바다는 0으로 분류하였다.

⁽¹¹⁾

계산영역을 나 타내는 등고선은 Fig. 10과 같이 가덕도를 포함하 면서 동서남북으로 10 km 여유공간을 갖는 영역 으로 설정하였다 . 등고선에 사용된 수치표고모형 (DEM, Digital Elevation Model)은 USGS(U.S.

Geological Survey)에서 제공하는 SRTM (Shuttle Radar Topography Mission) 데이터를 사용하였다.

등고선 간격은 10m이며, 수치표고지도의 크기는 23km(H)×26km(W) 이다. SRTM은 Endeavor 호에 서 2000년 2월 11일부터 10일 동안 지구의 지형 데이터 획득을 목적으로 진행한 프로젝트로써, 미국의 NIMA(National Imagery and Mapping Agency)와 NASA(National Aeronautics and Space Administration)가 공동으로 수행하였다. 지구 지표 면의 80%에 해당하는 지역(위도 ±60º)의 지형정 보데이터를 획득하여 미국지역은 1arc-sec(1/3600°,

Fig. 13 Process for optimizing wind turbine placement

in a wind farm to determine the best optimized layout

약 30m), 그 외의 지역은 3arc-sec(1/1200°, 약 90m) 수준의 해상도로 제공되며 수직방향의 정확 도는 5 ~ 10m이다.

⁽¹²⁾

풍력터빈으로부터 발생되는 후류는 후방에 위치한 풍력터빈의 성능저하에 많 은 영향을 미친다. 따라서 신뢰성 있는 풍력터빈 최적배치 및 연간에너지생산량 예측 결과의 확보 를 위해서는 후류영향이 고려되어야 한다. 후류 손실을 계산하기 위한 수치모델로써 N.O. Jensen 모델, Eddy viscosity 모델, EWTS Ⅱ 모델, Deep Array Wake 모델 등이 있다. 본 연구에서는 Fig.

11의 N.O. Jensen모델

⁽¹⁰⁾

을 적용하여 최적배치 및 연간발전량을 해석하였다 .

  

_



_∞

    ^ ^{ } ^



   

^

(1)

     (2)

N.O. Jensen 후류모델에서 풍력터빈 후방의 특 정거리 X에서 후류에 의해 저감된 바람의 속도 는 식 (1)에 의해 계산 될 수 있으며, 후류의 확 산 폭은 식 (2)로 계산 할 수 있다. 

_

와 

_

는 풍력터빈으로부터 특정거리 에서의 풍속저감과 후류 확산 폭을 나타내며 , 

∞

는 전방에서 불어 오는 허브높이에서의 풍속이다 . 

_

는 풍력터빈의 추력계수를 나타낸다 . 풍력터빈 후방에서의 풍력 에너지 복원 율을 결정하는 후류손실상수(WDC, Wake Decay Constant) 는 육상의 경우 0.075, 해 상의 경우 0.04가 추천된다.

⁽¹³⁾

본 연구에서는 풍 력발전단지의 주변지형을 고려하여 mixed water and land 조건에 해당하는 0.052를 적용하였다.

0.052는 거칠기 등급(RC, Roughness Class)0.5와

지상 50m높이에서의 난류강도(TI, Turbulence

Intensity) 10%에 해당한다.

⁽¹⁴⁾

후류손실상수 값이

클수록 난류강도가 높은 지역으로 간주되며, 난

류강도가 높을 경우 풍력터빈의 후류와 외부유동

과의 혼합(mixing)이 신속하게 일어나기 때문에

풍력터빈에 의해 감소된 에너지가 빠르게 복원되

(8)

Fig. 14 Wind resource analysis result at the hub

height(84m) of wind turbines

는 특성이 나타난다 .

Fig. 12는 N.O. Jenson 후류모델을 적용하여 정 격풍속 12m/s에서 계산된 VESTAS V112 기종의 후류특성 해석결과이며 후류손실상수는 0.052, 추 력계수는 0.409가 각각 적용되었다.

