유동해석 결과를 이용한 풍력발전단지 연간 발전량 예측 및 경제성 분석 코드 개발 (Development of an In-house Code to Predict Annual Energy Production and Economic Analysis of Wind Farms Using CFD Results)

풍력에너지저널 pp. 23~30

유동해석 결과를 이용한 풍력발전단지 연간 발전량 예측 및 경제성 분석 코드 개발 ¹⁾

김민지

^*

^**

^***

Development of an In-house Code to Predict Annual Energy Production and Economic Analysis of Wind Farms

Using CFD Results

Min-Ji Kim

^*

^**

^***

Key Words : Offshore wind farm (해상풍력발전단지), Annual energy production (연간발전량), Capacity factor (이용률), Economic analysis (경제성분석), In-house code (인하우스 코드)

ABSTRACT

In this study, using code developed in-house, the prediction of annual energy production (AEP) of wind farms was calculated, and economic analysis was performed based on distance from seashore and depth. The estimated AEP results were compared with those from WindPRO to validate the in-house code. To create wind resource map for calculating AEP, accurate wind estimation is necessary, and this study used WindSim, a Reynolds Averaged Navier-Stokes (RANS)-based commercial wind estimation program. The wind resource maps were used to input data for simulation to predict the AEP for wind farms, and included direction-specific scale factors and shape factors for each element. Additionally, the wind resource maps included Jensen wake models, which helped predict the AEP of wind farms. Using data from the wind resource maps and the code developed in-house, the error in AEP estimates was 0.004–0.461% compared to WindPRO estimates.

기호설명 ^ : 로터 직경 [m]

_ : 후류 저감 상수

 : 후류 영향 거리 [m]

 : 와이블 분포

 : 풍속 대비 출력 [W]

 : 풍속 [m/s]

_ : 유입 풍속 [m/s]

_{ }: 후류 풍속 [m/s]

_ : 추력 계수

* 강원대학교, 기계융합공학과 메카트로닉스공학전공 석사과정

** 강원대학교, 기계융합공학과 메카트로닉스공학전공 박사과정

*** 강원대학교, 기계의용·메카트로닉스·재료공학부 메카트 로닉스공학전공 교수 (교신저자)

E-mail : [email protected]

DOI : https://www.doi.org/10.33519/kwea.2020.11.3.003 ISSN : 2093-5099 (Print), 2733-9467 (Online) Received : June 18, 2020, Revised : September 4, 2020 Accepted : September 9, 2020

1. 서 론

정부는 2017년 12월 재생에너지 3020 이행계획안을

통해, 2030년까지 국내 발전량 비중의 20 %를 재생에

너지로 충당하는 계획을 발표하였다. 이에 따라 풍력

의 경우 약 17 GW 이상의 신규 풍력발전단지가 건설

될 것으로 예상되고 있으며, 이중 약 4 GW 내·외의

신규 육상풍력발전단지를 제외하고 13 GW 이상의 해

상풍력발전단지 개발이 진행될 것으로 예상된다[1].

2019년 말까지, 국내 풍력발전단지 누적 설치용량은 약 1.49 GW 에 달하는 것으로 알려져 있다[2]. 하지만 누적 설치용량의 90 % 이상은 육상풍력발전단지이며, 해상풍력발전단지는 현재 10 % 미만에 해당한다[2].

국내 상용 해상풍력발전단지는 30 MW 의 탐라 해상 풍력발전단지와 60 MW 의 서남해 해상풍력 실증단지 등 2 개소이며, 향후 보다 큰 용량의 해상풍력발전단 지들이 개발될 것으로 예상된다 [3].

