KR102394148B1

KR102394148B1 - 풍력 발전 단지의 전력 조정 최적화 방법 및 이를 수행하는 장치

Info

Publication number: KR102394148B1
Application number: KR1020210003284A
Authority: KR
Inventors: 주영훈
Original assignee: 군산대학교산학협력단
Priority date: 2021-01-11
Filing date: 2021-01-11
Publication date: 2022-05-09

Abstract

본 발명에 따른, 전력 조정 최적화 방법은 복수의 풍력 터빈(WT)들을 포함하여 구성되는 풍력 발전 단지(WF)의 최대 전력 출력을 위한 것으로, 상기 풍력 발전 단지의 출력 전력과 연관되는, 상기 복수의 WT들에 대한 파라미터를 수집하는 단계; 상기 복수의 WT들 상호간에 작용하는 웨이크 영향을 수치적으로 나타내는 웨이크 가중 계수 행렬을 생성하는 단계; 상기 WT를 노드로, 상기 WT들 상호간에 작용하는 웨이크 영향을 방향 선으로 나타내는 웨이크 방향 그래프를 생성하는 단계; 상기 생성된 웨이크 가중 계수 행렬 및 웨이크 방향 그래프를 기초로 상기 복수의 WT들을 클러스트링하여 복수의 서브 셋들로 분류하는 단계; 상기 서브 셋 분류 결과에 기초하여 상기 복수의 WT들에 적용되는 희소 통신 아키텍처를 결정하는 단계; 및 상기 결정된 희소 통신 아키텍처에 대응되는 기정의된 전력 조정 최적화 알고리즘을 적용하여, 각 WT의 요각도 및 축 계수를 조정할 수 있는 전력 조정 최적화 솔루션을 생성하는 단계;를 포함한다.

Description

풍력 발전 단지의 전력 조정 최적화 방법 및 이를 수행하는 장치{COORDINATED OPTIMIZATION METHOD FOR MAXIMIZING THE POWER OF WIND FARM AND APPARATUS PERFORMING THE SAME}

본 발명은 복수의 풍력 터빈들로 구성되는 풍력 발전 단지의 최대 전력 효율을 실현하기 위한 최적화 기술에 관한 것이다.

다수의 풍력 터빈으로 구성되는 풍력 발전 단지는 후류(wake) 효과의 영향으로 인해 최대 전력을 확보하는데 한계가 있다. 보다 구체적으로, 하류에 위치하는 풍력 터빈은 상류의 풍력 터빈에 의한 풍속 결손으로 자유 스트림에서 작동했을 때보다 적은 전력을 생산할 수 있다. 이러한 후류 효과는 풍력 발전 단지의 출력 전력에 많은 영향을 미치고 있다.

이러한 후류 효과를 고려한 전력 최적화를 위한 다양한 기술이 제안된 바 있다. 그러나, 종래 기술의 경우 전력 상승률이 약 5% 이하 수준으로 한계가 있으며, 정보 교환 및 데이터 처리 측면에서 매우 비효율적이다.

현재, 후류 효과를 고려한 풍력 발전 단지의 전력 조정 최적화 전략으로서, 전력 효율을 더욱 향상시키며 정보 교환 및 데이터 처리 효율을 더욱 향상시킬 수 있는 기술의 개발이 필요한 상황이다.

한국공개특허 10-2013-0039156호

본 발명은 상술된 문제점을 해결하기 위해 도출된 것으로, 전력 효율과, 정보 교환 및 데이터 처리 효율을 더욱 향상시킬 수 있는, 풍력 발전 단지의 전력 조정 최적화 방법 및 이를 수행하는 장치를 제공하고자 한다.

본 발명의 일 측면에 따른, 전력 조정 최적화 방법은 복수의 풍력 터빈(WT)들을 포함하여 구성되는 풍력 발전 단지(WF)의 최대 전력 출력을 위한 것으로, 상기 풍력 발전 단지의 출력 전력과 연관되는, 상기 복수의 WT들에 대한 파라미터를 수집하는 단계; 상기 복수의 WT들 상호간에 작용하는 웨이크 영향을 수치적으로 나타내는 웨이크 가중 계수 행렬을 생성하는 단계; 상기 WT를 노드로, 상기 WT들 상호간에 작용하는 웨이크 영향을 방향 선으로 나타내는 웨이크 방향 그래프를 생성하는 단계; 상기 생성된 웨이크 가중 계수 행렬 및 웨이크 방향 그래프를 기초로 상기 복수의 WT들을 클러스트링하여 복수의 서브 셋들로 분류하는 단계; 상기 서브 셋 분류 결과에 기초하여 상기 복수의 WT들에 적용되는 희소 통신 아키텍처를 결정하는 단계; 및 상기 결정된 희소 통신 아키텍처에 대응되는 기정의된 전력 조정 최적화 알고리즘을 적용하여, 각 WT의 요각도 및 축 계수를 조정할 수 있는 전력 조정 최적화 솔루션을 생성하는 단계;를 포함한다.

일 실시예에서, 상기 웨이크 가중 계수 행렬을 생성하는 단계는 웨이크 가중 계수에 대하여 사전 정의된 임계치를 기초로 상기 웨이크 가중 계수 행렬에 대한 가지치기(pruning) 프로세스를 수행하는 단계를 더 포함할 수 있다.

일 실시예에서, 상기 희소 통신 아키텍처는, 비중앙집중형(decentralized) 통신 아키텍처 및 분산형(distributed) 통신 아키텍처를 포함할 수 있다.

일 실시예에서, 상기 희소 통신 아키텍처를 결정하는 단계는 상기 분류된 서브 셋들 간 공유 WT가 존재하는지 여부를 판단하는 단계; 및 상기 공유 WT가 존재하지 않으면 비중앙집중형 통신 아키텍처로 결정하고, 상기 공유 WT가 존재하면 분산형 통신 아키텍처로 결정하는 단계;를 포함할 수 있다.

일 실시예에서, 상기 전력 조정 최적화 솔루션을 생성하는 단계는 상기 적용되는 희소 통신 아키텍처가 비중앙집중형 통신 아키텍처로 결정되면, 기정의된 비중앙집중형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성하고, 상기 적용되는 희소 통신 아키텍처가 분산형 통신 아키텍처로 결정되면, 기정의된 분산형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성할 수 있다.

본 발명의 다른 일 측면에 따른 전력 조정 최적화 장치는, 복수의 풍력 터빈(WT)들을 포함하여 구성되는 풍력 발전 단지(WF)의 최대 전력 출력을 위한 전력 조정 최적화 방법을 수행한다. 여기에서, 전력 조정 최적화 장치는, 상기 복수의 WT들에 적용되는 통신 아키텍처를 결정하는 통신 아키텍쳐 결정부; 및 상기 결정된 통신 아키텍처에 대응되는 기정의된 전력 조정 최적화 알고리즘을 적용하여, 각 WT의 요각도 및 축 계수를 조정할 수 있는 전력 조정 최적화 솔루션을 생성하는 전력 조정 최적화부;를 포함한다.

일 실시예에서, 상기 통신 아키텍쳐 결정부는, 상기 WF에 포함되는 WT들의 개수가 기정의된 수 이하인 경우, 상기 복수의 WT들에 적용되는 통신 아키텍처를 중앙집중형(centralized)으로 결정하며, 상기 전력 조정 최적화부는, 기정의된 중앙집중형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성할 수 있다.