4.2 풍력터빈 최적배치 설계 절차

본 연구에서 수행된 풍력터빈 최적배치 설계 절차를 Fig. 13에 제시하였다. 1단계에서는 풍황 자원지도를 이용하여 설계자가 원하는 단지용량 에 적합한 기준 면적을 결정해야 한다 . 풍황자원 지도는 20년 이상의 풍황특성을 대표할 수 있는 장기간 데이터를 이용하여 생성되어야한다 . 2단 계에서는 최적배치 시 요구되는 최소이격거리의 종 방향과 횡 방향을 결정하기 위한 주풍방향을 결정한다. 주풍방향은 기준면적의 풍황특성을 대 표할 수 있는 지점의 허브높이에서의 에너지장미 와 같은 풍황분포 분석을 통해 결정될 수 있다.

3단계에서는 설계자가 원하는 최대단지용량, 풍 력터빈 수, 최소이격거리 및 최적화 방법에 대한 조건을 결정하고 , 4단계에서 최적화 설계 조건에 따른 해석을 수행한다. 5단계에서는 최소이격거 리 조건에 따라 최적화된 결과 (배치대수, 단지효 율, 이용률)를 검토하며 마지막으로 최적배치 설 계결과를 선정한다 .

4.3 최적배치 및 결과 분석

Fig. 14는 풍력터빈의 허브높이에 해당하는 84m에서 50m(W)×50m(V) 크기의 계산격자를 이 용해서 해석된 풍황자원지도이며, 가덕도내 북쪽 지역의 풍황자원분포를 나타낸다 . 고도가 높은 산등성이 지역은 대부분 5.8m/s 이상의 연평균

Fig. 15 The results of a comparison analysis of

annual wind power density by wind direction change using the measured and the predicted data

Fig. 16 The results of Omni-directional annual wind

power density analysis for the four different locations of areas

풍속이 나타나며 , location B를 기준으로 1시 방향

과 7시 방향에 위치한 주거지역과 12시 방향에 위

치한 부산 신항만 지역은 3.8m/s ~ 4.1m/s의 낮은

연평균풍속을 나타내는 것으로 분석되었다. 거주

지역과 산업지역에서의 연평균 풍속이 낮은 이유

는 고도와 표면 거칠기에 의한 영향 때문인 것으

로 판단된다 . Fig. 14에서 연평균풍속이 6m/s 이상

으로 나타나는 붉은색으로 표시된 지역만을 추출

하여 풍력터빈의 최적배치를 위한 기준면적으로

선정하였다. Fig. 1에 나타낸 AWS 측정지점에서

의 주풍방향 분석결과는 Fig. 14의 location C로부

터 남쪽방향으로 4.5km 이격되어 있으므로 기준면

적에서의 주풍방향을 대표하는데 어려움이 있다 .

따라서 4개 지점 기준면적에서의 주풍방향을 결정

하기 위한 풍향별 연간풍력밀도를 분석하였다 .

Fig. 16에 4개 지점의 기준면적에 대한 연간풍력밀

도 해석결과를 나타내었다 . 3장에서 기술한 바와

같이 AWS 지점에서의 주풍방향은 북서방향인 것

으로 분석되었으나 , 기준지점들의 경우 30° 방위

에서의 에너지밀도가 가장 높게 나타나고 있으며

(9)

Min. distance [D]

Lateral direction

2 3 4 5 6

P.E. C.F. W.T. P.E. C.F. W.T. P.E. C.F. W.T. P.E. C.F. W.T. P.E. C.F. W.T.

Longitudinal direction

2 96.7 37.7 10 96.4 37.4 10 96.7 37.1 10 96.8 37.0 10 96.8 37.0 10 3 96.7 37.7 10 96.8 37.3 10 96.9 36.9 10 96.5 36.0 10 96.5 35.8 10

4 96.7 37.7 10 96.9 37.3 10 97.1 36.6 10 97.2 36.3 9 97.5 36.4 8

5 96.7 37.7 10 97.0 37.2 10 97.2 36.7 10 97.3 36.2 9 97.6 36.3 8

6 96.7 37.7 10 97.6 37.9 10 97.4 36.3 9 97.7 36.8 8 98.0 36.8 7

Table 5 Analysis results for park efficiency, capacity factor and optimal number of wind turbines_N.O. Jensen