해상 풍력발전단지 개발을 위해서는 풍력발전단지 개발이 가능한 유망 후보지를 선정하고, 유망후보지에 대한 바람자원지도를 구축하게 된다. 그리고 구축된 바람자원 지도를 이용하여, 해석 프로그램 상에 가상 적으로 풍력터빈을 배치함으로써 후류 효과를 감안한 연간발전량 및 이용률을 산정하게 된다. 이와 같은 일 련의 과정은 상용 풍력자원 해석 및 단지설계 프로그 램인 WAsP, Windfarmer, WindPRO, WindSim 등이 많이 사용되고 있다. 하지만 이와 같은 프로그램들의 경우, 국내 여건을 고려한 풍력단지의 경제성 해석을 위해서는 상용 프로그램을 이용한 연간발전량 예측수 행 이후에 기 개발된 In-house 경제성 분석 프로그램 을 이용하여 B/C ratio, IRR 등의 경제성 분석이 수행 된다[4-6].

그러나 이 경우, 바람자원지도가 작성된 이후 풍력 발전단지 발전량 예측을 상용 프로그램을 이용하여 진 행하고, 이에 대한 경제성 분석을 다시 별도의 프로그 램으로 진행해야하기 때문에 작업의 연속성이 떨어지 고 추가적인 시간이 소용되는 단점을 가지고 있다.

따라서 본 연구에서는 상용 프로그램을 이용한 바 람자원지도 작성 후 해당 바람자원지도를 입력으로 하 여 다양한 풍력터빈 배치 시, 후류 영향을 고려한 연 간발전량 예측은 물론 경제성 분석을 함께 수행할 수 있는 In-house 코드를 개발하고자 하였다.

이를 위해 상용 전산유체역학 (Computational Fluid Dynamics, CFD) 기반 풍력자원해석 프로그램인 WindSim 의 바람자원지도 해석결과를 이용한 Matlab 기반 연간 발전량 예측 및 경제성 분석 프로그램을 개발하였다.

2. 본 론

2.1 In-house 코드 2.1.1 In-house 코드 개요

Fig. 1은 본 연구를 통해 개발된 프로그램의 계산과 정을 나타내고 있다. 본 프로그램은 Matlab 기반 프로 그램으로서 WindSim CFD 프로그램에서 추출하게 되 는 Wind Resource 파일과 대상 풍력터빈의 출력곡선 을 입력으로 받아들여, 프로그램에서의 풍력터빈 배치 에 따른 연간발전량 계산 및 경제성 분석을 수행하게 된다. 이 때 풍력터빈 후류 영향을 고려하기 위해 문 헌에 제시된 풍력터빈 후류모델과 후류 중첩 모델을 이용하여 연간발전량을 계산하게 된다 [7, 8]. 또한 지 형정보시스템 (Geographic Information System, GIS) 프로그램을 이용한 해당 영역의 격자에서의 수심정보 를 받아들여 기초구조물 비용 및 설치비용 계산에 적 용하고 외부망에 대한 계통연계 비용 등 추가적인 계 산을 통해 경제성 분석을 수행하게 된다.

Fig. 1 In-house code algorithm for A.E.P calculation and economic analysis

2.1.2 N.O.Jensen 후류 모델

본 연구에서 개발된 In-house 코드에는 후류모델로 서 N.O. Jensen 모델이 적용되었다. Jensen 후류 모델 은 1982년 덴마크 Risø 연구소에서 제안된 후류 모델 로서 상용 프로그램인 WindPRO 프로그램에 적용이 되어있으며, 식이 비교적 단순하여 연구에서 많이 사 용되고 있다. Jensen 후류 모델은 질량 보존법칙에 기 초한 선형 후류 모델로서 Fig. 2와 같이 후류의 폭이 거리에 비례하여 선형적으로 확장되며, 후류 영역 내 에서의 풍속프로파일은 균일한(Uniform) 분포를 갖는 것으로 가정한다. Jensen 모델은 풍력터빈의 추력계수 (Thrust coefficient,

), 후류 저감 상수 (Wake decay constant,

), 후류 영향 거리 (Wake distance,

) 그 리고 풍력터빈의 로터 직경 (Rotor diameter,

)을 이 용하여 후류 영역 내 풍속을 예측한다. 식 (1)은 Jensen 후류모델의 수식을 나타내며, 수식에서 V

는 풍력터빈 입력풍속을 나타낸다. 그리고 다수 풍력터빈 에 의한 후류 중첩으로 발생하는 풍속저감 효과는 문 헌에 제시되어 있는 제곱합 (Sum of Squares) 식을 적용하였다 [7, 8].