일 실시예에서, 상기 통신 아키텍쳐 결정부는, 상기 풍력 발전 단지의 출력 전력과 연관되는, 상기 복수의 WT들에 대한 파라미터를 수집하고, 상기 복수의 WT들 상호간에 작용하는 웨이크 영향을 수치적으로 나타내는 웨이크 가중 계수 행렬을 생성하고, 상기 WT를 노드로, 상기 WT들 상호간에 작용하는 웨이크 영향을 방향 선으로 나타내는 웨이크 방향 그래프를 생성하고, 상기 생성된 웨이크 가중 계수 행렬 및 웨이크 방향 그래프를 기초로 상기 복수의 WT들을 클러스트링하여 복수의 서브 셋들로 분류하며, 상기 서브 셋 분류 결과에 기초하여 상기 복수의 WT들에 적용되는 희소 통신 아키텍처를 결정할 수 있다.

일 실시예에서, 상기 통신 아키텍쳐 결정부는, 웨이크 가중 계수에 대하여 사전 정의된 임계치를 기초로 상기 웨이크 가중 계수 행렬에 대한 가지치기(pruning) 프로세스를 수행할 수 있다.

일 실시예에서, 상기 통신 아키텍쳐 결정부는, 상기 분류된 서브 셋들 간 공유 WT가 존재하는지 여부를 판단하고, 상기 공유 WT가 존재하지 않으면 비중앙집중형 통신 아키텍처로 결정하며, 상기 공유 WT가 존재하면 분산형 통신 아키텍처로 결정할 수 있다.

일 실시예에서, 상기 전력 조정 최적화부는, 상기 적용되는 희소 통신 아키텍처가 비중앙집중형 통신 아키텍처로 결정되면, 기정의된 비중앙집중형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성하고, 상기 적용되는 희소 통신 아키텍처가 분산형 통신 아키텍처로 결정되면, 기정의된 분산형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성할 수 있다.

본 발명은, 복수의 WT들에 적용되는 통신 아키텍처를 결정하고, 결정된 통신 아키텍처에 대응되는 기정의된 전력 조정 최적화 알고리즘을 적용하여, 각 WT의 요각도 및 축 계수를 조정할 수 있는 전력 조정 최적화 솔루션을 생성함으로써, 전력 효율과, 정보 교환 및 데이터 처리 효율을 더욱 향상시킬 수 있다.

도 1 내지 11은 본 발명에 따른 풍력 발전 단지의 전력 조정 최적화 방법을 설명하기 위한 참조도이다.
도 12는 본 발명에 따른 풍력 발전 단지의 전력 조정 최적화 장치를 설명하기 위한 블록도이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 이하, 본 발명의 실시예를 첨부한 도면들을 참조하여 상세히 설명하기로 한다.

1. 서설

풍력에너지는 기후변화를 완화하고 에너지의 지속가능성을 달성하는 데 매우 중요한 역할을 할 것으로 기대된다. 해상 풍력 발전은 풍부한 풍력 자원과 안정적인 발전, 적절한 대규모 건설이라는 장점을 통해 에너지 시장과 폭넓은 발전 전망을 빠르게 열어주었다.

육상 풍력 발전소(OWF, off-shore wind farm)에는 수십 개에서 수백 개에 이르는 많은 풍력 터빈(WT, wind turbine)이 설치된다. 전통적인 제어 방법은 단일 WT에 대한 그리디 제어(greedy control)이다. 후류(wake) 효과의 영향으로, 다운스트림 WT는 업스트림 WT에 의한 풍속 결손 때문에 자유 스트림에서 작동했을 때보다 적은 전력만을 확보할 수 있으며, 이는 WF 전체의 출력 전력을 최대화할 수 없다. OWF의 풍속과 방향은 비교적 안정적이며, 웨이크 효과는 크다. 그것은 WF의 전력에 분명한 영향을 미친다. 이에, WT의 생산력을 높이기 위해서는, 각 WT가 포착한 풍력에너지를 조정하고, WF의 웨이크 분배를 조정함으로써, 풍력 발전 수익을 증대하는 것은 매우 중요한 이슈이다.

최근 요(Yaw) 기반 웨이크 스티어링 제어에 기초한 WF 최적화에 관한 기술이 제안된 바 있다. 여기서 WF 수준의 조정 제어(coordinate control)를 위한 통신 아키텍처는 중앙집중화 방식(centralized) 또는 분산 방식(distributed)으로 분류될 수 있다.

일반적으로, 소규모 OWF에 대한 WF 제어 시스템은 모든 WT에 대한 통신 및 최적화 결정을 위해 중앙 집중식 제어기에 의존하는 중앙 집중식 통신 프레임워크(centralized optimization framework)를 채택한다. “van Dijk MT, van Wingerden JW, Ashuri T, Li Y. Wind farm multi-objective wake redirection for optimizing power production and loads. Energy 2017;121:561-569” 등 관련 선행문헌에서 요각(yaw angle)의 최적화를 가능하게 하는 중앙집중식 최적화 프레임워크를 제시한 바 있으며, 이러한 최적화 기술을 통한 전력 상승률을 약 2.85 내지 5% 수준이다. 그러나, 대규모 OWF에서는 WT가 증가함에 따라 WF의 제어 파라미터의 수가 기하급수적으로 증가하며, 이에 중앙집중식 통신 아키텍처의 정보 교환 능력이 크게 증가하여, WF의 운용 효율성이 급격하게 저하될 수 있다. 이러한 이유로, WF 제어와 최적화를 실현하기 위해서는 더 나은 WF 통신 아키텍처가 필요하다.

분산형 통신 아키텍처(distributed communication architecture)는 대규모 WF의 조정된 최적화를 위한 프레임워크를 제공할 수 있다. 여기에서, WT는 에이전트로 간주될 수 있으며, WT 클러스터는 멀티 에이전트로 간주될 수 있다. 또한 이 접근방식은 그리드의 최적 전력 흐름 및 스마트 그리드 제어를 평가하는 데 사용될 수 있다. MAS(Multi-agent System) 조정 제어는 전체적으로 원하는 동작 패턴을 달성하기 위한 전통적인 제어와는 다르다. 이에, 단일 WT는 개인(individual)으로 간주되며, 흐름 장(flow field)은 연결된 네트워크 토폴로지이며, 통신 규칙은 웨이크 변동(wake variation)에 따른다. 업스트림 WT 웨이크가 변경되면 다운스트림 WT의 웨이크 분배 상태도 변경된다. 여기에서, 다운스트림 WT는 센서를 통해 웨이크업 상태의 변형을 감지하여 작동 상태를 조정함으로써 WF의 최대 출력 전력을 달성할 수 있다.

상술한 바와 같이, 분산형 제어 운영의 전제는 WT의 한정된 이웃과의 통신을 이용하여 WF의 최적 제어를 실현하는 희소 통신 아키텍처(sparse communication architecture)를 구축하는 것이다. “Marden JR, Ruben SD, Pao LY. A model-free approach to wind farm control using game theoretic methods. IEEE Transactions on Control Systems Technology 2013;21(4):1207-1214.”을 참조하면, 각 WT의 WF-레벨 제어 유닛은 WT의 직계 이웃과 통신할 수 있도록 허용되었다. 이와 달리, 통신은 임의의 이웃 집단으로 확장될 수도 있고, 또는 하나의 다운스트림 또는 업스트림 이웃으로만 더 좁혀질 수도 있다. 그러나 통신 이웃을 판단하는 이 방법은 물리적 거리만 고려하며 구체적인 규칙은 없다. 한편, WT의 수평 및 종단 거리를 계산하여 WT의 통신 이웃을 결정하거나, 업스트림 WT에 의한 다운스트림의 평균 속도결손계수(average velocity deficit factor)에 따라 그룹화하는 방안 등을 고려할 수 있다. 그러나, 다음과 같은 몇 가지 제한은 여전히 존재한다. 선행 문헌들은 WT의 통신 이웃을 결정하는 명확한 기준을 제시하고 있지 않다. 즉, 어떤 문헌은 물리적인 거리만을, 다른 문헌은 속도적 결손만을 고려하고 있다. 이러한 선행 연구의 대부분은 희소 통신 구조를 확립하기 위한 표준화된 규칙이 부족하다. 또한, 조정 최적화에 대한 선행 연구는 주로 공유(shared) WT가 없는 분산형 네트워크에 집중되어 있으며, 공유 WT가 있는 분산형 네트워크는 거의 고려하지 않는다.

