KR100830518B1 - 풍력발전기의 풍속 추정 방법 - Google Patents

Abstract

본 발명은 서포트 벡터 회귀 알고리즘을 사용하여 정확한 풍속을 추정하기 위한 풍속 추정 방법에 관한 것으로, 최적 주속비에 대한 발전기 기준속도를 계산할 수 있도록 하는 풍력발전기의 풍속 추정 방법에 관한 것이다.

SVR, 풍력, 풍속

Description

풍력발전기의 풍속 추정 방법{Wind speed estimating method of Wind Generation System using SVR algorithm}

도 1은 SVR 알고리즘의 훈련샘플을 나타내는 도면

도 2는 본 발명에 따른 풍속 추정을 위한 SVR알고리즘 흐름도

도 3은 MPPT를 위한 풍속 추정 그래프

도 4는 본 발명에 따른 풍속 추정 방법을 통한 발전기 제어기를 나타내는 블록도

도 5는 풍속 추정을 위한 시뮬레이션 결과를 나타내는 그래프

도 6은 풍속 추정 실험 결과를 나타내는 도면

도 7은 정상 상태 풍속 오차를 나타내는 도면

도 8은 측정된 풍속과 추정된 풍속의 차이를 나타내는 도면

본 발명은 풍력발전기의 풍속 추정 방법에 관한 것으로, 보다 상세하게는 서포트 벡터 회귀 알고리즘을 사용하여 정확한 풍속을 추정하여 최적 주속비에 대한 최적 발전기 기준속도를 계산할 수 있도록 하는 풍력발전기의 풍속 추정 방법에 관 한 것이다.

풍력 발전이란 공기의 유동이 가진 운동 에너지의 공기역학적(aerodynamic) 특성을 이용하여 회전자(rotor)를 회전시켜 기계적 에너지로 변환시키고 이 기계적 에너지로 전기를 얻는 기술로서, 주요 구성 요소로는 날개(blade)와 허브(hub)로 구성된 회전자와 회전에 의하여 구동되며 나셀(Nacelle) 내부에 위치되는 발전기로 구성된다.

이러한 풍력발전기는 환경오염을 발생시키지 않고 무한정의 바람을 사용하므로, 세계적으로 환경에 대한 관심이 고조되고 있는 요즘, 전기 에너지의 발전 장치로서 관심이 높아지고 있다.

풍력발전은 운전방식에 따라 일정속 운전과 가변속 운전으로 나뉜다. 이 중 일정속 운전은 풍속의 변화에 관계없이 터빈을 일정한 속도로 회전시키는 방식으로, 터빈 속도를 제어할 필요가 없다는 장점이 있으나 설계 풍속을 벗어나는 다른 풍속에서는 에너지 변환 효율이 낮다. 특히 우리나라처럼 풍속이 일정치 않은 지역에서는 항상 낮은 효율을 지니므로 대용량 풍력발전 시스템에서는 점차 사용하지 않는 추세이다.

풍력발전은 풍속에 따라 최대전력점이 변화하기 때문에 터빈속도를 블레이드의 최적주속비(풍속에 대한 블레이드 끝점 속도의 비)로 동작하도록 제어함으로써 항상 최대전력을 얻을 수 있는데, 이것을 가변속 운전이라 한다.

풍력 발전시스템에서 이러한 가변속 운전은 풍속계로부터 얻은 신호를 근거로 하고 있으나, 상기한 풍속계는 풍력발전시스템에서 회전자와 별개로 별도의 지 주에 의하여 설치되거나 나셀 상부에 설치하고 있어, 별도의 지주를 사용하여 설치할 경우 설치비용과 시간 및 인력이 요구되므로 풍력발전시스템 전체의 초기비용을 증가시키고, 나셀 상부에 설치한 경우 회전자의 진동 및 회전자에 의한 풍압등에 의하여 정확한 측정이 불가능하였다.

이에 따라 최근에는 풍속을 직접 측정하지 않고 추정함으로써 풍력발전의 효율을 최대화할 수 있는 최대 전력점 추종(MPPT) 방법에 대한 연구가 수행되었다.

상기한 풍속추정을 이용한 최대 전력점 추종 방법은 크게 두 가지로 분류되는데, 첫 번째는 풍속을 추정하기 위해 전력 계수 다항식을 사용하는 것으로, 최대 7차가 될 수도 있는 전력 계수 다항식의 근을 실시간으로 계산하기 때문에 복잡하고 시간을 많이 소비하게 된다. 두 번째는 직접 혹은 간접적으로 풍속을 추정하기 위해 전력 계수와 전력을 매핑하는 방법으로 2차 룩업(Look up) 테이블을 사용한다. 그러나 이 방법은 큰 메모리 용량을 요구하며 제어 시지연 때문에 느린 추종 메카니즘을 갖는다.