_

^

×



  ^{        }

^

^{ }

  

^

 

Fig. 2 N.O.Jensen wake model

2.1.3 연간발전량 계산

In-house 코드에서 풍력발전단지의 연간발전량 계 산을 위해서는 WindSim 유동해석 프로그램의 바람자 원지도를 입력받는 과정이 필요하다. Table 1은 WindSim 유동해석을 통해 얻은 바람자원지도에 포함되어 있는 정보를 나열하고 있다. 바람자원지도는 해석영역의 모 든 격자에 대하여 11 가지의 유동해석 결과 정보를 포

함하고 있다. 식 (2)는 확률밀도함수인 Weibull 분포 함수의 수식을 나타내며, 척도계수 

와 형상계수 

는 각각  번째 방위에 대한 정보를 의미한다. 풍력발전 단지의 연간 발전량을 계산하기 위해 풍력터빈 별 위 치에서의 방위별 발생 빈도 정보(Frequency of occurrence) 와 풍력터빈의 출력곡선(Power curve)를 이용하게 되며, 후류 영향을 고려하여 방위별 연간 발전량을 계산하게 된다. 또한 식 (3)과 같이 Weibull 분포 와 풍속 대비 출력

 정보를 이용하여 터빈별, 방위별 연 간 발전량을 모두 합산하여 발전단지 전체의 연간 발 전량을 계산하게 된다[9]. 본 논문에서는 0∼25 m/s까 지의 풍속범위에 대해 0.5 m/s 의 풍속 간격으로 16 방위에 대한 방위별 AEP를 계산하였다.



   



 ^{ }





^{× }

^

^



(2)



 

 ^

^

 × 

 × 

No Contents

1 X-coordinate (easting) of the site [m]

2 Y-coordinate (northing) of the site [m]

3 Z-coordinate (elevation) of the site [m]

4 Height above ground level (Hub height) [m]

5 Weibull A-parameter for total distribution [m/s]

6 Weibull k-parameter for total distribution 7 Power density [W/m²] 8 Number of sectors (=16 sectors) 9 Frequency of occurrence for sector #1 ~ #16 [%]

10 Weibull A-parameter for sector #1 ~ #16 [m/s]

11 Weibull k-parameter for sector #1 ~ #16 Table 1 Wind resource file data

2.1.4 경제성 분석

본 연구에서는 이자율을 고려한 경제성 분석 기법

중 편익/비용 비율(Benefit/Cost Ratio, B/C ratio)을

적용하여 Case 별 경제성 분석을 수행하였다. 편익/비

용 비율을 계산하기 위한 항목은 Table 2와 같이 나누

어 산정하였다. 편익 계산을 위해 계통한계가격 (System

Marginal Price, SMP)은 2018년부터 2020년 5월까지의

평균 SMP 값인 87.56 원/kWh를 적용하였으며, 신재

생에너지 공급인증서 (Renewable Energy Certificate,

REC)는 2020년 1월∼6월 중순까지의 평균값인 43,519 원/REC를 적용하였다. B/C ratio 계산을 위해 Table 2 와 같이 CAPEX 및 OPEX 비용은 문헌에 제시된 값 을 참고하여 경제성 분석에 활용하였으며, 2.3.2절에서 항목별로 자세히 다루었다 [18-23].

Element Contents

Benefit (Income) SMP [87.56 원/kWh]

REC [43,519 원/REC]

Cost (Spending) CAPEX

OPEX Table 2 B/C ratio contents

2.2 Simulation

본 연구에서 개발된 In-house 코드를 이용하여 연 안으로부터 이격거리가 다른 3 개의 Case로 풍력터빈 을 배치한 가상의 풍력발전단지를 대상으로 해석을 진 행하였다. 해석은 Case 별 연간발전량을 예측하고 상 용 프로그램인 WindPRO의 해석결과와 비교하여 In-house 코드의 결과를 검증하였다.