본 발명은 위의 문제를 해결하기 위하여 안출된 것으로, OWF 전력 생산을 극대화하기 위한 조정 최적화(coordinated optimization) 방법을 제안한다.

본 발명은 중앙집중형(centralized), 비중앙집중형(decentralized), 분산형(distributed) 통신 아키텍처를 자유롭게 정의할 수 있는, 확장 가능한 연결망을 확립하는 방법을 제시한다. 또한, 본 발명은 최적화 문제를 해결하기 위해 해당 통신망 각각과 매칭되는 조정 최적화 알고리즘을 제시한다.

또한, 본 발명은 웨이크 방향 그래프(directed graph 또는 digraph) 및 가중 계수(weight coefficient)를 기반으로 희소 통신 아키텍처(sparse communication architecture)를 구축하는 실용적 전략을 제시한다.

이하에서는, 본 발명에 따른 풍력 발전 단지의 조정 최적화 기술에 대하여 도면 및 수식 등을 참조하여 보다 상세하게 설명한다.

2. 대규모 OWF의 조정 최적화 모델

이하에서는 대규모 OWF의 전력 최적화를 조정 최적화 프레임워크에 대하여 설명한다.

2.1. 대규모 OWF를 위한 통신 아키텍처(communication architecture)

WF의 개별 WT는 에이전트로 간주될 수 있으며, 각 에이전트는 로컬 희소 통신망을 통해 정보를 교환할 수 있다. 네트워크 통신 아키텍처에 대하여 도 1을 참조하여 설명한다. 도 1을 참조하면 각 WT는 인접한 WT와 통신할 필요가 있으며, 모든 계산 과정이 개별적으로 완료될 수 있다.

도 1의 상단 레이어는 WF의 웨이크 필드를 나타내며, 웨이크 모델은 FLORIS(FLOw Redirection and Induction in Steady-state) 모델이 사용될 수 있다. 도 1을 참조하면, 바람이 WF를 통해 상이한 방향과 속도로 흐를 때, 업스트림 WT는 공기에 포함된 운동에너지를 흡수하여 다운스트림 WT의 유입풍속을 감소시키고 웨이크 간섭을 증가시킬 수 있다.

도 1의 중단 레이어는 WT의 클러스터링 모드를 나타내며, 여기서 실선 사각형 박스와 점선 사각형 박스는 WF 클러스터링의 서브셋(subset)을 나타낸다. 여기에서, 인접한 WT의 통신 모드는 비중앙집중형(decentralized, 서브 셋 간 공유 WT 없음), 중앙집중형(centralized), 분산형(distributed, 서브 셋 간 공유 WT가 존재)으로 분류될 수 있다. 여기에서, WT는 웨이크 필드 강도 변화를 감지한 후 일정 수준의 자율성과 지능을 갖고 통신 모드를 조정할 수 있다.

도 1의 하단 레이어는 WF 통신 아키텍처로, 비중앙집중형(decentralized), 중앙집중형(centralized), 분산형(distributed)으로 분류될 수 있다. 여기에서, 본 발명은 다양한 통신 아키텍처 각각과 매칭되는 조정 최적화 알고리즘을 제안한다.

2. 2. 요각(yaw angle)을 고려한 웨이크 모델(wake model)

WT 간의 흐름(flow) 상관관계는 유입되는 바람의 풍향과 풍속에 따라 달라지며, 이는 WT 사이의 웨이크 중첩 상태를 변화시키고 WF의 웨이크 분배 특성에 영향을 준다. 이에, WT의 웨이크 분포의 정확한 설명은 WT의 클러스터링을 실현하고 통신 이웃을 결정하는 기초가 된다.

본 발명에서는 2차원 WF 웨이크 모델, 즉 FLORIS 모델을 사용하여 공기역학적 웨이크 인터랙션을 설명하고 WF 제어 알고리즘에 대한 성능을 평가한다. 우선 WT 뒤쪽의 웨이크의 공간적 특성을 설명하기 위해 도 2와 같이 X축이 바람의 유입 방향을 가리키고 Y축이 X축과 직교하는 방향을 가리키는 데카르트 좌표계(x,y)를 사용한다. 역풍-횡풍 좌표는 다음 식과 같이 표현될 수 있다.

[식 (1)]

FLORIS 모델은 주로 웨이크 손실(wake deficit), 웨이크 탈락(wake defection), 웨이크 확장(wake expansion) 모델로 구성되며, 웨이크 오버랩 면적, 다운스트림 WT의 유입풍속, WF 파워, 추력 등을 계산하는 모델도 포함할 수 있다. 여기서는 본 발명과 관련되는 다운스트림 WT의 유입 풍속을 계산하는 과정을 중심으로 설명한다.

FLORIS 모델에서는 3개의 웨이크존이 정의될 수 있으며, 구체적으로 웨이크 존은 근거리 웨이크(near wake, q = 1), 원거리 웨이크(far wake, q = 2) 및 혼합존(mixed zone, q = 3)이 있다. 각 구역의 겹치는 면적과 다운스트림 WT의 스윕 면적(swept area)에 따라 다운스트림 WT로 유입되는 풍속은 충분히 계산될 수 있다.

업스트림 WTi의 각 웨이크존의 영향을 조합하여 다운스트림 WTj의 유효속도는 다음 식과 같이 표현될 수 있다.

[식 (2)]

(여기에서, Uj는 WTj의 유효유입풍속,

는 WF의 방해받지 않는 유입풍속,

는 업스트림 WT의 축 유도계수(axial induction factor),

는 j WT의 웨이크존 q 속도결손계수(velocity deficit factor),

는 i WT q 웨이크 존과 j WT 로터의 오버래핑 영역(area), Aj는 WT 로터의 다운스트림 WT 로터 면적, (Xi, Yi)는 WT i 와 j의 좌표임)

[식 (3)]

(여기서 Di는 WTi 로터 직경, ke와

는 웨이크 확장 계수(wake expansion coe-cients),

는 업스트림 WTi의 요 각도, Xj - Xi는 다운스트림 WTj와 업스트림 WTi 사이의 상대 거리)

[식 (4)]

여기에서,

,

는 각각 웨이크 모델 상수이다. 도 2에서, 업스트림 WTi의 근거리 웨이크존

과 다운스트림 WT j의 로터 사이에 중첩이 없으므로,

이다. 유효 풍속 계산될 때, 다운스트림 WT j의 전력 함수(power function)는 은 다음 식과 같이 표현될 수 있다.

[식 (5)]

여기서

는 발전기 효율(generator e-ciency),

는 공기 밀도, Aj는 로터 스윕 영역(swept area),

는 요각이며, Uj는 유효 풍속을 결정하고,

는 축 유도 계수(axial induction factor)이고,

는 요 비정렬의 보정 계수이며, Pp는 요 비정렬로 인한 전력 손실에 일치하는 튜닝 가능한 파라미터를 결정하며, 본 발명에서는 Pp = 1.88로 정의된다.