Min. distance [D]

Lateral direction

2 3 4 5 6

2 98.2 38.4 10 98.1 38.1 10 98.2 37.7 10 98.3 37.5 10 98.3 37.5 10 3 98.2 38.4 10 98.3 37.8 10 98.3 37.4 10 98.1 36.7 10 98.2 36.4 10 4 98.2 38.4 10 98.3 37.8 10 98.4 37.1 10 98.5 36.8 9 98.9 36.9 8 5 98.2 38.4 10 98.4 37.8 10 98.5 37.2 10 98.6 36.7 9 98.9 36.8 8

6 98.2 38.5 10 98.7 38.3 10 98.6 36.7 9 98.8 37.2 8 99.1 37.3 7

Table 7 Analysis results for park efficiency, capacity factor and optimal number of wind turbines_Eddy Viscosity Min. distance [D]

Lateral direction

2 3 4 5 6

2 97.1 37.9 10 97.1 37.7 10 97.6 37.4 10 97.7 37.3 10 97.7 37.3 10 3 97.1 37.9 10 97.7 37.6 10 97.8 37.2 10 97.7 36.5 10 97.8 36.3 10 4 97.1 37.9 10 97.9 37.6 10 98.1 36.9 10 98.5 36.7 9 98.6 36.8 8 5 97.1 37.9 10 97.9 37.6 10 98.2 37.1 10 98.5 36.7 9 98.7 36.7 8

6 96.9 38.0 10 98.0 38.1 10 98.5 36.7 9 98.7 37.1 8 98.9 37.2 7

Table 6 Analysis results for park efficiency, capacity factor and optimal number of wind turbines_EWTS II

주풍방향은 북북동 방향이다. 해석결과의 신뢰성 검증을 위해 AWS가 설치된 지점에서의 측정데이 터와 예측데이터를 이용한 풍향별 연간 풍력밀도 비교분석결과를 Fig. 15에 나타내었다. 측정결과와 해석결과가 비교적 잘 일치하고 있으며 두 결과 모두 주풍방향이 북서방향으로 나타남에 따라 , Fig. 16에 나타낸 예측데이터를 이용한 기준지점 들에서의 주풍방향 분석결과의 신뢰성은 검증되 었다고 판단된다. 최적배치를 위한 해석조건으로 써 3MW 풍력터빈 10기를 배치하여 30MW 풍력 발전단지를 구성하고, 기기간의 최소이격거리를 종 방향과 횡 방향으로 2D ~ 6D 까지 1D 간격으 로 설정하였다. 종 방향은 풍력터빈 후류발생 방 향이고 횡 방향은 종 방향에 수직한 방향으로 정 의된다. 이상과 같이 설정된 총 25 CASE의 최적 화 조건에 대한 해석을 수행하였으며 , 각 CASE에 서의 단지효율, 연간이용률 및 배치된 풍력터빈 수에 대해 분석하였다 . 단지효율은 풍력단지에 설

치된 개별 풍력터빈에서 발생하는 후류손실을 차

감한 효율이며 , 연간이용률은 풍력터빈이 정격출

력에서 1년간 운전하였을 때 생산된 발전량과

WindPRO S/W를 이용하여 예측된 발전량의 비를

나타내며, 최적배치의 성공유무를 결정하는 중요

한 인자이다 . 최적배치된 25개의 CASE에 대하여

WindPRO에서 제공되는 3가지 후류모델을 적용하

여 발전량을 분석하였다 . Table 5, 6, 7에 제시된

단지효율을 보면 Eddy Viscosity 후류모델이 후류

에 의한 속도저감량을 가장 낮게 예측하고 있으

며, N.O. Jensen 후류모델이 가장 높게 예측하고

있다 . 연간이용률은 Eddy Viscosity 후류모델이 가

장 높고 N.O. Jensen 후류모델이 가장 낮게 분석되

었으며 , 모든 후류모델에서 비슷한 경향의 해석결

과를 보여주고 있다. 횡 방향 거리가 3D 이상인 조

건에서 종 방향의 최소이격거리가 증가할수록 단

지효율과 이용률은 증가 추세를 보인다. 이는 종

방향 최소이격거리가 증가 할수록 후단에 위치한

(10)