2.2.1 해석 영역

해석 영역은 국내 동해안 해상이며, Fig. 3과 같이 인근 육지의 영향과 가용할 수 있는 기상자료의 위치 를 고려하여 육지를 일부 포함하는 70 km × 70 km 로 설정하였다.

Fig. 3 Study area & MERRA-2 reanalysis data

2.2.2 기상자료

기상자료는 NASA에서 제공하는 측정높이 50 m, 시간 해상도 1시간, 공간 해상도 약 54 km × 55.5 km 인 MERRA-2 재해석 데이터를 이용하였다. 본 연구에 서는 Fig. 3과 같이 해석 영역 내에 위치한 2 개의 재 해석 기상자료를 이용하여 해석을 진행하였으며, 해석 에는 2000년부터 2019년까지 총 20년간의 데이터를 이 용하였다 [10-15].

Fig. 4와 Fig. 5는 해석에 사용된 MERRA-2 재해석 데이터의 전체 에너지 밀도에 대한 방위별 에너지 밀 도를 백분율로 나타낸 결과를 보여주고 있으며 Table 3은 해석에 사용된 두 재해석 기상 자료의 세부정보를 나타낸다. 그림과 표를 살펴보면, 두 재해석 데이터의 주풍 방향은 ‘서북서’와 ‘서’ 인 것을 알 수 있다.

Fig. 4 MERRA-2 (1)

Energy density Fig. 5 MERRA-2 (2) Energy density

No. Mean

WndSpd [m/s]

Dominant Energy Direction

Height

[m] Period MERRA-2

(1) 6.21 WNW

50

2000.01.01.

00:00 2019.12.31.~

23:00 MERRA-2

(2) 5.80 W

Table 3 MERRA-2 specific data

2.2.3 지형 모델링 및 바람장 해석

해석영역 내 가상 발전단지의 연간 발전량 예측을

위해 CFD 기반 풍력자원해석 프로그램인 WindSim

Ver 10.0 을 사용하여 바람자원지도를 생성하였다. 바

람자원지도 생성을 위하여 국가공간정보포털에서 제공

하는 1:25,000 수치지형도를 수치지도로 사용하였으며,

지표거칠기 자료로는 환경공간정보서비스에서 제공하

는 1:50,000 토지피복도를 사용하였다[16, 17]. 해석영역

에 대한 격자간격은 x, y 방향은 동일하게 175 m로 설정하였으며, z 방향은 지표에서 멀어질수록 격자 간 격이 증가하도록 설정하였다. 해석영역은 x, y, z 방향 에 대하여 각각 400, 400, 40 개의 격자로 이루어져 총 6,400,000 개의 격자로 구성되어 있다. 해석영역의 바람 자원지도 작성에 적용한 초기 조건 값을 Table 5에 나 타내었다. Table 4에서 알 수 있듯이, 유동해석은 22.5°

간격으로 방위를 16개 섹터로 분할하여 진행하였으며, 난류 모델은 정확도가 높은 것으로 알려진 standard k-ε 난류 모델을 적용하였다.

Element Value

Number of sector 16

Air density 1.225

Turbulence model Standard k-ε

Solver GCV

Number of iteration 500

Table 4 WindSim initial condition

2.3 Results

2.3.1 연간 발전량 예측 결과 비교

Fig. 6∼8 은 해석에 적용한 해안선으로부터의 이안 거리가 다른 3개의 Case에 대한 풍력터빈 배치 결과를 보여주며 23 기 터빈 배치로 단지 용량은 193.2 MW 이다. 각각의 Case에 대해 In-house 코드 시뮬레이션 결과와 상용프로그램인 WindPRO를 이용하여 계산한 연간에너지 생산량과의 비교를 수행하였다. 두 프로그 램에 적용된 바람자원 지도는 동일하게 WindSim 프로 그램을 이용하여 구축한 지도이며, Table 5는 각각의 Case에 대한 해석결과를 보여주고 있다.

Case 1∼3에 대하여 In-house 코드와 WindPRO 시 뮬레이션 결과의 발전량 예측 오차는 각각 –0.202 %, 0.004 %, -0.461 %로 모두 1 % 이내의 오차를 보이는 것을 확인하였다.

