KR101944084B1 - 해수면온도를 이용한 풍력자원 예측시스템 - Google Patents

해수면온도를 이용한 풍력자원 예측시스템 Download PDF

Info

Publication number
KR101944084B1
KR101944084B1 KR1020160183971A KR20160183971A KR101944084B1 KR 101944084 B1 KR101944084 B1 KR 101944084B1 KR 1020160183971 A KR1020160183971 A KR 1020160183971A KR 20160183971 A KR20160183971 A KR 20160183971A KR 101944084 B1 KR101944084 B1 KR 101944084B1
Authority
KR
South Korea
Prior art keywords
wind speed
wind
ensemble
prediction system
area
Prior art date
Application number
KR1020160183971A
Other languages
English (en)
Other versions
KR20180078807A (ko
Inventor
김현구
김진영
강용혁
윤창열
Original Assignee
한국에너지기술연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국에너지기술연구원 filed Critical 한국에너지기술연구원
Priority to KR1020160183971A priority Critical patent/KR101944084B1/ko
Publication of KR20180078807A publication Critical patent/KR20180078807A/ko
Application granted granted Critical
Publication of KR101944084B1 publication Critical patent/KR101944084B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Ecology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Algebra (AREA)
  • Environmental Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)

Abstract

본 발명은 해수면을 이용한 풍속자원 예측시스템으로, 더욱 상세하게는 풍속을 예측할 대상구역 및 대상기간을 설정하고, 설정된 대상기간 이전의 해수면온도(SST)를 수집 및 분석하여, 다중회귀모델로 분석함으로써, 보다 정확도가 및 활용도가 높은 풍속자원 예측시스템에 관한 것이다.

Description

해수면온도를 이용한 풍력자원 예측시스템{Wind resource prediction system using sea surface temperature}
본 발명은 해수면을 이용한 풍력자원 예측시스템에 관한 것으로, 더욱 상세하게는 대상구역의 주변의 해수면온도(SST : Sea Surface Temperature)와 대상구역에서 부는 풍속과의 상관성을 바탕으로 알고리즘을 구축하고, 이를 바탕으로 풍속을 예측하는 바람표면온도를 이용한 풍력자원 예측시스템에 관한 것이다.
국내외에서 여러 종류의 발전기를 통해 전력을 수급하고 있다. 이러한 발전기의 수급용량, 즉 전력공급량이 사용자들의 사용량보다 적을 경우에는 블랙아웃이 발생하기 때문에, 전 세계적으로 전력생산은 아주 중요한 문제로 대두되고 있다.
위와 같이 전력생산량의 대다수는 현재 화력 및 원자력이 차지하고 있으나, 화력발전소의 대기오염과 원자력발전소의 방사능 물질 처리로 인해서 재생에너지를 이용한 발전소가 점차적으로 확대되고 있다. 하지만 상기한 바와 같이 풍력, 수력 및 태양열 등의 재생에너지 발전소는 전력생산량이 일정하지 않으며, 사용자가 원하는 바에 따라 조절하기가 힘들기 때문에 이를 예측하는 시스템이 굉장히 중요하다.
특히, 풍력발전기의 경우에는 대상구역에서의 생성되는 일정부분만 예측할 뿐이며, 원하고자 하는 풍력 값을 도출하기가 힘들기 때문에 발전생산량을 산정하기가 어렵다.
현재 위와 같이 풍력 값을 도출하기 위한 알고리즘이나 시스템은, 태반이 육지에 한정되어 있으며 해수면에 대해서는 현재까지도 산정하기가 곤란한 부분이 많다. 이러한 해수면의 풍력을 예측하기 위한 시스템으로 한국등록특허 제10-0865077호("동중국해 통과 태풍의 여름 계절 예보방법", 2008.10.17.)가 개시되어 있다. 상기한 문헌은 북위 25도 내지 북위 35도, 동경 120도 내지 동경 130도 예측구역에서 7월 내지 9월의 태풍 통과 개수를 예측하는 시스템이다.
하지만 풍력발전기는 대상기간의 풍속을 예측해야만 전력생산량을 도출할 수 있기 때문에, 태풍의 예측은 풍력발전기에서는 전력생산량에서의 변수를 예측하는 정도로만 사용될 수 있다.
한국등록특허 제10-0865077호("동중국해 통과 태풍의 여름 계절 예보방법", 2008.10.17.)
본 발명은 해수면을 이용한 풍력자원 예측시스템에 관한 것으로, 더욱 상세하게는 대상구역의 주변 해수면을 이용하여 대상구역에서 부는 바람의 세기를 산출할 수 있으며, 이를 보다 확장하여 원거리에 위치한 시설도 공간상관 분석을 통해 바람의 세기를 산출할 수 있는 해수면을 이용한 풍력자원 예측시스템이다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 풍력자원 예측시스템은, 해상풍을 예측하기 위해 검증과 예보 기능을 포함한 풍속자원 예측시스템을 이용한 풍속자원 예측방법에 있어서, 풍속자원 예측시스템이 풍속을 예측할 대상구역을 결정하고, 풍속을 예측할 대상기간을 설정하는 설정단계(S100); 상기 풍속자원 예측시스템이 상기 설정단계(S100)에서 설정된 대상구역을 기점으로 일정한 반경을 설정하고, 대상기간 이전 설정된 연도 동안 상기 일정한 반경에서 기측정된 해수면 데이터를 수집하는 수집단계(S200); 상기 풍속자원 예측시스템이 상기 수집단계(S200)에서 수집된 해수면 데이터를 일정연도간의 월평균으로 구분하여 앙상블멤버로 구성하는 멤버구성단계(S300); 상기 풍속자원 예측시스템이 상기 멤버구성단계(S300)에서 구성된 앙상블멤버를 선별하여 대상구역의 대상기간 동안의 해상풍과 가장 상관계수가 높은 해수면온도의 앙상블 멤버를 결정하는 결정단계(S400); 상기 결정단계(S400) 이후, 상기 풍속자원 예측시스템이 결정된 앙상블 멤버를 통해 도출되는 변수를 이용하여 대상구역의 풍속을 예측하는 풍속예측단계(S500); 상기 풍속자원 예측시스템이 상기 풍속예측단계(S500) 이후, 대상구역의 주변 영역을 확대하거나 다른 지점을 목표구역으로 설정하여, 상기 목표구역 및 대상 구역의 공간상관을 분석하는 공간상관 분석단계(S600); 및 공간상관 분석 결과, 일정한 수치 이상의 공간상관계수가 도출되면, 상기 풍속자원 예측시스템이 상기 목표구역을 상관영역으로 설정하는 상관영역 설정단계(S700);를 포함하여 이루어지며, 상기 멤버구성단계(S300)에서는, 하기의 수식을 적용하여 상기 대상기간 이전 1개월 지연단위로 앙상블멤버(
Figure 112018127403167-pat00101
)로 구성하며,
Figure 112018127403167-pat00102