No. Elevation

[m] Elevation of

Nearest WT [m] Distance from Nearest WT [D]

#1 187.9 296.4 5.5

#2 296.4 280.4 3.6

#3 280.4 296.4 3.6

#4 298.8 310.0 3.5

#5 310.0 233.6 3.2

#6 233.6 310.0 3.2

#7 259.7 233.6 4.5

#8 326.3 296.2 3.3

#9 296.2 326.3 3.3

#10 270.0 296.2 8.0

Table 8 Geographical properties for the best

optimized layout of wind turbines

Fig. 17 The result of the optimal wind farm layout

design. The red ellipses presented separation distance between the wind turbines

풍력터빈이 후류에 의한 영향을 덜 받기 때문이다 . 그리고 7기가 배치된 6D×6D CASE보다 오히려 10기가 배치되고 횡방향 이격거리가 낮은 CASE 들이 이용률이 높게 분석되었는데, Fig. 14에 제 시된 기준면적을 통해 그 이유를 짐작해 볼 수 있다. 기준면적은 횡방향으로 퍼져 있으며 풍속 의 범위는 6.0m/s에서 7.8m/s임을 알 수 있다. 즉, 기준면적내에서 상대적으로 고풍속이 위치하는 지점은 정상부근의 협소한 면적이게 된다 . 그래 서 횡방향으로 최소이격거리가 적을수록 고풍속 에 위치할 가능성이 높게 되고 그 결과 후류에 의한 손실보다 풍속에 의한 이득이 크기 때문인 것으로 판단된다 . Table 5, 6, 7에 제시된 해석결 과 중 10기의 풍력터빈을 배치하는 조건을 만족 하지 않는 CASE는 30MW 풍력단지설계가 불가 능하기 때문에 최적배치 결과로 사용될 수 없다.

그러나 이를 제외한 나머지 CASE의 해석결과는 모두 96% ~ 98%에 이르는 높은 단지효율로 해

석됨에 따라 , 해당지역은 30MW 규모의 풍력발전 단지 개발이 충분히 가능한 것으로 판단된다. 종 방향으로 6D, 횡 방향으로 3D의 조건의 경우 N.O. Jensen과 EWTS II 모델에서는 단지효율과 연간이용률이 가장 높게 나타나고 있으며 , Eddy Viscosity 모델을 적용한 해석결과에서는 단지효 율만이 최고 수치로 예측되었다 . 3가지 후류모델 을 적용한 전반적인 해석결과에 따라 10기가 배 치된 6D×3D CASE를 최적으로 배치된 CASE로 선정하였다.

Fig. 17과 Table 8 및 9에 6D×3D CASE의 발전 량 해석결과를 나타내었다. Table 8의 결과를 보 면 가장 인접한 풍력터빈간의 이격 거리가 3.2D 로, 일반적으로 복잡한 지형에서 난류강도의 영 향을 줄이기 위해 요구되는 3D 이상의 이격 거 리 조건을 만족하고 있다. Table 9에 최적배치가 완료된 6D×3D CASE에 대하여 3가지 후류모델이 적용된 연간에너지생산량 해석결과를 나타내었 다 . 6번 풍력터빈을 제외한 모든 풍력터빈에서 N.O. Jensen, EWTS II, Eddy Viscosity 후류모델 순으로 후류에 의한 에너지 손실량이 높게 예측 되었다. 후류에 의한 에너지 손실량은 최소 0.4%

에서 최대 4.3%이며, 평균 후류손실은 2.4%, 2.0%, 1.3%로 그 차이는 미소하다. Table 9의 해 석결과에서 6호기와 9호기의 경우 이격 거리와 연평균풍속은 유사한 반면, 후류 손실의 경우 N.O. Jensen은 0.9%와 4.3%, EWTS II는 1.2%와 3.9%, Eddy Viscosity는 0.5%와 2.5%으로 해석되 어 약 4배의 큰 차이를 보인다. 그 이유는 산의 고도변화에 따른 후류중첩면적의 차이 때문이다.