Case Simulation

method P50 A.E.P P50 C.F Error

[MWh/y] [%] [%]

Case1 In-house code 616,984.6WindPRO 618,235.1 36.4636.53 -0.202 Case2 In-house code 595,729.1WindPRO 595,702.4 35.2035.20 0.004 Case3 In-house code 646,020.8WindPRO 649,014.3 38.1738.35 -0.461

Table 5 Annual Energy Production

Fig. 6 Wind turbine arrangement – case 1

Fig. 7 Wind turbine arrangement – case 2

Fig. 8 Wind turbine arrangement – case 3

2.3.2 경제성 분석

실제 풍력발전단지 사업의 경우 정확한 비용 산정 을 통해 경제성 분석이 이루어져야 하나, 본 연구의 경우 경제성의 평가보다는 수심 및 연안으로부터의 이 안거리에 따른 경제성의 변화를 확인하는 것을 목적으 로 하기 때문에, 문헌에 제시된 비용을 바탕으로, 경제 성분석을 진행하였다.

경제성 분석은 편익/비용 비율(B/C ratio) 기법을 사용하여 진행하였으며, 편익 산정 시 SMP와 REC를 적용 시 본 연구에서 진행한 육지로부터의 이안거리에 따른 세 가지 Case 모두 연계거리가 5 km 이내에 해 당하기 때문에 산업통상자원부에서 제시한 해상풍력 공급인증서 가중치 기준에 따라 REC 가중치는 ‘2’로 적용하여 진행하였다.

비용 산정의 경우 문헌에 제시된 값을 적용하여, 초 기 사업비(CAPEX)는 Table 7에 제시되어있는 값들을 바탕으로 진행되었으며, 초기 사업비를 제외한 비용에 대해서는 Table 8에 제시되어있는 값들을 바탕으로 진 행하였다. 풍력터빈의 비용은 초기 사업비의 34 %∼56

% 의 큰 비중을 차지하며, IRENA에서 분석한 2019년 해상 풍력 초기 사업비 분석 결과에 따르면 2019년 신 규 설비된 국외 해상 풍력발전단지의 평균 초기 사업 비는 3,800 USD/kW 로 제시되어 있다. 따라서 현재시 점인 2020년 5월의 평균 환율 1,207.01 원/USD과 초기 사업비의 34 % 비중을 적용하여, 풍력터빈의 가격 (Turbine)은 약 15.59 억원/MW으로 가정하였다[23].

기초구조물(Foundation 및 설치(Installation), 계통연계 (Grid connection) 비용은 수심과 이격거리의 변화에 따라 민감하게 반응하며, 항구로부터 이격거리 등을 고려한 기타(Other) 비용 등의 산정을 위해 선행 연구 문헌에 적용된 추정식을 인용하여 산정하였다 [18]. 마 지막으로 케이블 비용은 해상단지로부터 인근 육상 변 전소까지의 거리에 따라 큰 변화를 보이며, 154 kV XLPE 2,000 전력케이블을 가정하여 0.395 억원/km를 적용하였다 [21].

CAPEX(Capital Expenditure) 외 비용 산정 시 고려 한 OPEX(Operating Expenditure) 항목은 Table 8과 같으며 선행 연구문헌을 참고하여 산정하였다. 운전유 지비용(O&M)의 경우 풍력터빈의 부품별 연간 고장률 을 고려하였으며, 연간 운전 유지비의 증가율은 육상 의 경우 2.2 %, 해상의 경우 3.2 %로 고려하였다 [18, 22]. 할인율은 문헌에 제시된 바와 같이 4.5 %를 적용

하였고 경제수명기간은 일반적으로 알려진 풍력터빈의 설계수명 20 년을 가정하였다 [19]. 또한 부채 비율 및 대출 금리의 경우 문헌에 제시된 국내 풍력발전단지에 적용된 값으로, 부채 비율 75 %, 고정금리 4.5 %, 상 환기간은 15.25 년임을 참고하여 가정하였다 [20].