2. 3. 중앙집중형 최적화 WF 제어(Centralized optimization WF Control)

상기 식 (2), (3) 및 (4)로부터 업스트림 WT의 i 요각과 축 계수(axial factor)를 조절하면 웨이크 존의 중복과 다운스트림 WTj의 유효 유입 풍속도에 영향을 미치는 웨이크 방향과 강도를 변경할 수 있음을 확인할 수 있다. 이에, WT의 최적 운전점(optimal operating point)을 도출하면 WF의 전력을 최적화할 수 있다. 우선, 2개 WT 어레이를 대상으로 하는 중앙집중형 전력 최적화 방법에 대해서 설명한다.

도 2를 참조하여 설명하면, Pi와 Pj는 업스트림 WTi와 다운스트림 WTj로부터의 전력을 나타낸다. 업스트림 WT에 의해 발생되는 전력은 로컬 유입 속도

과 그 요각

, 그리고 축 인자

에 의존한다. 생성된 전력은 식 (5)와 같이 표현될 수 있다. 이에, 업스트림 WT에 의해 발생되는 전력은 유입속도, 요각, 축인자

의 함수로 표현될 수 있다. 업스트림 WTi의 요각은 다운스트림 WT에 대한 웨이크 방향을 변경하는데 사용되고 축 계수는 다운스트림 WT의 유입 속도를 변화시킬 수 있으므로, 다운스트림 WTj의 전력은 요각

와 축 인자

의 함수로 표현될 수 있다. 즉, 다운스트림 WT에서 발생하는 전력은

로 표현될 수 있다. 여기서 Uj는 다운스트림 WTj로 들어오는 로컬 풍속이다. 따라서 두 WT 어레이에 의해 발생하는 총 전력은 다음과 같이 표현될 수 있다.

[식 (6)]

요각과 축 계수를 최적화하는 주요 목적은 총 평균 출력량을 최대화하는 것이다.

[식 (7)]

(여기에서, 벡터

,

임)

상기 방법은 N개의 WTs 어레이에도 적용될 수 있는데, 여기서 각 WT의 파워는

로 표현될 수 있다. F = {1,2, ...,N}은 WF의 WT 수를 나타낸다.

FLORIS 웨이크 모델에 기초하여 최적 파라미터로서 WF는 일정한 자유 유입 속도

, 요 각도

및 축 계수

로 정의하면, 전체 전력 최적화 함수는 다음과 같이 표현될 수 있다.

[식 (8)]

여기서

는 WF에서 모든 N개의 WT에 대한 활성 전력의 합계를 나타내며,

와

는 최소 및 최대 요각 범위를,

과

는 최소 및 최대 축 계수 범위를,

는 최소 활성 전력을,

는 정격 전력을, Pj는 WTj에 대한 활성 전력(active power)을 나타낸다. 한편, WT 자체의 요각 및 유도 계수뿐만 아니라 다른 WT의 요각 및 유도 계수에 의해서도 각 WT의 요각 및 유도 계수가 조정될 수 있다. 그것은 WF의 활성 전력의 합계를 최적화할 수 있다.

소형 OWF의 경우 중앙집중형 최적화 알고리즘이 시간 및 계산 효율 측면에서 적절하며, 변화하는 대기 조건에 적응할 수 있다는 점에 유의해야 한다. 그러나 WF의 규모가 확대되면, 연산 효율이 높은 비중앙집중형 또는 분산형 알고리즘이 최적화 및 제어 수행에 적합할 수 있다.

3. 방향 그래프를 이용한 통신 아키텍처의 구축

WF가 비중앙집중형 또는 분산형 제어 방식을 수행하기 위하여 우선 희소 통신 아키텍처(sparse communication architecture)를 구축해야 한다. 이를 위해, WF를 웨이크 방향 그래프 네트워크(wake directed graph network)로 표현하며, 이는 WT의 통신 이웃을 결정하는데 이용될 수 있다.

3.1. 웨이크 방향 그래프(wake directed graph)

본 발명에 따르면, WF는 방향 그래프로 모델링될 수 있다. 여기에서, 각 WT(에이전트)는 노드로 추상화되고, WT 사이의 웨이크(통신선, communication line)는 에지(edge)로 추상화될 수 있으며, 이 경우 웨이크 분포는 노드와 에지로 구성된 그래프 구조로 설명될 수 있다. 업스트림 WT의 웨이크는 다운스트림 WT에 영향을 미치지만, 다운스트림 WT의 웨이크업은 업스트림 WT에 영향을 주지 않기 때문에 WF의 웨이크분포는 방향 그래프로 볼 수 있다.

WF에 WT가 n개가 있다고 가정하고, 웨이크 방향 그래프

를 정의한다. 여기서,

는 WT의 집합

이고,

는 에지 집합이며, 노드 i에서 노드 j까지 에지가 있음은

로 표현될 수 있다. 만약 노드 j가 노드 i로부터 정보를 수신할 수 있다면 노드 j는 노드 i의 인접 노드로 정의된다. 노드 i에 대한 인접 노드 집합은

로 정의된다. Ni 하위 집합(subset)과 다른 하위 집합 Nj 사이의 공유 노드는

로 정의되고, 여기에서, Ti는 WF의 터빈 번호를 의미한다. 음이 아닌 행렬

은 인접 가중 행렬(adjacency weighting matrix)로서 웨이크 강도 가중 행렬(wake intensity weighting matrix)이며, aij는 WTj에 작용하는 WTi의 웨이크 가중치 값이다.

[식 (9)]

WTj에 대한 WTi의 웨이크 효과가 있으면 웨이크 가중 계수는 aij이고, 서로 간에 웨이크 효과가 없으면 각 항목은 0이다. 따라서 aij의 웨이크 가중 계수는 다음 식에 따라 계산될 수 있다.

[식 (10)]

상기 식 (10)에서 웨이크 가중 계수 aij를 정의하기 위해 세 가지 인자인 웨이크 오버랩, 속도 결손(velocity deficit) 및 거리가 고려될 수 있다. 여기에서

은 WT j의 로터 위험(rotor risk)에 대한 WTi 웨이크의 오버랩 비율이며,

는 업스트림 WT i의 웨이크에 의한 다운스트림 WT j의 결손 인자(deficit factor)이고,

는 WTi 및 WTj의 거리이며, D는 WT 로터 직경이다. 한편, 모든 WT의 직경이 동일한 것으로 가정한다.

3. 2. 클러스터링과 가지치기(pruning)를 통한 희소 통신 아키텍처의 구축

이하에서는 웨이크 방향 그래프 G와 가중 계수 행렬 A, 클러스터링 및 가지치기 알고리즘에 기초하여 WT 서브셋을 나누고 희소 통신 아키텍처를 구축하는 방법에 대하여 설명한다.

주어진 바람 조건에서, 자유 흐름 속도

을 경험하는 WT가 서브셋의 리드(lead) WT 로 정의된다. 해당 리드 WT의 영향을 받는 WT들은 웨이크 방향 그래프 커넥터의 서브셋으로 클러스터링된다.

은 서브셋의 집합을 나타낸다. WF에서는 리드 WT가 여러 개 존재할 수 있으며, 서브셋의 수는 리드 WT의 수와 같고 풍향의 변화에 따라 변할 수 있다. 여기에서, 가지치기(pruning)를 통해 작은 값을 갖는 가중 계수를 제거하면 서브셋의 WT 수를 더욱 낮출 수 있다.