5-6호기의 설치고도 차이는 76.4m로 큰 반면 8-9

호기의 경우 30.1m로 차이가 크지 않다. 따라서

전방에 설치된 풍력터빈으로부터 발생되는 후류

와 로터 블레이드 회전면의 중첩범위가 더 넓은

9호기의 후류손실이 더 크게 나타난다. 가덕도와

같은 복잡지형의 경우 근접풍력터빈과의 해발고

도 차이도 최적배치시 중요한 고려사항임을 알

수 있다. 3가지 후류모델이 적용된 연간이용률은

37.9%, 38.0%, 38.3%로 후류손실 해석결과의 역

순으로 예측되었으며, 상대적으로 결과의 차이가

적다 . Fig. 9에 제시된 연간이용률 분포와 같이

7m/s에서 이미 38.8%를 초과하고 있으므로, 연간

평균풍속 7.42m/s에서 후류손실을 고려할 경우

연간이용률 예측결과는 가능하다고 판단된다.

(11)

No.

Potential AEP [MWh]

Wake loss [%]

Park efficiency [%]

Capacity factor [%]

Wind speed [m/s]

(1) (2) (3) (1) (2) (3) (1) (2) (3) (1) (2) (3) (1), (2), (3)

#1 8,837.7 8,862.6 8,876.1 0.9 0.6 0.4 99.1 99.4 99.6 33.6 33.7 33.8 6.80

#2 10,647.1 10,710.1 10,760.1 2.1 1.5 1.0 97.9 98.5 99.0 40.5 40.7 40.9 7.67

#3 9,930.2 9,988.2 10,080.3 2.9 2.3 1.4 97.1 97.7 98.6 37.8 38.0 38.3 7.30

#4 10,781.1 10,783.1 10,849.7 1.4 1.3 0.7 98.6 98.7 99.3 41.0 41.0 41.3 7.74

#5 10,898.7 10,907.4 11,001.0 2.0 1.9 1.1 98.0 98.1 98.9 41.4 41.5 41.8 8.02

#6 9,722.3 9,691.0 9,759.1 0.9 1.2 0.5 99.1 98.8 99.5 37.0 36.9 37.1 7.34

#7 9,227.3 9,216.7 9,326.4 2.4 2.5 1.3 97.6 97.5 98.7 35.1 35.0 35.5 7.08

#8 10,197.4 10,317.4 10,410.4 4.1 3.0 2.1 95.9 97.0 97.9 38.8 39.2 39.6 7.69

#9 9,600.1 9,638.4 9,778.9 4.3 3.9 2.5 95.7 96.1 97.5 36.5 36.7 37.2 7.35

#10 9,756.5 9,963.5 9,890.9 3.4 1.4 2.1 96.6 98.6 97.9 37.1 37.9 37.6 7.26 ave. 9,959.8 10,007.8 10,073.3 2.4 2.0 1.3 97.6 98.0 98.7 37.9 38.0 38.3 7.42

total 99,598.4 100,078.4 100,732.9 - - - -

Table 9 AEP, park efficiency and capacity factor analysis results considering wake interaction between the

wind turbines, using N.O. Jensen(1), EWTS II(2) and Eddy Viscosity(3) wake models.

가덕도에 최적 배치된 풍력터빈 허브높이의 연 간평균풍속은 7.42m/s로써 우수한 풍황자원을 보 유하고 있으며 , 평균 단지효율이 97.6%~98.7%로 매우 높게 나타남에 따라 성공적인 풍력터빈 배 치가 수행되었다고 판단된다 . 3가지 후류모델을 적 용하여 예측된 연간에너지발전량은 99,598.4 MWh, 100,078.4 MWh, 100,732.9 MWh로 분석되었다.

5. 결 론

본 연구에서는 우리나라의 가덕도 지역에 30MW 풍력발전단지 개발을 위한 연구를 수행하 였으며 연구결과를 다음과 같이 요약할 수 있다 .