Table 6은 각 Case 별 연간발전량과 이용률, 그리 고 Case 1 B/C Ratio 대비 Case 2 와 3 의 B/C Ratio 비를 나타내며. Case 1의 결과를 1로 가정하였을 때의 각 Case 별 증감률을 보여준다. Table 8에서 살펴보면, Case 2 의 경우 Case 1 대비 연안으로부터 이안거리 가 가까워짐과 동시에 평균 수심이 얕아지면서 경제성 이 약 18 % 증가하나, 이와 반대로 Case 3 의 경우 Case 1 대비 경제성이 약 42 % 감소하는 것을 알 수 있다. 이를 Table 9에 제시된 In-house 코드를 이용한 연간발전량 해석 결과와 비교 시 연간발전량만을 고려 하는 경우, Case 3의 연간발전량이 가장 우수한 것으 로 나타나지만 본 연구에서 개발된 연간발전량 및 경 제성분석 통합 In-house 코드를 적용하여 경제성까지 고려 시, 최종적으로 Case 2 가 최적의 배치인 것을 확인할 수 있다.

Case

Averaged water depth

Nearest distance from land

Relative B/C ratio

[m] [m] [-]

Case 1 60.6 2,639 1.00

Case 2 44.6 1,392 1.18

Case 3 112.2 4,130 0.58

Table 6 B/C ratio for each cases

Element Unit Case 1 Case 2 Case 3 Turbine [^·￦/MW] 15.59 15.59 15.59 Foundation [^·￦/MW] 26.68 16.11 86.40 Cable [^·￦/MW] 0.396 0.396 0.396 Installation [^·￦/MW] 13.62 12.18 16.37 Grid Conn. [^·￦/MW] 2.65 2.63 2.68

Others [^·￦/MW] 2.49 1.99 5.26 Total [^·￦/MW] 61.03 48.50 126.3

Table 7 CAPEX

Element Unit Value O&M [^·￦/MWh] 0.396 Annual increase

rate of O&M [%/year] 3.2

Discount rate [%] 4.5

Economic life span of Wind

turbine [years] 20

Debt rate [%] 75

Loan rate (Fixed interest

rate) [%] 4.5

Repayment

period [years] 15.25

Table 8 OPEX and Financing

Case Simulation

method P50 A.E.P P50

C.F A.E.P Difference

[MWh/y] [%] [%]

Case1 In-house

code 616,984.6 36.46 -

Case2 In-house

code 595,729.1 35.20 -3.46 Case

3 In-house

code 646,020.8 38.17 4.69 Table 9 Annual energy production and difference for each

cases

4. 결 론

본 논문에서는 풍력단지에 대한 타당성 분석 시 활 용할 수 있는 연간발전량 예측 및 이용률 산정, 경제 성 분석이 가능한 In-house 코드를 개발하였다. 해당 프로그램은 상용 프로그램인 WindSim에서 구축한 바 람자원지도 파일을 입력으로 받아들여 후류 모델 및 후류 중첩 모델을 감안한 연간발전량 예측 및 이용률 을 예측한다. 또한 연간발전량 예측 결과를 이용한 경 제성 분석을 수행한다.

개발된 프로그램의 연간발전량 예측 결과를 검증하 기 위해 국내 동해안 해상영역에 대해 연간발전량을 예측하는데 적용하였으며 상용 발전단지설계 프로그램 인 WindPRO 프로그램의 결과와 비교하였다. 육지로 부터 이안거리가 다른 3가지 가상의 풍력발전단지에 대한 연간발전량 비교 결과, 발전량 예측 오차가 1 % 이내인 것으로 확인되었다.

또한 3 가지 Case의 가상 풍력발전단지에 대한

In-house 코드를 이용한 경제성 분석을 통해 연간발전 량만을 고려하였을 때의 최적단지배치가 경제성 분석 을 고려할 경우의 최적단지배치와 상이할 수 있다는 것을 확인하였다.