희소 통신 아키텍처는 비중앙집중형과 분산형으로 분류된다. 도 1을 참조하면, 비중앙집중형 통신 아키텍처에서의 서브셋들은 상호 독립적이며 공유 WT는 없지만, 분산 통신 아키텍처에서의 서브셋들은 공유 WT가 존재한다. 여기에서,

를 정의(Ti는 공유 WT의 집합을 나타냄)할 수 있으며, 하나의 WT는 동시에 여러 서브셋에 속할 수 있다.

모든 WT에 대해 웨이크 방향 그래프를 구성하고 각 WT가 속한 통신 서브셋을 결정할 수 있는 WT의 가중 계수를 계산한다. 희소 통신 아키텍처 구축을 위한 흐름도는 도 3과 같으며, 아래와 같이 설명될 수 있다.

단계 S310 : 모든 WT의 좌표(X, Y), 풍향

, 풍속 U, WT간 거리 X, WT의 반경 D 등 관련 파라미터를 모두 수집한다.

단계 S320 : 식 (1)을 사용하여 WT 좌표를 변환한다.

단계 S330 : 상기 2. 2. 와 3. 1.에 설명한 바와 같이,

,

, 거리 x를 계산한다.

단계 S340 : 식 (10)에 기초하여 웨이크 가중 계수 행렬aij를 생성하고, 웨이크 방향 그래프를 생성한다.

단계 S350 : 임계값

를 설정하고, WT 하위 집합의 통신 인접 항목을 줄이기 위해 웨이크 방향 그래프를 가지치기(

)한다.

단계 S360 : 각 서브셋의 리드 WT를 정의하고, 방향 그래프 네트워크의 연결을 통해 서브셋 Ni를 분할한다.

단계 S370 : 서브셋 Ni 사이에 공유 WT Si가 있는지 여부를 체크하여, 비중앙집중형 통신 아키텍처인지 분산형 통신 아키텍처인지 결정한다.

3. 3. 적용 예(9개의 WT)

이하에서는, 희소 통신 아키텍처를 구축하는 방법에 대해 구체적인 예시를 들어 설명한다. 도 4에 도시된 바와 같이, 3x3의 레이아웃을 갖는 9개의 WT들을 포함하는 WF을 가정한다. 여기에서, 바람이 다른 방향으로 WF에 접근하면 WT 어레이는 웨이크를 통해 서로 다른 상호작용을 하게 된다. 이를 설명하기 위해 웨이크 방향 그래프와 가중 계수 행렬을 이용할 수 있다.

풍향을

, 풍속을

로 정의한다. 도 4를 참조하면, WT 좌표는 식 (1)에 근거한 다운스트림 좌표에서 크로스 스트림(cross-stream) 좌표로 변환되어 리드 WT의 결정을 용이하게 한다. 리드 WT는 자유 스트림 속도를 경험하는 WT로 정의된다. 여기서, 업스트림 WT는 다운스트림 WT에 영향을 미치고 있다. 어두운 색은 WT들 사이의 강한 상호작용을 나타내며, 밝은 색은 약한 상호작용을 나타낸다.

도 5(a)와 5(c)의 웨이크 방향 그래프는 업스트림 WT가 다운스트림 WT에 어떻게 영향을 미치는지 나타낸다. 빨간색 노드는 WT를 나타내며, 파란색 선(line)으로 표현된 WT의 통신망은 이들의 연결 관계를 나타낸다. WT의 통신 이웃은 WT와 인접 WT 사이의 방향 연결 관계를 통해 정의될 수 있다. 도 5(b)와 5(d)에 도시된 가중 계수 행렬 A는 웨이크 영향 수준을 나타낸다. 큰 가중 계수는 WT 간의 강한 상호작용을 나타내는 반면 작은 가중 계수는 약한 상호작용을 나타낸다.

도 5(a)와 5(b)는 원래(original)의 웨이크 방향 그래프 및 가중 계수 행렬을 나타낸다. 원래의 방향 그래프에서 리드 WT는 T1, T2, T3이며, 인접 WT의 서브셋은 N1 = {1,4,5,7,8,9}, N2={2,5,6,8,9}, N3={3,6,9}이다. 이 바람 조건에서 N1, N2, N3 서브셋에 대한 공유 WT 번호는 S1={5,8,9}, S2={5,6,8,9}, S3={6,9}이다. WT 서브셋과 공유 세트는 웨이크 방향 그래프와 가중 계수 행렬을 통해 아래 표 1과 같이 WT 서브셋과 공유 세트가 용이하게 정의될 수 있다.

[표 1]

한편, 가중 계수 행렬을 관찰하면 일부 WT 사이의 계수가 매우 작은 값임을 확인할 수 있다. 여기에서, 해당 웨이크 영향이 무시될 수 있을 정도로, 해당 WT들 사이의 거리가 충분히 멀다고 생각할 수 있다. 이는 WT의 통신 이웃을 최소화하고 연산량을 줄이고자 하는 취지이다. 물론 이는 출력 전력 손실이 매우 작다는 것을 전제로 한다. 일 실시예에서, 가중 계수에 대한 임계값은 전체 가중 계수의 평균값으로 정의될 수 있다. 이하에서는 임계값이 전체 가중 계수의 평균값으로 정의되었음을 전제로 하여 설명한다. 가중 계수에 대한 임계값이 정의된 경우, 가지치기법을 적용하여 임계값보다 작은 가중 계수는 0으로 설정한다. (

)

도 5(c)와 5(d)는 도 5(a)와 5(b)에 대한 가지치기 결과를 나타낸 것으로, 리드 WT가 T1, T2, T3, T4, T5, T6, T7이며, 인접 WT의 서브셋은 N1={1, 8,}, N2={2, 9}, N3={3}, N4={5}, N5={5}, N6={6}, N7={7}이고, 공유 WT는 없음을 확인할 수 있으며, 정리하면 아래 표 2와 같다.

[표 2]

4. 조정 최적화 전략(COORDINATED OPTIMIZATION STRATEGY)

WF 희소 통신 아키텍처가 구축되었을 때, 조정 최적화 알고리즘은 그것과 매칭되어야 한다. 상술한 바와 같이, WF의 통신 아키텍처는 비중앙집중형과 분산형으로 분류될 수 있다.

4. 1. 비중앙집중형 전력 최적화 전략(decentralized power optimization strategy)

WT가 서로 다른 서브셋으로 클러스터되고 각 서브셋 사이에 공유 노드(WT)가 없으면 비중앙집중형 최적화 알고리즘을 사용하여 OWF의 전력 최적화 문제를 해결할 수 있다. 이에 관한 전력 함수는 다음과 같이 표현될 수 있다.

[식 (11)]

여기에서 n은 WF의 서브셋 수, Ns는 서브셋의 총 수,

은 n번째 서브셋의 모든 WT의 요각,

은 n번째 서브셋의 모든 WT의 축 계수(axial factors)이며, 나머지는 식 (8)과 동일하다. 각 WT 서브셋의 수는 WF에 있는 WT 수의 일부에 불과하다. 상기 3. 3.의 적용 예(표 2)를 참조하면, 전체 WF 전력 함수는 아래와 같이 표현될 수 있다.

여기에서, 서브셋 각각은 자체의 최적화 문제를 독립적으로 해결할 수 있으며, 각서브셋에 의한 최적화 과정이 병렬적으로 수행될 수 있어, 대규모 WF의 최적화 과정을 완료하는데 시간을 최소화할 수 있는 이점이 있다.