(여기에서,
Figure 112018127403167-pat00103
: 공간함수
Figure 112018127403167-pat00104
: 연도계수
Figure 112018127403167-pat00105
: 앙상블멤버의 해수면온도 수치)
상기 설정단계(S100)에서는, 대상구역에서 해상풍이 기측정된 값이 있는 대상기간을 설정하되, 상기 결정단계(S400)에서는, 대상구역에서 기측정된 값과 총 12개의 앙상블 멤버(
Figure 112018127403167-pat00106
) 간의 상관관계를 통해 가장 상관계수가 높은 앙상블 멤버를 결정하며, 상기 풍속자원 예측시스템이 상기 상관영역 설정단계(S700)에서 설정된 상관영역에 대해서도 상기 결정단계(S400)에서 결정된 앙상블 멤버를 통해 도출되는 변수를 이용하여 풍속을 예측하는 것을 특징으로 할 수 있다.
이때 상기 풍력자원 예측시스템은 상기 설정단계(S100)에서 설정된 대상기간에 실제 측정된 값을 토대로, 상기 결정단계(S400)에서 상기 앙상블멤버의 정확도를 비교하는 것을 특징으로 할 수 있다.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
이때 상기 풍속예측단계(S500)는 북극 진동 및 태평양 십년 진동 값을 예측 변수로 더 추가하여 풍속을 예측하는 것을 특징으로 할 수 있다.
또한 상기 풍속자원 예측시스템은 상기 풍속예측단계(S500) 이후,, 대상구역의 주변 영역을 확대하거나 다른 지점을 목표구역으로 설정하여, 상기 목표구역 및 대상구역의 공간상관을 분석하는 공간상관 분석단계(S600); 및 공간상관 분석 결과, 일정한 수치 이상의 공간상관계수가 도출되면 상기 목표구역을 상관영역으로 설정하는 상관영역 설정단계(S700);를 더 포함하여 이루어질 수 있다.
상기와 같은 구성에 의한 본 발명에 따른 해수면을 이용한 풍속자원 예측시스템은 앙상블멤버를 이용한 알고리즘을 통해 최적의 다변량 및 모형계수를 결정하기 때문에, 예측된 값과 실제 값의 상관계수가 높은 수치를 가질 수 있다.
또한 위와 같이 높은 상관계수를 가진 알고리즘을 통하여 해상 또는 해안가에 위치한 풍력발전기의 발전량도 예측이 가능하며, 이를 토대로 효율적인 자원분배와 풍력발전 시설의 위치선정이 가능한 장점이 있다.
또한 육지에서 멀리 덜어진 풍력발전 시설의 발전량 또한, 대상구역과의 공간상관 분석을 통하여 예측이 가능한 장점이 있다. 위에서 말한 것과 같이 풍속자원 예측시스템 및 공간상간 분석의 결합은 대상구역을 복수 개로 설정하여 이를 유기적으로 연계하여 사용가능하기 때문에, 위에서 기재한 0.76의 상관계수보다도 정확도가 향상될 수 있다.
또한 본 발명의 풍속자원 예측시스템은 풍력발전기에 한정되지 않기에, 운송이나 어업 등 바다라는 환경 속에서 진행되는 많은 기술분야에 접목할 수 있으며, 이는 산업발전에 이바지할 수 있는 장점으로 이어진다.
도 1은 앙상블멤버 결정과정을 도시한 블록선도.
도 2은 2000년부터 2008년까지의 한반도 주변 월별 평균 해수면 온도 분포를 도시한 도면.
도 3은 2000년부터 2008년까지의 한반도 주변 월별 평균 풍속 및 해수면 온도를 도시한 그래프.
도 4는 앙상블멤버에 따른 풍속 및 해수면의 상관계수를 도시한 도면.
도 5는 결정된 앙상블멤버를 통한 대상구역의 풍속자원 예측시스템을 도시한 블록선도.
도 6은 앙상블멤버 간의 결합에 따른 관측 풍속과 추정 풍속과의 관계를 도시한 그래프.
도 7은 앙상블멤버 2 내지 4를 대입하여 도출된 관측 풍속과 추정 풍속과의 관계를 도시한 그래프.
도 8은 본 발명의 풍속자원 예측시스템에 따른 실제로 관측된 데이터와 예측한 데이터를 비교한 도면.
도 9는 공간상관영역시스템이 추가된 풍속자원 예측시스템의 블록선도.
이하 첨부한 도면들을 참조하여 본 발명의 일 실시예에 따른 해수면을 이용한 풍속자원 예측시스템을 상세히 설명한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
이때 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다.
도 2는 풍속자원 예측시스템의 일 실시예로서, 도 2는 앙상블멤버 결정과정을 도시한 블록선도이다. 도 2를 참조하면, 본 발명의 풍속자원 예측시스템은 설정단계(S100), 수집단계(S200), 멤버구성단계(S300) 및 결정단계(S400)를 포함하여 이루어질 수 있다. 상기한 구성들은 단계별로 보다 상세히 설명한다.