따라서 본 연구에서 개발된 프로그램을 이용할 경 우, 풍력발전단지 발전량 예측과 함께 경제성 분석 결 과를 확인할 수 있기 때문에 실제 해상풍력발전단지 타당성 분석 시 유용하게 사용할 수 있을 것으로 판단 된다.

현재 개발된 프로그램은 아직 기초적인 단계의 프 로그램으로서 사용자가 입력한 풍력터빈 좌표에 대해 후류 모델을 적용하여 연간 발전량을 예측할 수 있도 록 개발되었다. 하지만 차후 실제 해상 풍력발전단지 설계과정에서처럼 사용자가 임의로 단지영역을 설정하 였을 때 경제성을 최대화하기 위한 최적배치가 자동적 으로 수행되도록 프로그램을 개선해 나갈 계획이다.

후기

본 연구는 2017년도 산업통상자원부(MOTIE)의 재 원으로 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구 과제입니다. (NO. 20173010025010)

참고문헌

[1] Ministry of Trade Industry and Energy, 2020, Renewable Energy 3020 Implementation Plan (in Korean).

[2] Korea Wind Energy Industry Association, 2020, 2019 Annual Report on Wind Energy Industry in Korea (in Korean).

[3] 4C offshore, Global offshore renewable map are available online: https://www.4coffshore.com/

offshorewind/, June 17, 2020.

[4] Song, Y., Kim, C. J., Paek, I. and Kim, H. G., 2016, "Evaluation of Implementation Potential of Offshore Wind Farm Capacity in Korea Using National Wind Map and Commercial Wind Farm Design Tool," Journal of the Korean Solar Energy Society, Vol. 36, No. 4, pp. 21-29 (in Korean).

[5] Park, U. S., Yoo, N. S., Kim, J. H., Kim, K. S.,

Min, D. H., Lee, S. W., Paek, I. and Kim H. G.,

2015, “The Selection of Promising Wind Farm Sites in Gangwon Province using Multi Exclusion Analysis,” The Korean Solar Energy Society, Journal of the Korean Solar Energy Society, p.1-10 (in Korean).

[6] Song, Y., Kwon, I. H. and Paek. I., 2018, "Investigation on Promising Offshore Wind Farm Sites and their Wind Farm Capacity Factors considering Wake Losses in Korea," Journal of Wind Energy, Vol. 9, No. 1, pp. 27-36 (in Korean).

[7] Jensen N. O., 1983, A note on wind generator interaction, RISØ National Laboratory, DK-4000, Roskilde, Denmark.

[8] Zhenzhou, S., Ying, W., Li, L., Shuang, H. and Yongqian, L., 2019, “Multiple Wind Turbine Wakes Modeling Considering the Faster Wake Recovery in Overlapped Wakes,” Energies 2019, 12(4), 680.

[9] Kwon, I. H., Kim, J. H., Paek, I. and Yoo, N.

S., 2013, “Variation of Capacity Factors by Weibull Shape Parameters,” Journal of the Korean Solar Energy Society, Vol. 33, No.1, pp.

32-39 (in Korean).

[10] 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).

[11] 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.

[12] Gao, Y., Kim, B. S., Lee, J. H., Paek, I. and Yoo, 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).

[13] 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).

[14] 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).

[15] Park, U. S., 2015, “Wind Farm Site Selection near the Coast in Korea using Multi Exclusion Analysis,” Master’s Thesis, Kangwon National University (in Korean).

[16] 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).

[17] Ministry of Environment, 2007, Land Cover Map are vailable online: https://egis.me.go.kr/

intro/land.do, June 17, 2020

[18] Kangwon National University, 2013, Investigation on potential sites for additional domestic offshore wind farms, Project Final Report, Korea Institute of Energy Technology Evaluation and Planning (in Korean).

[19] Korea Development Institution, 2018, Preliminary Validity Study Report of Public Institution Project (in Korean).

[20] 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).

[21] Ministry of Trade Industry and Energy, 2020, Standard market unit price of electric construction (in Korean).

[22] Wind Directions, 2007, Supply Chain: The Race to Meet Demand

[23] International Renewable Energy Agency(IRENA),

2020, Renewable Power Generation Costs in

2019