4. 2. 분산형 전력 최적화 전략(distributed power optimization strategy)

분산 최적화 문제 해결에 ADMM 알고리즘이 이용될 수 있다. ADMM 알고리즘을 이용하여, 개별 서브셋 자체 최적화로 분해된 WF의 전력 최적화는 해당 솔루션을 인접 서브셋에 전달한다. 공유 WT 각각의 솔루션은 조정될 수 있으며, 동일한 값으로 수렴될 때까지 반복되어 최종 솔루션이 획득될 수 있다. 여기에서, 각 서브셋의 전력 최적화 프로세스는 병렬로 진행될 수 있다.

식 (11)은 서브 셋 사이의 공유 노드를 고려하지 않는다. 이하에서는 식 (11)을 확장하여 공유 노드에 대한 제약을 추가하며, 공유 노드의 최종 값이 합의 및 수렴에 도달하도록 한다. 식 (11)의 함수를 간결하게 표현하기 위해, 벡터

를 정의(여기서, xn은 각 서브셋 n의 모든 WT에 대한 요각 및 축 계수임)하면, 식 (11)은 다음과 같다.

[식 (12)]

이에, 분산 WF의 전력 최적화 모델은 다음과 같다.

[식 (13)]

여기서

은 각 서브셋의 전력 함수, Ns는 서브셋의 수, xs, zs는 공유 WT(s = 1 ~ Ns)이며, z는 x의 복사본으로서 공유 노드가 동일한 값으로 수렴되도록 할 수 있다. 상기 3. 에서 설명한 바와 같이 WT 서브셋과 WF의 공유 세트를 결정한다. 상기 3. 3.의 적용 예(표 1)을 참조하면, 전체 WF 전력 함수는 아래와 같이 표현될 수 있다.

여기에서, f1(x1), f2(x2), f3(x3)의 공유 노드에 대한 제약 조건 각각은 아래와 같다.

식 (13)에서 분산형 최적화 문제는 ADMM을 반복 사용하여 증강 라그랑지안(augmented Lagrangian)을 최소화함으로써 해결될 수 있다.

[식 (14)]

스케일링된 이중 변수

를 정의하면, 식 (14)의 유도를 통해 다음 식을 얻을 수 있다.

[식 (15)]

의 최소화, x, y, u는 개별적으로 반복 업데이트, m은 반복 횟수

[식 (16)]

[식 (17)]

[식 (18)]

다음의 정규화된 ADMM 반복 공식에서 fn(xn)는 분리될 수 있으며 병렬로 실행될 수 있다. 그 후, n번째 서브셋의 파라미터 반복 프로세스는 다음과 같다.

[식 (19)]

x 업데이트

[식 (20)]

z 업데이트

[식 (21)]

u 업데이트

위의 식들은 더욱 단순화할 필요가 있다. x와 u는 각 서브셋 n = 1~Ns에 대해 독립적으로 업데이트될 수 있다. z 업데이트는 Ns 변수의 문제를 해결해야 한다. 단순화를 위해

로 정의한다. 그러면 z 업데이트는 아래와 같이 표현될 수 있다.

[식 (22)]

여기에서,

로 정의하면, 후속 최적화가 전체적(평균화)으로 업데이트되기 시작한다. 이에 z-업데이트는 제약 없는 문제로 계산될 수 있다.

[식 (23)]

에 대해,

를 적용하면,

에 대한 u 업데이트는 다음과 같다.

[식 (24)]

최종 알고리즘은 다음과 같다.

[식 (25)]

x 업데이트

[식 (26)]

z 업데이트

[식 (27)]

u 업데이트

여기에서, x-업데이트는 병렬로 진행될 수 있다. z-업데이트 단계에서는 평균을 형성하기 위해

을 수집하고, n 변수를 갖는 문제를 해결한다. 반복 중지 조건은 원시 잔차(primal residuals)

및 이중 잔차(dual residuals)

를 기반으로 정의된다.(

및

는 임계값임)

이 설정은 공유 노드 간의 차이가 0이 되도록 동기를 부여한다. 국소 평균 컨센서스 ADMM 알고리즘(local average consensus ADMM algorithm)은 아래 [알고리즘 1]에 요약되어 있다. 공유된 WT는 요각과 축 계수가 같아야 하며, 패널티 파라미터

는 공유된 WT 간의 차이를 가중시키는데 사용될 수 있다. 풍장(wind field)의 전력함수는 비콘벡스(nonconvex) 함수로서, 표준 볼록 최적화 알고리즘(standard convex optimization algorithm)으로는 해결할 수 없다는 점에 유의해야 한다. 여기에서는, 내부 지점 알고리즘(interior point algorithm)을 사용하여 문제를 해결하였다.

[알고리즘 1]

5. 시뮬레이션

상술한 희소 통신 아키텍처 기반의 조정 최적화 방법을 입증하기 위해, 30 WT로구성된 WF을 대상으로 시뮬레이션을 진행하였다. WF 레이아웃은 도 6에 도시된 바와 같이 그리드 패턴으로 배열되어 있다. 이하에서는 네 가지 제어 방식(그리디 제어, 중앙집중형 제어, 비중앙집중형 제어, 분산형 제어)에 대한 최적화 전략을 시연하고, 이를 비교한다.

이 시뮬레이션에서, 요각

초기값은 0으로 설정되고 범위는 [-30, 30]이고, 축 계수

초기 값은 1/3로 설정되고 범위는

이고, 풍속은

, WT 반경 D는 63.2m, 발전기 효율

은 0.944으로 설정되었다.

5. 1. 30도 풍향에서의 희소 통신 아키텍처

상술한 바와 같이, 리드 WT는 자유 스트림 속도

을 경험하는 WT로 정의된다. 서브 셋과 공유 WT는 웨이크 방향 그래프(도 7, 9)와 가중 계수 행렬(도 8, 10)에 의해 결정될 수 있다. 도 7 및 9를 참조하면, 빨간색 노드는 WT를 나타내고, 노드들 사이의 유도 네트워크는 다운스트림 WT에 영향을 미치며, 도 8 및 10를 참조하면, 가중 계수는 웨이크 영향의 정도를 나타내는 것으로, 큰 가중 계수는 WT 간의 강한 상호작용을 나타내며, 작은 가중 계수는 약한 상호작용을 나타낸다.

도 7은 WT들 사이에 수많은 상호작용이 있다는 것을 보여주며, 서브 셋이 많은 공유 WT를 갖는다. 이 조건에서는 상술한 바와 같이 4. 2.의 분산형 전력 최적화 알고리즘이 적용될 수 있다.

[표 3]

도 8에 도시된 웨이크 가중 계수 행렬을 살펴보면, 일부 계수가 매우 작은 값(임계치 이하)임을 확인(음영 부분)할 수 있다. 여기에서, WT의 통신 이웃을 최소화하고 연산량을 줄이기 위하여 가지치기 프로세스(

)를 수행할 수 있으며, 도 9 및 10은 가지치기 수행의 결과를 나타낸다.

도 9의 가지치기 프로세스가 완료된 웨이크 방향 그래프를 참조하면, WT들 사이에 몇 가지 상호작용이 있으나, 공유 WT가 없음을 확인할 수 있다. 이 조건에서는 상술한 4. 1.의 비중앙집중형 전력 최적화 알고리즘이 사용될 수 있다.

[표 4]

WT 서브셋과 서브셋의 공유 WT을 결정한 후, WT 서브셋 사이의 희소 통신 모드를 결정할 수 있다. 표 3의 클러스터링은 서브셋 간에 공유 WT가 있기 때문에 분산형 네트워크에 적합하고, 표 4의 클러스터링은 공유 WT가 없기 때문에 비중앙집중형 네트워크에 적합하다.