상기 설정단계(S100)는 풍속을 예측할 대상구역을 결정하고, 풍속을 예측할 대상기간을 설정하는 단계이다. 여기서 대상구역은 일정한 범위를 가진 지점을 설정할 수도 있으며, 풍력발전기와 같은 타켓시설로 설정할 수도 있다. 이어 풍속을 예측할 대상기간의 경우에는 검증과 예보로 나누어 판단할 수 있다. 대상기간은 풍속이 기측정된 값이 있는 경우로 설정하는 경우에는 검증의 과정으로 본 발명의 풍속자원 예측시스템의 알고리즘의 정확도를 판단하기 위한 것이다. 즉, 현재를 기점으로 과거의 일정한 기간을 대상기간으로 설정할 수 있는 것이다. 또한 상기 대상기간은 검증의 과정이 아닌 예보를 하기 위한 기간으로 설정할 수 있다. 이러한 경우에는 기측정된 값이 없는 미래의 일정한 기간을 설정할 수 있다.
상기 수집단계(S200)는 상기 대상설정단계(S100)에서 설정된 대상구역을 기점으로 일정한 반경을 설정하고, 해당 일정한 반경에서 기측정된 해수면 데이터를 수집하는 단계이다. 차후에 자세히 설명하지만, 해상풍이나 해안가에서 부는 바람은 해수면에 영향을 받으며, 본 발명은 풍속과 해수면과의 관계를 통해 풍속을 예측하는 시스템을 설명한다. 이에 본 발명의 풍속자원 예측시스템은 대상지역에 영향을 주는 해수면의 범위를 설정하고, 상기 범위 내의 데이터를 수집할 수 있다. 이때 상기 데이터의 수집은 해양기상청 데이터를 통해 이루어질 수 있으며, 혹은 위성을 활용하여 데이터를 직접 수집할 수도 있다. 차후 본 발명의 풍속자원 예측시스템의 검증을 위한 데이터는, 설정된 범위의 수년간의 해수면을 수집하였으며, 이를 토대로 가장 상관계수가 높은 데이터를 선별하게 된다.
상기 멤버구성단계(S300)는 상기 수집단계(S200)에서 수집된 데이터를 월평균 또는 일정연도 간의 월평균으로 구분하여 앙상블멤버로 구성하는 단계이다. 이때 월평균 또는 일정연도 간의 월평균이란, 상기 수집단계(S200)에서 이루어진 수집기간에 따라 구분될 수 있다. 월평균은 대상기간과 그 1년 사이의 데이터를 수집하는 경우에는 각 데이터를 12로 나누어 하나의 개월로 표기할 수 있다. 즉, 2012년 1월을 대상기간으로 설정한다면 2011년도의 1월 평균, 2월 평균, ..., 12월 평균으로 총 12개의 값으로 설정할 수 있다. 여기서 대상기간이 2012년도 1월로 지정되는 경우가 아니라, 2012년 1월 4일로 지정되는 경우에는 상기한 총 12개의 값은 2011.01.04~2011.02.03, 2011.02.04~2011.03.03., ..., 2011.12.04.~2012.01.03.로 구분될 수 있다. 또한 일정연도 간의 월평균이란, 상기 월평균 값의 데이터 수집 기간을 이전 수년간의 데이터의 평균치로 합산하여 결정하는 것을 말하며, 위와 연계해서 간단히 설명하면 2007년 ~ 2010년 사이의 해수면 데이터 중 1월 평균의 데이터가 2007년 ~ 2010년 사이의 1월 평균 데이터로 사용될 수 있다.
상기 결정단계(S400)는 상기 멤버구성단계(S300)에서 구성된 앙상블멤버를 통해 최적의 다변량 및 모형계수를 가진 앙상블멤버를 결정하는 단계이다. 이때 최적의 다변량 및 모형계수란, 다중회귀모델로 상기 멤버구성단계(S300)에서 구성된 앙상블멤버들을 평가하여, 가장 상관계수가 높은 기간을 결정하는 것이다.
도 2 및 도 3은 풍속과 해수면의 관계를 설명하기 위한 것으로, 도 2는 2000년부터 2008년까지의 한반도 주변 월별 평균 해수면 온도 분포를 도시한 도면이며, 도 3은 2000년부터 2008년까지의 한반도 주변 월별 풍속 및 해수면 온도를 도시한 그래프이다. 도 2를 참조하면, 총 12개의 해수면 온도 그림은, 2000년부터 2008년까지의 한반도 주변 해수면 온도를 1월 ~ 12월로 총 12개의 구역으로 구분한 것으로, 상단이 순서대로 좌측에서 우측 순으로 1월, 2월 및 3월의 평균 해수면 온도분포를 나타내며, 최하단 우측 그림은 12월 평균 해수면 온도분포를 나타낸다. 이어 도 3은 도 2의 자료를 토대로 하여 월별 해수면 온도의 변동성을 나타냄과 동시에 해당 기간의 풍속의 변동성도 함께 도시한 그래프이다. 여기서 QSCAT은 QuickSCAT로 2000년부터 2008년까지의 한반도 내에서 바람의 변동성을 월별 평균으로 종합한 자료를 나타내며, OISST는 도 2의 자료를 그래프로 도시한 것이다. 도 3을 참조하면, 계절적으로 풍속은 겨울(December, January, February)이 가장 높고, 여름(June, July, August)이 가장 낮음을 확인할 수 있으며, 해수면 온도는 이와 반대로 겨울(December, January, February)이 가장 낮고, 여름(June, July, August)이 가장 높음을 알 수 있다. 이와 같이 상기 풍속은 해수면 온도와 영향이 있음을 알 수 있으며, 약간의 시간 지연을 통해 간섭을 주는 것을 알 수 있다.
이때 본 발명은 대상구역을 해상풍력단지 건설이 가능한 80m 이내의 수심인 황해 전역과 남해 및 동해 근해를 중심으로 도메인 32-41oN, 1지역을 구성하였다. 또한 하기와 같은 수식에 앙상블 멤버를 대입하여, 가장 선형 회귀 모델을 구축할 수 있다.
Figure 112018059231575-pat00107