(1) MCP 기법을 적용하여 풍력발전단지 설계 수명기간 동안의 풍황특성을 대표 할 수 있는 장 기 풍황데이터보정을 수행하였고, 가덕도 북쪽지 역을 대상으로 풍황자원지도를 생성 한 후 연평 균풍속이 6m/s 이상으로 나타나는 4개의 지점을 최적배치를 위한 기준면적으로 결정하였다 .

(2) 4개의 기준면적에 대한 풍력에너지밀도 분 석을 통해 주풍방향을 선정하였고 풍력터빈 최적 배치를 수행하였다. 해석결과의 신뢰성검증을 위 해 실측데이터와 해석데이터를 이용한 AWS 지 점에서의 주풍방향 해석결과 비교를 수행하였으 며 서로 잘 일치하는 결과를 얻었다 .

(3) WindPRO에서 제공되는 3가지 후류모델을 적용하여 터빈최적배치를 수행하였으며 , 종 방향 으로 6D, 횡 방향으로 3D의 이격조건을 갖는 경

우에서 단지효율 및 연간이용률이 가장 높게 나 타났다. 후류손실이 고려된 AEP는 99,598.4MWh

~ 100,732.9MWh, C.F는 37.9% ~ 38.3%로 나타남 에 따라 가덕도 내의 산등성이를 따라 30MW 규 모의 풍력발전단지개발이 충분히 가능함을 제시 하였다.

(4) 본 연구결과는 Met-mast 설치 이전단계에서 후보지 인근지역에 위치한 AWS 측정데이터를 이용하여 프로젝트 개발 가능성을 판단하기 위해 수행되었으며, 향후 국제표준에 따른 Met-mast의 설치를 통해 비교검증 연구를 진행 할 예정이다 .

후 기

“이 논문은 2015학년도 제주대학교 학술진흥연 구비 지원사업에 의하여 연구되었음.”

참고문헌

(References)

(1) Kim, Y. D., Jeong, Y. M. and Lee, D. D., 2014,

"Technical Trend of Radar Radio Interference Reduction Relating to Construction of the Offshore Wind Farm," Journal of the Korean Institute of Electrical and Electronic Material Engineers, Vol. 27, No. 4, pp. 250~256.

(2) Kim, H. G., Jang, M. S. and Ryu, K. W., 2013,

"Wind Resource Assessment on the Western

Offshore of Korea Using MERRA Reanalysis

(12)

Data," Journal of Korea Wind Energy Association, Vol. 4, No. 1, p. 41.

(3) Michael, C. B., 2012, Wind Resource Assessment, WILEY, pp. 117~128.

(4) Paritosh, B., 2011, Wind Energy Management, INTECH, pp. 3~10.

(5) Ko, J. W., Moon, S. J. and Lee, B. G., 2012,

"Estimation of Annual Energy Production Based on Regression Measure-Correlative-Predict at Handong, the Northeastern Jeju Island," Journal of the Korean Society of Marine Environment &

Safety, Vol. 18, No. 6, p. 546.

(6) Seo, H. S., Kyung, N. H. and Kim, H. G., 2010,

"Analysis on Wind Characteristics for Offshore Wind Turbine Structure Design at Waljeong, Jejudo,"

Journal of the Wind Engineering Institute of Korea, Vol. 14, No. 3, p. 163.

(7) Kim, S. W. and Kim, H. G., 2007, "Sensitivity Analysis of Wind Resource Micrositing at the Antarctic King Sejong Station," Journal of the Korean Solar Energy Society, Vol. 27, No. 4, p. 2.

(8) Anthony, J. B. and Niels, G. M., 2004, "WAsP Prediction Errors Due to Site Orography," Riso-R-

995(EN), pp. 6~8.

(9) Yassin, M. F. and Al-Harbi, M., 2013, "Numerical Simulation on Wind Flow over Step-shaped Cliff Topography with Rough Surface," International Journal of Environmental Research, Vol. 7, No.1, pp. 173~186.

(10) Bechmann, A., Sørensen, N. N., Berg, J. M. and Réthoré, P. E., 2011, "The Bolund Experiment, Part II: Blind Comparison of Microscale Flow Models," Boundary-Layer Meteorology, 141, pp.