상기한 바와 같은 문제점을 해결하기 위한 본 발명의 목적은 서포트벡터회귀 알고리즘에 근거한 풍속 추정 방법을 이용하여 추정된 풍속이 최적 주속비에 의해 최적의 발전기 기준속도를 계산할 수 있도록 하는 것으로, 설치가 간단하고 효율성이 향상되는 풍력발전기의 풍속 추정 방법을 제공하는 데 있다.

상기한 목적을 달성하기 위한 본 발명의 특징은 서포트 벡터 회귀(Support Vector Regression) 알고리즘을 이용하여 풍속을 추정하는 것으로, 통상의 컴퓨터와 같이 각종 명령을 입력할 수 있는 입력부와 모니터 등의 출력부 그리고 프로그램 및 데이터가 기록되는 메모리와 입력부로부터 입력된 명령에 따라 메모리의 데이터 및 프로그램을 불러와서 연산하여 그 결과를 출력부로 출력하는 연산부를 구비한 시스템을 사용하여, 우선 수집된 훈련데이터 집합(x_i,y_i) 및 상수 파라미터를 입력하고, 커넬함수 k(x_i,x_j)를 정하며, 커넬함수와 라그랑제 승수α_i,α_i ^* 및 바이어스 b를 계산하여, 수학식

에 의한 입력 출력 관계를 연산하여 출력부로 도시함과 동시에 ε과 C를 입력부를 통해서 조정해주는 훈련과정을 거친다. 이러한 일련의 훈련 과정을 거친 후, 조정된 SVR 알고리즘을 풍력발전기의 제어기를 구성하는 메모리에 설치하여 SVR연산부를 정의하고, 실제로 측정된 실제터빈속도(x)와 이에 대한 커넬함수 k(x_i,x)를 제어기의 SVR 연산부에서 연산하여, 수학식

을 통해서 풍속을 추정하는 것을 특징으로 하여, 간단하고 정확하게 풍속을 추정할 수 있도록 한다.

한편, 상기한 구성에서 커넬함수는 Radial Basis Function(

)를 사용한다.

이하 본 발명의 실시예를 하기에서 첨부된 도면을 참조하여 살펴본다.

우선, 풍속을 추정하기 위한 서포트벡터회귀(SVR) 알고리즘을 사용함에 앞서, 입력과 출력에 대한 훈련데이터, 커넬 함수, 파라미터 C와 ε이 통상의 컴퓨터시스템을 사용하여 지정되어야 하는 데, 여기서 C란 모델의 복잡도를 조정하는데 이용되는 변수로서 일반적으로 C값이 작을수록 보다 더 간단한 모델을 선호하게 되는 효과를 지니며 C값을 매우 크게 할 경우 모든 훈련 데이터의 학습에러를 작게 하는 모델 즉 복잡한 모델을 만들게 된다. 또한 ε은 허용오차를 의미하는 변수로서 서포트 벡터의 개수를 조정함으로써 모델의 복잡도를 제어하는 역할을 하게 된다.

입력 훈련 데이터는 회전자 속도와 터빈 출력으로, 여기서 터빈출력은 미리 지정된 회전자 속도와 풍속 샘플이 포함된 수학식 1의 터빈 출력 방정식에서 얻어진다.

그리고, 주속비는 수학식 2와 같이 정의된다.

상기에서 ρ는 특정 공기 밀도 [kg/m³]을 나타내고, v는 풍속 [m/s], R은 터 빈 블레이드의 반경[m], w_t는 회전자(즉 터빈) 속도, C_p는 전력 변환 계수를 나타낸다.

도 1은 SVR 알고리즘의 훈련샘플을 나타내는 것으로, 각 샘플은 회전자 속도(w_t)와 해당 터빈 출력(P_t)으로 이루어지며, SVR 알고리즘의 입력이 된다.

고정 피치 터빈에서 출력-속도 특성은 유일하고 교차할 수 없으므로 어떠한 동작 상태에서라도 터빈 출력과 회전자 속도가 측정되면, 이 두 값 사이의 관계는 해당 풍속을 검출하기 위해 사용될 수 있다.