(여기에서,
Figure 112018059231575-pat00108
: 공간함수
Figure 112018059231575-pat00109
: 연도계수
Figure 112018059231575-pat00110
: 앙상블멤버의 해수면온도 수치)
삭제
삭제
삭제
삭제
상기 알고리즘에서
Figure 112018059231575-pat00111
는 공간함수(horizontal grids)이며, 여기서
Figure 112018059231575-pat00112
의
Figure 112018059231575-pat00113
Figure 112018059231575-pat00114
는
Figure 112018059231575-pat00115
방향으로 나열되는 값을 표현하며,
Figure 112018059231575-pat00116
의
Figure 112018059231575-pat00117
는
Figure 112018059231575-pat00118
방향으로 나열되는 값으로 표현할 수 있다. 또한
Figure 112018059231575-pat00119
는 여러 연도를 선택할 경우에 포함되는 함수이며, 대상기간에서 1년 전까지의 데이터를 토대로 앙상블멤버를 구성하는 경우에는 배제하고 사용할 수 있다. 즉, 7년 간의 데이터를 수집하였다면
Figure 112018059231575-pat00120
의
Figure 112018059231575-pat00121
는 1 내지 7 사이의 수를 가질 수 있다. 상기 또한
Figure 112018059231575-pat00122
은 대상기간부터 1개월 전(1), 1개월 전부터 2개월 전 사이(2),..., 11개월 전부터 12개월 전(12) 사이의 총 12개의 변수이기에,
Figure 112018059231575-pat00123
Figure 112018059231575-pat00124
은 1 내지 12 사이의 수로 구성될 수 있다.
Figure 112018059231575-pat00125
내지
Figure 112018059231575-pat00126
의 구성은 이후 1 내지 12라는 숫자로 표기한다. 상기 알고리즘을 통하여 상관계수가 가장 높은 앙상블 멤버를 선별한 결과, 대상기간의 풍속은 4개월 전의 해수면이 최대 상관관계를 가지는 것을 알 수 있다.
도 5는 풍속자원 예측시스템의 일 실시예로서, 도 5는 결정된 앙상블멤버를 통한 대상구역의 풍속자원 예측시스템을 도시한 블록선도이다. 도 5를 참조하면, 본 발명의 풍속자원 예측시스템은 상기 결정단계(S400) 이후, 풍속예측단계(S500)를 더 포함하여 이루어질 수 있다.
이때 풍속예측단계(S500)는 상기 결정단계(S400) 이후, 하기 함수에
Figure 112018059231575-pat00127
이 2 내지 4인 앙상블 멤버를 통해 도출되는 변수
Figure 112018059231575-pat00128
,
Figure 112018059231575-pat00129
및
Figure 112018059231575-pat00130
를 대입하여 대상구역의 풍속인
Figure 112018059231575-pat00131
를 예측할 수 있다.
Figure 112018059231575-pat00132