5. 2. 30도 풍향에서의 WF 에너지 효율

상술한 바와 같이, WF 희소 통신 아키텍처가 구축되었다. OWF 전력 최적화 문제를 해결하기 위해 비중앙집중형 알고리즘 또는 분산형 알고리즘은 희소 통신 아키텍처와 일치해야 한다. 비중앙집중형 최적화 알고리즘은 식 (11)에 따르며, 분산형 최적화 알고리즘은 식 (13)에 따른다. 제안된 알고리즘들의 유효성을 검증하기 위해 그리디 중앙집중형 알고리즘(greedy and centralized algorithm)이 도입되며, WF 전력 효율은 아래와 같이 표현될 수 있다.

[식 (28)]

여기서

는 WT가

풍속에서 웨이크 간섭이 존재하지 않는다고 가정했을 때 생성할 수 있는 최대 전력이다.

도 11(a)에 도시된 바와 같이, 그리디 제어(

)를 적용하는 경우, T2와 같이 웨이크 영향을 받지 않는 왼쪽 하단의 WT들이 최대 전력을 생성하며, 이 때 전력 효율은 최대 Pi/P* = 1이다. 다운스트림 WT는 업스트림 WT의 영향으로 적은 전력을 생산하며, T9, T16, T26, T27의 전력 효율은 약 0.318, 0.318, 0.41, 0.318이며, 전체 WF 전력 효율은 0.58로 나타났다.

반면, 중앙집중형, 비중앙집중형, 분산형 최적화 방법을 적용하는 경우, 다운스트림 WT는 그리디 제어와 비교하여 더 많은 전력을 생산하는 것으로 나타났다. 도 11(b)를 참조하면, 중앙집중형 최적화 방법을 사용하는 경우 리드 WT인 T2는 전력 생산량이 감소되지만, 다운스트림 WT들인 T9, T16, T26, T27의 전력효율은 0.424, 0.424, 0.614, 0.534이며, 전체 WF 전력효율은 0.658로 나타났다. 도 11(c)를 참조하면, 비중앙집중형 최적화 방법을 사용하는 경우, 다운스트림 WT인 T9, T16, T26, T27의 전력 효율은 0.425, 0.425, 0.616 0.534이며, 전체 WF 전력 효율은 0.655로 나타났다. 도 11(d)를 참조하면, 분산형 최적화 방법을 사용하는 경우, 다운스트림 WT인 T9, T16, T26, T27의 전력 효율은 0.418, 0.417, 0.616, 0.528이며, 전체 WF 전력 효율은 0.6557로 나타났다. 세 가지 조정 최적화 방법은 거의 동일한 최종 전력 효율을 나타낼 수 있음을 확인할 수 있다.

한편, 본 발명에 따른 희소 통신 아키텍처 기반의 조정 최적화 방법을 입증하기 위해, 풍향의 변화에 따른 전력 효율에 대한 시뮬레이션을 진행하였다. (풍향 이외 다른 조건은 동일함)

[표 5]

표 5를 참조하면, 풍향의 변화에 따라 전력 효율이 달라진다는 것을 확인할 수 있다. 그 이유는 풍향의 변화에 따라 웨이크 방향 그래프 및 가중 계수 행렬이 변화되고, WT들이 웨이크 방향 그래프에 따라 결정되는 통신 아키텍처를 통해 통신하며, 통신 아키텍처에 따라 중앙집중형, 비중앙집중형, 분산형 전력 최적화 프로세스가 이루어지기 때문이다. 풍향이 변화하더라도 그리디 제어 방식보다 중앙집중형, 비중앙집중형, 분산형 전력 최적화 방식이 높은 전력 효율을 나타냄을 알 수 있다. 여기에서, 비중앙집중형, 분산형 전력 최적화 방식은 각 서브 셋에서의 최적화 작업이 병렬로 진행될 수 있어 계산 복잡성을 줄이며 시간을 단축시킬 수 있는 이점이 있다.

6. 본 발명에 따른 전력 조정 최적화 장치

이하에서는, 도 12를 참조하여, 앞서 설명한 전력 조정 최적화 방법을 수행하는 전력 조정 최적화 장치에 대하여 설명한다.

본 발명에 따른 전력 조정 최적화 장치는 상술한 전력 조정 최적화 방법을 수행하는 컴퓨팅 장치로, 통신 아키텍처 결정부(100) 및 전력 조정 최적화부(200)를 포함하여 구성될 수 있다. 여기에서, 전력 조정 최적화 장치의 구성들은 단일의 디바이스(예: 중앙 제어 장치)에 포함되어 구현될 수 있으며, 복수의 장치에 분산(예 : 중앙 제어 장치 및 각 WT에 포함된 제어 장치)되어 구현될 수 있다. 한편, 이러한 예시는 본 발명의 권리범위를 한정하고자 하는 것은 아니며, 앞서 설명한 전력 조정 최적화 방법이 구현된 디바이스라면, 종류, 명칭, 구현된 디바이스의 수 등에 한정되지 않고 본 발명에 따른 전력 조정 최적화 장치로 해석되어야 할 것이다.

이하에서는, 통신 아키텍처 결정부(100) 및 전력 조정 최적화부(200)의 동작에서 대하여 설명하며, 앞서 설명한 내용과 중복되는 내용은 생략한다.

통신 아키텍쳐 결정부(100)는 복수의 WT들에 적용되는 통신 아키텍처를 결정한다.

전력 조정 최적화부(200)는 결정된 통신 아키텍처에 대응되는 기정의된 전력 조정 최적화 알고리즘을 적용하여, 각 WT의 요각도 및 축 계수를 조정할 수 있는 전력 조정 최적화 솔루션을 생성한다.

즉, 상기 1. 내지 5.에서 설명한 전력 조정 최적화 방법을 수행하는데 있어, 통신 아키텍쳐 결정부(100)는 WT에 적합한 통신 아키텍쳐를 결정하는 프로세스를, 전력 조정 최적화부(200)는 전력 조정 최적화 전략을 구축하는 프로세스를 수행하는 구성이다.

일 실시예에서, 통신 아키텍쳐 결정부(100)는, WF에 포함되는 WT들의 개수가 기정의된 수 이하인 경우, 복수의 WT들에 적용되는 통신 아키텍처를 중앙집중형(centralized)으로 결정할 수 있다. 여기에서, 전력 조정 최적화부(200)는, 상술한 중앙집중형 최적화 알고리즘을 적용하여 전력 조정 최적화 솔루션을 생성할 수 있다.

일 실시예에서, 통신 아키텍쳐 결정부(100)는, WF의 출력 전력과 연관되는, 복수의 WT들에 대한 파라미터(WT의 좌표, 풍향, 풍속, WT의 반경 등)를 수집한다. 이후, 통신 아키텍쳐 결정부(100)는, 복수의 WT들 상호간에 작용하는 웨이크 영향을 수치적으로 나타내는 웨이크 가중 계수 행렬을 생성하고, WT를 노드로, WT들 상호간에 작용하는 웨이크 영향을 방향 선으로 나타내는 웨이크 방향 그래프를 생성할 수 있다.

여기에서, 통신 아키텍쳐 결정부(100)는 생성된 웨이크 가중 계수 행렬 및 웨이크 방향 그래프를 기초로 복수의 WT들을 클러스트링하여 복수의 서브 셋들로 분류하며, 서브 셋 분류 결과에 기초하여 복수의 WT들에 적용되는 희소 통신 아키텍처를 결정할 수 있다. 일 실시예에서, 통신 아키텍쳐 결정부(100)는, WT 서브셋의 통신 인접 항목을 최소화하기 위하여, 웨이크 가중 계수에 대하여 사전 정의된 임계치를 기초로 웨이크 가중 계수 행렬에 대한 가지치기(pruning) 프로세스를 수행할 수 있다.