한편, 도 1의 풍속 샘플은 도 2에 나타내는 f(x)를 찾기 위한 SVR 알고리즘의 목표(결과)값으로 사용되며, 풍속 추정에 SVR알고리즘을 적용하기 위해 입력과 출력에 대한 훈련 데이터와 미리 결정된 파라미터를 이용하여 입력과 출력 사이의 관계를 Matlab 소프트웨어 사용하여 출력부로 표시한다. 이 때 ε과 C 의 조정과정이 이루어지며, 조정과정을 통해 ε=0.001, C=400을 사용하고, 커넬 함수는 Radial Basis Function을 사용한다.

이러한 과정을 통해서 얻어진 함수 f(x)는 풍속 추정 값을 검출하기 위해 온라인 즉 실제 풍력발전기의 제어기에서 사용되며, 온라인 과정에서 터빈 출력은 수학식 3과 같이 계산될 수 있다.

여기서 P_g는 발전기 출력이고 w_r은 터빈 속도이며, J는 시스템 관성 모멘트이다. 그리고 B_t은 마찰계수이다.

도 2는 SVR알고리즘을 통한 풍속 추정 방법을 나타낸다.

우선, 충분한 터빈속도 및 터빈출력(x_i)와 풍속(y_i)의 훈련데이터 집합(x_i,y_i)와 파라미터 ε과 C, 훈련 데이터에 대하여 RBF 커넬 함수 k(x_i,x_j)가 결정된다.

그리고, 수학식 4를 통한 라그랑지 승수 α_i,α_i ^* 와 바이어스 b의 오프라인 조정과정을 수행한다. 여기서 라그랑지 승수 α_i,α_i ^* 는 수학식 4를 최소화하도록 정해지는데, 수학식 4는 2차식(quadratic form)이므로 2차식 최적화(quadratic optimization) 기법을 이용하여 최소화 문제를 풀 수 있다. 이는 Matlab에서 Karush-Kuhn-Tucker 조건을 이용하여 구할 수 있다

f(x)의 출력, 즉 풍속은 임의의 입력 즉 임의의 터빈속도(x)에 대해 수학식 5에 의해 온라인으로 계산될 수 있다.

상기에서 k(x_i,x)는 커넬함수이고, 특정 터빈 속도 w₁에 대한 도 3의 포인트 A에서의 터빈 출력은 P₁이고, 이 점에서는 그에 해당하는 풍속 v₁이 오직 하나만 존재한다. 일단 풍속이 결정되면, 회전자 기준 속도 w^* _r는 최적 주속비를 사용하여 계산될 수 있다.

도 3에 나타난 풍속 v₁에서의 최적 회전자 속도는 포인트 B이다. 만일 풍속이 변하면, 같은 과정이 반복된다.

케이지(cage) 타입의 발전기 제어기의 블록도를 도 4에 나타낸다.

실제 터빈의 회전속도(w_t)와 훈련에 의한 터빈출력을 입력으로 하여 SVR연산부(10)에서 SVR 알고리즘에 따라 풍속 v를 추정하고, 추정된 풍속 v를 이용하여 최대 전력점 추종부(20)에서 회전자기준속도를 주속비를 사용하여 계산한다.

상기에서 SVR연산부(10)는 제어기 자체에 구비된 메모리(미도시)에 상기한 오프라인 훈련과정을 거친 SVR 알고리즘이 기록되어 입력에 대하여 SVR알고리즘 연산을 통해서 출력을 구하는 부분이다.

이렇게 계산된 회전자 속도지령(w_r ^*)과, 변속기(30)를 통과한 회전자속도(w_r)를 감산기(40)를 통해서 감산하여 그 결과를 속도 제어부(50)에 전달하고, 속도 제어부(50)에서 출력된 q-축 전류지령(i_qs ^e*)과 자속 형성을 위한 d-축 전류지령(i_ds ^e*)을 슬립연산부(60)에 전달하여 슬립속도를 계산한다.

슬립연산부(60)에서 출력된 슬립속도(w_sl)와 회전자속도를 가산기(70)에서 가산하여 회전자 자속 기준 좌표계 변환을 위한 동기속도(w_e)를 계산하고, 이것을 적분회로(90)에서 적분하여 회전자 자속의 위치를 추정해낸다.

이렇게 추정된 회전자 자속의 위치는 측정된 전류(i_a,i_b,i_c)를 회전자 자속 기준 좌표계(92)에서 본 전류(i_ds ^e,i_qs ^e)로 변환하기 위해 사용되며, 변환된 전 류(i_ds ^e,i_qs ^e)에 근거하여 전류제어기(80)에서 전압지령(v_qs ^{e *},v_ds ^{e *})을 출력한다.

한편, 상기한 발전기 제어기는 일반적인 자속 기준 제어(간접 벡터 제어)에 근거한다. 여기서 발전기 d축 전류는 정격 자속 레벨과 같도록 일정하게 유지된다. 속도 제어 루프는 상이한 풍속에서 발전기 토크와 속도를 제어하기 위한 q축 전류 성분을 생성한다. 계통측 PWM 컨버터(100)의 제어에 의해 직류단 전압(V_dc)은 일정하게 유지되고, 전원측 역률은 1이다.

상기한 바와 같은 풍속 추정 방법의 정확도를 실험하기 위하여 실험실에서 M/G 세트로 풍력 터빈 시뮬레이터를 구성하였다.

풍력 터빈의 특성을 에뮬레이트하기 위해 토크 제어된 dc 전동기 드라이브가 사용된다. 3[kW] 통형 유도 발전기의 출력은 back-to-back PWM 컨버터와 변압기를 통해 계통에 연결된다.

도 5는 시뮬레이션에 의해 추정된 풍속을 보여준다. 추정된 값은 오차 최소화와 모델 복잡성 사이의 흥정(trade-off) 때문에 실제 값과 약간의 오차를 가진다.

풍속 추정에 대한 실험을 도 6에서 확인할 수 있다. 실제 풍속은 (a)에 나타내는 바와 같이 4~8[m/s]사이에서 랜덤하고 계속적으로 변한다. 추정된 풍속은 수행 과정 때문에 생기는 약간의 지연을 제외한다면 (b)에서 측정된 풍속과 일치함을 알 수 있다. (c)에서는 최대 전력 제어에 대한 발전기 속도를 나타낸다.

도 7에서 풍속 오차가 작음을 알 수 있는데, 이것은 빠른 풍속 변동과 같은 모든 상태에서 추정기의 성능과 정확성이 뛰어남을 보여준다. 넓은 영역에 걸친 풍속에 대한 SVR 추정 성능이 도 8에서 보여진다. 회귀의 개념은 관측하고자 하는 상황에 맞는 함수를 찾는 것이고, 그렇게 구성된 함수는 5-12[m/s]의 관측에 잘 들어맞는다.

상기한 본 발명에 의하면 계속적으로 증가하고 감소하는 풍속에 대한 정확한 추정이 가능하고, 본 발명의 SVR 알고리즘은 발전기 혹은 터빈 상수와는 무관하게 실제 값에 대한 우수한 추종을 특징으로 한다. 또한 실험 결과 풍속 추정과 최대 전력점을 추종함에 있어 우수한 성능을 갖는다.

Claims (2)

1. 풍력발전기의 제어기에서 서포트벡터회귀(Support Vector Regression) 알고리즘을 이용하여 풍속을 추정하되,

   입력부, 출력부, 메모리, 연산부를 구비한 시스템을 사용하여 터빈속도 및 터빈출력(x_i)와 풍속(y_i)의 집합(x_i,y_i), 상수 파라미터를 입력부를 통해서 입력하고 커넬함수k(x_i,x_j)를 입력부를 통해서 정하며, 상기한 연산부에서 커넬함수와 라그랑제 승수(α_i-α_i ^*) 및 바이어스 b를 계산하여, 수학식

   

   에 의한 입력 출력 관계를 연산하여 출력부로 도시함과 동시에 허용오차 파라미터ε과 모델의 복잡도를 조정하는 파라미터 C를 입력부를 통해서 조정해주는 훈련과정,

   상기한 훈련 과정을 거친 후, 조정된 SVR 알고리즘을 풍력발전기의 제어기를 구성하는 메모리에 설치하여 SVR연산부를 정의하고, 실제로 측정된 실제터빈속도(x)와 이에 대한 커넬함수 k(x_i,x)를 제어기의 SVR 연산부에서 연산하여, 수학식

   

   을 통해서 풍속을 추정하는 풍속추정과정을 포함하고,

   상기에서 라그랑제 승수 α_i,α_i ^* 는 아래 수학식6을 최소화하도록 정해지며, 수학식 6에서 C는 모델의 복잡도를 조정하는데 이용되는 변수인 것을 특징으로 하는 풍력 발전기의 풍속 추정 방법.

   
2. 제 1항에 있어서, 커넬함수는 RBF함수를 사용하는 것을 특징으로 하는 풍력 발전기의 풍속 추정 방법.

Images