(여기에서,
Figure 112018059231575-pat00133
:
Figure 112018059231575-pat00134
이 2인 앙상블 멤버에서 산출되는 변수
Figure 112018059231575-pat00135
:
Figure 112018059231575-pat00136
이 3인 앙상블 멤버에서 산출되는 변수
Figure 112018059231575-pat00137
:
Figure 112018059231575-pat00138
이 4인 앙상블 멤버에서 산출되는 변수
Figure 112018059231575-pat00139
: 대상구역의 추정 풍속 값)
삭제
삭제
삭제
삭제
삭제
삭제
상기 풍속예측단계(S500)는 실제로 대상구역의 대상기간 동안의 풍속을 예측하는 단계이며, 이에 앞서 본 발명의 풍속자원 예측시스템은 도 6에서 도시된 바와 같이 4개월 전의 앙상블멤버를 다른 앙상블멤버와 조합하여 가장 상관계수가 높은 예측 인자를 찾기 위해 다중 회귀모델을 결성하였으며, 이때 사용한 식은 아래에 기재되어 있다.
Figure 112018059231575-pat00054
(여기에서,
Figure 112018059231575-pat00055
: 기본 조정계수
Figure 112018059231575-pat00056
:
Figure 112018059231575-pat00140
이 2인 앙상블 멤버의 조정계수
Figure 112018059231575-pat00058
:
Figure 112018059231575-pat00141
이 3인 앙상블 멤버의 조정계수
Figure 112018059231575-pat00060
:
Figure 112018059231575-pat00142
이 4인 앙상블 멤버의 조정계수)
상기한 바와 같은 공식에 2001년에서 2007년 사이의 월평균으로 구성된 앙상블 멤버를 대입하여 나타난 결과 값이 도 6이며, 이때 대상기간 2(2개월 전)에서 4(4개월 전)까지의 앙상블 멤버를 식의
Figure 112018059231575-pat00062
,
Figure 112018059231575-pat00063
및
Figure 112018059231575-pat00064
에 대입하는 것이 가장 높은 상관계수를 가지는 것으로 나타났다. 이때 2(2개월 전)는 위에서도 언급하였지만, 일정한 기간을 가진 하나의 앙상블멤버이다. 이를 토대로 본 발명은 2679개의 관측풍속에 대해서
Figure 112018059231575-pat00065
,
Figure 112018059231575-pat00066
및
Figure 112018059231575-pat00067
에 2 내지 4의 앙상블 멤버를 통해 도출된 추정 풍속과의 비교를 하였다. 이는 도 7에서 도시되어 있다.
도 8은 본 발명의 풍속자원 예측시스템에 따른 실제로 관측된 데이터와 예측한 데이터를 비교한 것으로, 대상기간을 월별로 구성하여 하나의 월당 4개의 데이터가 도시되어 있다. 이때 상기 데이터 중, 하측에 도시된 것이 관측 풍속 및 추정 풍속을 비교한 것으로, 좌측이 관측 풍속이며 우측이 추정 풍속이다. 도 8에서는 본 발명의 풍속자원 예측시스템의 성능을 나타낸 것으로, 본 발명의 풍속자원 예측시스템은 특히 4월에 높은 정확도를 가지며, 대체적으로 12월 내지 7월 중 한 달을 대상기간으로 설정할 경우에 정확도가 높은 것으로 나타난다. 또한 상기 풍속예측단계(S500)는 수식에 북극 진동 및 태평양 십년 진동 값을 예측 변수로 더 추가하여 풍속을 예측할 수 있다. 또한 상기 수식에서
Figure 112018059231575-pat00068
는 해수면 값을 풍속으로 변환하기 위한 조정계수로, 측정대상 지역에 따라 달라질 수 있다.
도 9는 풍속자원 예측시스템의 일 실시예로서, 도 9는 공간상관영역시스템이 추가된 풍속자원 예측시스템의 블록선도이다. 도 9를 참조하면, 본 발명의 풍속자원 예측시스템은 상기 풍속예측단계(S500) 이후, 대상구역의 주변 영역을 확대하거나 다른구역을 목표구역으로 설정하여, 상기 목표구역 및 대상구역의 공간상관을 분석하는 공간상관 분석단계(S600) 및 공간상관 분석 결과, 일정한 수치 이상의 공간상관계수가 도출되면 상기 목표구역을 상관영역으로 설정하는 상관영역 설정단계(S700)를 더 포함하여 이루어질 수 있다. 즉, 대상구역을 예측한 이후에 공간상관이 높은 구역에도 데이터를 적용하여 풍속을 예측할 수 있다.
이상과 같이 본 발명에서는 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 일 실시예에 한정되는 것이 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술되는 특허 청구 범위뿐 아니라 이 특허 청구 범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.
S100 : 설정단계
S200 : 수집단계
S300 : 멤버구성단계
S400 : 결정단계
S500 : 풍속예측단계
S600 : 분석단계
S700 : 설정단계