상술한 바와 같이, 희소 통신 아키텍처는, 비중앙집중형(decentralized) 통신 아키텍처 및 분산형(distributed) 통신 아키텍처로 분류될 수 있으며, 통신 아키텍쳐 결정부(100)는, 분류된 서브 셋들 간 공유 WT가 존재하는지 여부를 판단하여, 공유 WT가 존재하지 않으면 비중앙집중형 통신 아키텍처로 결정하며, 공유 WT가 존재하면 분산형 통신 아키텍처로 결정할 수 있다.

적용되는 희소 통신 아키텍처가 비중앙집중형 통신 아키텍처로 결정되면, 전력 조정 최적화부(200)는, 상술한 비중앙집중형 최적화 알고리즘을 적용하여 전력 조정 최적화 솔루션을 생성할 수 있다. 만약 적용되는 희소 통신 아키텍처가 분산형 통신 아키텍처로 결정되면, 전력 조정 최적화부(200)는 상술한 분산형 최적화 알고리즘을 적용하여 전력 조정 최적화 솔루션을 생성할 수 있다.

이상에서 설명한 본 발명에 따른 전력 조정 최적화 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

상기한 본 발명의 바람직한 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.

100: 통신 아키텍처 결정부
200: 전력 조정 최적화부

Claims

복수의 풍력 터빈(WT)들을 포함하여 구성되는 풍력 발전 단지(WF)의 전력 조정 최적화 방법에 있어서,
상기 풍력 발전 단지의 출력 전력과 연관되는, 상기 복수의 WT들에 대한 파라미터를 수집하는 단계;
상기 복수의 WT들 상호간에 작용하는 웨이크 영향을 수치적으로 나타내는 웨이크 가중 계수 행렬을 생성하는 단계;
상기 WT를 노드로, 상기 WT들 상호간에 작용하는 웨이크 영향을 방향 선으로 나타내는 웨이크 방향 그래프를 생성하는 단계;
상기 생성된 웨이크 가중 계수 행렬 및 웨이크 방향 그래프를 기초로 상기 복수의 WT들을 클러스트링하여 복수의 서브 셋들로 분류하는 단계;
상기 서브 셋 분류 결과에 기초하여 상기 복수의 WT들에 적용되는 희소 통신 아키텍처를 결정하는 단계; 및
상기 결정된 희소 통신 아키텍처에 대응되는 기정의된 전력 조정 최적화 알고리즘을 적용하여, 각 WT의 요각도 및 축 계수를 조정할 수 있는 전력 조정 최적화 솔루션을 생성하는 단계;를 포함하는 풍력 발전 단지의 전력 조정 최적화 방법.
제1항에 있어서, 상기 웨이크 가중 계수 행렬을 생성하는 단계는
웨이크 가중 계수에 대하여 사전 정의된 임계치를 기초로 상기 웨이크 가중 계수 행렬에 대한 가지치기(pruning) 프로세스를 수행하는 단계를 더 포함하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 방법.
제1항에 있어서, 상기 희소 통신 아키텍처는,
비중앙집중형(decentralized) 통신 아키텍처 및 분산형(distributed) 통신 아키텍처를 포함하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 방법.
제3항에 있어서, 상기 희소 통신 아키텍처를 결정하는 단계는
상기 분류된 서브 셋들 간 공유 WT가 존재하는지 여부를 판단하는 단계; 및
상기 공유 WT가 존재하지 않으면 비중앙집중형 통신 아키텍처로 결정하고, 상기 공유 WT가 존재하면 분산형 통신 아키텍처로 결정하는 단계;를 포함하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 방법.
제4항에 있어서, 상기 전력 조정 최적화 솔루션을 생성하는 단계는
상기 적용되는 희소 통신 아키텍처가 비중앙집중형 통신 아키텍처로 결정되면, 기정의된 비중앙집중형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성하고,
상기 적용되는 희소 통신 아키텍처가 분산형 통신 아키텍처로 결정되면, 기정의된 분산형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 방법.
복수의 풍력 터빈(WT)들을 포함하여 구성되는 풍력 발전 단지(WF)의 최대 전력 출력을 위한, 풍력 발전 단지의 전력 조정 최적화 장치에 있어서,
상기 복수의 WT들에 적용되는 통신 아키텍처를 결정하는 통신 아키텍쳐 결정부; 및
상기 결정된 통신 아키텍처에 대응되는 기정의된 전력 조정 최적화 알고리즘을 적용하여, 각 WT의 요각도 및 축 계수를 조정할 수 있는 전력 조정 최적화 솔루션을 생성하는 전력 조정 최적화부;를 포함하는 풍력 발전 단지의 전력 조정 최적화 장치.
제6항에 있어서,
상기 통신 아키텍쳐 결정부는,
상기 WF에 포함되는 WT들의 개수가 기정의된 수 이하인 경우, 상기 복수의 WT들에 적용되는 통신 아키텍처를 중앙집중형(centralized)으로 결정하며,
상기 전력 조정 최적화부는, 기정의된 중앙집중형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 장치.
제6항에 있어서, 상기 통신 아키텍쳐 결정부는,
상기 풍력 발전 단지의 출력 전력과 연관되는, 상기 복수의 WT들에 대한 파라미터를 수집하고,
상기 복수의 WT들 상호간에 작용하는 웨이크 영향을 수치적으로 나타내는 웨이크 가중 계수 행렬을 생성하고,
상기 WT를 노드로, 상기 WT들 상호간에 작용하는 웨이크 영향을 방향 선으로 나타내는 웨이크 방향 그래프를 생성하고,
상기 생성된 웨이크 가중 계수 행렬 및 웨이크 방향 그래프를 기초로 상기 복수의 WT들을 클러스트링하여 복수의 서브 셋들로 분류하며,
상기 서브 셋 분류 결과에 기초하여 상기 복수의 WT들에 적용되는 희소 통신 아키텍처를 결정하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 장치.
제8항에 있어서, 상기 통신 아키텍쳐 결정부는,
웨이크 가중 계수에 대하여 사전 정의된 임계치를 기초로 상기 웨이크 가중 계수 행렬에 대한 가지치기(pruning) 프로세스를 수행하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 장치.
제8항에 있어서, 상기 희소 통신 아키텍처는,
비중앙집중형(decentralized) 통신 아키텍처 및 분산형(distributed) 통신 아키텍처를 포함하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 장치.
제10항에 있어서, 상기 통신 아키텍쳐 결정부는,
상기 분류된 서브 셋들 간 공유 WT가 존재하는지 여부를 판단하고, 상기 공유 WT가 존재하지 않으면 비중앙집중형 통신 아키텍처로 결정하며, 상기 공유 WT가 존재하면 분산형 통신 아키텍처로 결정하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 장치.
제11항에 있어서, 상기 전력 조정 최적화부는,
상기 적용되는 희소 통신 아키텍처가 비중앙집중형 통신 아키텍처로 결정되면, 기정의된 비중앙집중형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성하고, 상기 적용되는 희소 통신 아키텍처가 분산형 통신 아키텍처로 결정되면, 기정의된 분산형 최적화 알고리즘을 적용하여 상기 전력 조정 최적화 솔루션을 생성하는 것을 특징으로 하는 풍력 발전 단지의 전력 조정 최적화 장치.