Claims (8)

  1. 해상풍을 예측하기 위해 검증과 예보 기능을 포함한 풍속자원 예측시스템을 이용한 풍속자원 예측방법에 있어서,
    풍속자원 예측시스템이 풍속을 예측할 대상구역을 결정하고, 풍속을 예측할 대상기간을 설정하는 설정단계(S100);
    상기 풍속자원 예측시스템이 상기 설정단계(S100)에서 설정된 대상구역을 기점으로 일정한 반경을 설정하고, 대상기간 이전 설정된 연도 동안 상기 일정한 반경에서 기측정된 해수면 데이터를 수집하는 수집단계(S200);
    상기 풍속자원 예측시스템이 상기 수집단계(S200)에서 수집된 해수면 데이터를 일정연도간의 월평균으로 구분하여 앙상블멤버로 구성하는 멤버구성단계(S300);
    상기 풍속자원 예측시스템이 상기 멤버구성단계(S300)에서 구성된 앙상블멤버를 선별하여 대상구역의 대상기간 동안의 해상풍과 가장 상관계수가 높은 해수면온도의 앙상블 멤버를 결정하는 결정단계(S400);
    상기 결정단계(S400) 이후, 상기 풍속자원 예측시스템이 결정된 앙상블 멤버를 통해 도출되는 변수를 이용하여 대상구역의 풍속을 예측하는 풍속예측단계(S500);
    상기 풍속자원 예측시스템이 상기 풍속예측단계(S500) 이후, 대상구역의 주변 영역을 확대하거나 다른 지점을 목표구역으로 설정하여, 상기 목표구역 및 대상 구역의 공간상관을 분석하는 공간상관 분석단계(S600); 및
    공간상관 분석 결과, 일정한 수치 이상의 공간상관계수가 도출되면, 상기 풍속자원 예측시스템이 상기 목표구역을 상관영역으로 설정하는 상관영역 설정단계(S700);
    를 포함하여 이루어지며,
    상기 멤버구성단계(S300)에서는, 하기의 수식을 적용하여 상기 대상기간 이전 1개월 지연단위로 앙상블멤버(
    Figure 112018127403167-pat00143
    )로 구성하며,
    Figure 112018127403167-pat00144

    (여기에서,
    Figure 112018127403167-pat00145
    : 공간함수
    Figure 112018127403167-pat00146
    : 연도계수
    Figure 112018127403167-pat00147
    : 앙상블멤버의 해수면온도 수치)
    상기 설정단계(S100)에서는, 대상구역에서 해상풍이 기측정된 값이 있는 대상기간을 설정하되,
    상기 결정단계(S400)에서는, 대상구역에서 기측정된 값과 총 12개의 앙상블 멤버(
    Figure 112018127403167-pat00148
    ) 간의 상관관계를 통해 가장 상관계수가 높은 앙상블 멤버를 결정하며,
    상기 풍속자원 예측시스템이 상기 상관영역 설정단계(S700)에서 설정된 상관영역에 대해서도 상기 결정단계(S400)에서 결정된 앙상블 멤버를 통해 도출되는 변수를 이용하여 풍속을 예측하는 것을 특징으로 하는 풍속자원 예측방법.
  2. 제1항에 있어서,
    상기 풍속자원 예측시스템은,
    상기 설정단계(S100)에서 설정된 대상기간에 실제 측정된 값을 토대로,
    상기 결정단계(S400)에서 상기 앙상블멤버의 정확도를 비교하는 것을 특징으로 하는 풍속자원 예측방법.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    상기 풍속예측단계(S500)는,
    북극 진동 및 태평양 십년 진동 값을 예측 변수로 더 추가하여 상기 풍속을 예측하는 것을 특징으로 하는 풍속자원 예측방법.
  8. 삭제
KR1020160183971A 2016-12-30 2016-12-30 해수면온도를 이용한 풍력자원 예측시스템 KR101944084B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160183971A KR101944084B1 (ko) 2016-12-30 2016-12-30 해수면온도를 이용한 풍력자원 예측시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160183971A KR101944084B1 (ko) 2016-12-30 2016-12-30 해수면온도를 이용한 풍력자원 예측시스템

Publications (2)

Publication Number Publication Date
KR20180078807A KR20180078807A (ko) 2018-07-10
KR101944084B1 true KR101944084B1 (ko) 2019-01-30

Family

ID=62916257

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160183971A KR101944084B1 (ko) 2016-12-30 2016-12-30 해수면온도를 이용한 풍력자원 예측시스템

Country Status (1)

Country Link
KR (1) KR101944084B1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409596B (zh) * 2018-10-22 2021-04-13 东软集团股份有限公司 预测风速的处理方法、装置、设备和计算机可读存储介质
CN109978279B (zh) * 2019-04-10 2023-05-02 青岛农业大学 海洋表面温度区域预测方法
CN110363383A (zh) * 2019-06-03 2019-10-22 华东电力试验研究院有限公司 一种基于数字化发展下的分布式发电监测技术
CN112801353B (zh) * 2021-01-19 2022-05-03 浙江大学 一种基于风电概率预测的电力系统运行备用量化方法
KR102696483B1 (ko) * 2024-05-03 2024-08-21 대한민국 해상풍속 라디오미터의 개선된 초기입력값을 통한 해상풍속 산출 및 정확도 평가 시스템 및 그 방법
KR102696484B1 (ko) * 2024-05-03 2024-08-21 대한민국 해상풍속 라디오미터의 개선된 교정 계수를 통한 해상풍속 산출 및 정확도 평가 시스템 및 그 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101264873B1 (ko) 2012-08-07 2013-05-15 한국에너지기술연구원 단계적 회귀 분석을 이용한 풍력 밀도 예측 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100865077B1 (ko) 2008-02-21 2008-10-24 재단법인서울대학교산학협력재단 동중국해 통과 태풍의 여름 계절 예보방법
KR101646587B1 (ko) * 2014-08-19 2016-08-10 울산과학기술원 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101264873B1 (ko) 2012-08-07 2013-05-15 한국에너지기술연구원 단계적 회귀 분석을 이용한 풍력 밀도 예측 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Claude Frankignoul 외 1인. "Stochastic climate models, Part II Application to sea-surface temperature anomalies and thermocline variability". Tellus, 1977, Volume 29, Issue 4, pp.289-305.*
김현구 외 2인. "한반도 풍력자원지도 및 해상단지 적합성 평가체계 개발". 풍력에너지저널, 2011., 제2권, 제2호, pp.17-23.*
윤지원 외 5인. "단시간 다중모델 앙상블 바람 예측". 한국기상학회, 대기, 2007.12., 제17권, 제4호, pp.327-337.*

Also Published As

Publication number Publication date
KR20180078807A (ko) 2018-07-10

Similar Documents

Publication Publication Date Title
KR101944084B1 (ko) 해수면온도를 이용한 풍력자원 예측시스템
Tobin et al. Vulnerabilities and resilience of European power generation to 1.5 C, 2 C and 3 C warming
Stephen et al. A copula model of wind turbine performance
El-Shimy Optimal site matching of wind turbine generator: Case study of the Gulf of Suez region in Egypt
Fitriaty et al. Predicting energy generation from residential building attached Photovoltaic Cells in a tropical area using 3D modeling analysis
Jo et al. A hierarchical methodology for the mesoscale assessment of building integrated roof solar energy systems
US9535135B2 (en) Method for calculating solar radiation amount and method for determining power to be supplied
Ajayi et al. Availability of wind energy resource potential for power generation at Jos, Nigeria
Daut et al. A study on the wind as renewable energy in Perlis, northern Malaysia
Diaf et al. Technical and economic assessment of wind farm power generation at Adrar in Southern Algeria
Han et al. Utilising high-fidelity 3D building model for analysing the rooftop solar photovoltaic potential in urban areas
Lude et al. Optimization of the technology mix for the Shagaya 2 GW renewable energy park in Kuwait
Abdraman et al. Wind Resource Assessment in the City of N'djamena in Chad
Aniskevich et al. Modelling the spatial distribution of wind energy resources in Latvia
Pryor et al. Wakes in and between very large offshore arrays
Ohunakin Wind Characteristics and VVind Energy Potential Assessment in Uyo, Nigeria
Sanusi et al. Estimation of wind energy potential in Southwestern Nigeria
Cutler et al. Characterizing future large, rapid changes in aggregated wind power using numerical weather prediction spatial fields
Ajayi et al. Wind energy potential for power generation of a local site in Gusau, Nigeria
Anand et al. FPGA based substantial power evolution controlling strategy for solar and wind forecasting grid connected system
CN110097235B (zh) 一种联合发电的调度优化方法、装置和介质
Mrkić-Bosančić et al. Optimal energy mix in relation to multi-criteria decision-making (MCDM), review and further research directions
Vasisht et al. Forecast of solar power: a key to power management and environmental protection
Turkovska et al. Land-use requirements of solar and wind power
Świątek et al. Wind power prediction for onshore wind farms using neural networks

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E90F Notification of reason for final refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant