KR102665051B1 - 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법 - Google Patents

기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법 Download PDF

Info

Publication number
KR102665051B1
KR102665051B1 KR1020220097344A KR20220097344A KR102665051B1 KR 102665051 B1 KR102665051 B1 KR 102665051B1 KR 1020220097344 A KR1020220097344 A KR 1020220097344A KR 20220097344 A KR20220097344 A KR 20220097344A KR 102665051 B1 KR102665051 B1 KR 102665051B1
Authority
KR
South Korea
Prior art keywords
data
output
wind
power generator
wind speed
Prior art date
Application number
KR1020220097344A
Other languages
English (en)
Other versions
KR20240019546A (ko
Inventor
강민상
손은국
이진재
강승진
박세명
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 KR1020220097344A priority Critical patent/KR102665051B1/ko
Publication of KR20240019546A publication Critical patent/KR20240019546A/ko
Application granted granted Critical
Publication of KR102665051B1 publication Critical patent/KR102665051B1/ko

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/84—Modelling or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/32—Wind speeds
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/321—Wind directions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/335—Output power or torque
    • 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
    • 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
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Wind Motors (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

본 발명은 풍력발전기의 기상 데이터를 기반으로 출력량을 예측하는 기상 데이터를 이용한 풍력발전기 시계열 출력 예측 방법에 관한 것으로, 실제 측정된 풍향, 풍속, 출력량 데이터의 통계를 이용하여 해당 풍력발전기의 출력량을 예측하는 것을 특징으로 한다. 측정영역별 및 풍속 빈별로 분류된 데이터를 통해 도출된 기준 출력곡선을 학습한 모델은 시계열 기상 데이터를 입력받아 시계열 출력을 예측 가능하다. 풍속 및 풍속 이외 요인이 반영된 실제 측정데이터를 활용하여 보다 정확도 높은 출력량데이터를 예측하는 효과가 있다.

Description

기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법 {Time Series Output Prediction Method of Wind Generator Using Weather Data}
본 발명은 풍력발전기의 출력량을 예측하는 방법에 관한 것으로, 더 상세하게는 해당 풍력발전기의 기상 데이터를 기반으로 출력량을 예측하는 기상 데이터를 이용한 풍력발전기 시계열 출력 예측 방법에 관한 것이다.
풍력발전기는 바람을 이용한 전기에너지 변환장치이며, 바람에 의한 운동에너지를 얻기 위해 육상이나 해상에 설치된다. 풍력발전기에 불어오는 바람은 시시각각 변동하는 특성을 가지고 있으며, 풍력발전기의 전기적 출력은 풍력발전기에 불어오는 바람에 의한 영향을 받는다. 바람의 변동에 따라 출력도 같이 변동하기 때문에 안정적인 전력망을 운영하기 위해서는 예비력이 필요하며, 이는 전체 전력망의 발전 비용 상승으로 이어진다.
일반적으로 풍력발전기 사양에 따른 출력은 특정 풍속에 대한 특정 출력을 발생하는 단순한 출력곡선의 형태를 갖는다. 이를 참조하여 출력을 예측하게 되면 동일한 풍속에서는 동일한 출력만을 예측할 수밖에 없는 한계가 있다. 실제 풍력발전기의 출력은 동일한 풍속에서도 다른 출력을 발생하는 특성을 갖고 있고, 이는 풍속 외 대기밀도, 대기안정도, 주변 유동영향 왜곡 인자 등에서 기인한다. 하지만 현재 이러한 모든 인자들의 영향을 반영하여 출력을 예측할 수 없는 문제를 가진다.
따라서 특정 풍속에 대한 특정 출력을 예측하는 것이 아닌 풍속 외의 인자를 반영하여 정확도를 높인 풍력발전기의 출력 예상하는 방법이 요구된다.
따라서 본 발명은 상기한 바와 같은 종래기술의 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 풍속 외의 인자를 반영하지 못하는 문제를 해결하기 위해 해당 풍력발전기의 기상데이터와 출력량을 실측하여 정확도를 높인 기상데이터를 이용한 풍력발전기 시계열 출력예측 방법을 제공하는 것이다.
본원 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들도 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
본 발명은 풍력발전기에 배치된 수집장치를 통해 실측된 풍속데이터, 풍향데이터 및 출력량데이터를 수집하는 수집단계, 상기 풍력발전기의 수집된 풍속데이터, 풍향데이터 및 출력량데이터의 관계를 학습한 모델을 생성하는 모델생성단계, 생성된 상기 모델에 예측된 풍속데이터 및 풍향데이터가 입력되는 입력단계, 및 상기 모델은 실측된 데이터를 근거로 출력량을 예측하는 출력단계를 포함한다.
또한, 상기 수집단계는 풍력발전기의 전방위를 일정 각도로 나누어 복수개의 측정영역으로 구분하고, 수집된 데이터를 측정영역 별로 분류하는 측정영역 분류단계를 포함한다.
또한, 상기 수집단계는 측정영역별로 분류된 데이터를 일정 풍속 간격별로 분류하는 풍속 빈별 분류단계를 포함한다.
또한, 상기 모델생성단계는 측정영역별 및 풍속 빈별로 분류된 데이터의 평균 풍속, 평균출력 및 출력 표준편차를 계산하여 기준 출력곡선을 도출하는 학습데이터 생성단계를 포함한다.
또한, 상기 모델생성단계는 측정영역별 및 풍속 빈별로 분류된 데이터를 통해 도출된 기준 출력곡선을 학습하는 것을 특징으로 한다.
또한, 상기 출력단계는 입력데이터에 해당하는 측정영역에 대해 학습한 기준 출력곡선을 이용하여 예상되는 출력데이터를 도출하는 것을 특징으로 한다.
또한, 상기 입력단계는 모델에 일정 기간을 갖는 시계열 데이터가 입력되며, 상기 출력단계는 입력된 데이터에 대응하는 기간의 시계열 데이터가 출력되는 것을 특징으로 한다.
또한, 상기 풍력발전기 출력예측 방법은 실제 측정된 풍력발전기의 출력량데이터 산포특성을 이용하여 출력량 데이터를 예측하는 것을 특징으로 한다.
또한, 상기 풍력발전기 출력예측 방법은 지속적으로 데이터를 수집하여 모델에 반영하는 것을 특징으로 한다.
또한, 풍력발전기 출력예측 방법을 이용한 풍력단지 출력예측 방법에 있어서, 각 풍력발전기에서 예측된 출력량데이터를 합산하여, 풍력단지 출력량을 예측하는 것을 특징으로 한다.
또한, 풍력단지 내에 배치된 수집장치를 통해 풍력데이터 및 풍속데이터를 측정하고, 각 풍력발전기의 전체 출력량을 수집데이터로 활용하여 풍력단지의 전체출력량을 예측하는 것을 특징으로 한다.
본 발명은 실제 풍력발전기의 해당 위치에서 발생되는 풍속, 풍량 및 출력량을 기반으로 정확도 높은 출력량을 도출하는 장점이 있다.
또한, 풍력발전기의 시계열 출력예측의 정확도를 향상시켜 한국전력거래소에서 운영중인 제도에 참여하여 발전 수익 인센티브 확보가 가능하다.
또한, 풍력발전기의 발전량을 예측하여, 풍력발전기 유지보수 일정 계획 및 운영관리 전략 수립에 활용할 수 있다.
또한, 풍력발전기의 출력 예측 값과 실제 출력간의 차이 발생시, 풍력발전기의 이상 출력 발생여부를 확인함으로써 풍력발전기의 고장 발생 및 열화 등을 점검할 수 있다.
또한, 복수의 풍력발전기가 설치된 풍력단지에 적용되어 활용할 수 있다.
도 1은 본 발명의 풍력발전기의 출력예측 절차도이다.
도 2는 측정영역 구분 예시도이다.
도 3은 측정영역 별 기준 출력곡선 예시도이다.
도 4는 측정영역에서의 일정 풍속간격별 출력 정규분포 예시도이다.
도 5는 모델 입력 시계열 데이터 예시도이다.
도 6은 통계적 모델을 이용한 풍력발전기 출력예측 결과예시도이다.
도 7은 예상 출력과 측정된 출력을 비교한 산포도이다.
도 8은 예상 출력과 측정된 출력의 결과비교도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명을 하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경을 포함하는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
본 발명은 실제 측정된 풍향, 풍속, 출력량 데이터의 통계를 이용하여 해당 풍력발전기의 출력량을 예측하는 것을 특징으로 한다. 풍속 및 풍속 이외 요인이 반영된 실제 측정데이터를 활용하여 보다 정확도 높은 출력량데이터를 예측하는 효과가 있다.
이하 첨부된 도면을 참조하여 본 발명의 실시예에 따른 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법에 대해 상세하게 설명하기로 한다.
도 1은 본 발명의 풍력발전기의 출력예측 절차도이다. 도 1을 참고하면, 풍력발전기에 배치된 수집장치를 통해 실측된 풍속데이터, 풍향데이터 및 출력량데이터를 수집하는 수집단계, 상기 풍력발전기의 수집된 풍속데이터, 풍향데이터 및 출력량데이터의 관계를 학습한 모델을 생성하는 모델생성단계, 생성된 상기 모델에 예측된 풍속데이터 및 풍향데이터가 입력되는 입력단계, 및 상기 모델은 실측된 데이터를 근거로 출력량을 예측하는 출력단계를 포함한다.
수집단계는 풍력발전기의 출력 예측 모델 생성을 위하여 풍력발전기의 풍속, 풍향, 및 출력데이터를 수집한다. 수집된 데이터는 풍력발전기 자체의 상태 모니터링 및 제어(SCADA, Supervisory Control And Data Acquisition)를 위하여 나셀 위에 설치된 풍속계, 풍향계와 풍력발전기의 전력량계 데이터를 활용한다.
수집단계는 풍력발전기의 전 방위를 일정 각도로 나누어 복수개의 측정영역으로 구분하고, 수집된 데이터를 측정영역 별로 분류하는 측정영역 분류단계를 포함한다. 측정영역 분류단계를 통해 풍향데이터, 풍속데이터, 및 출력량데이터의 관계를 정리한다.
모델생성단계는 풍향데이터, 풍속데이터, 및 출력량데이터의 관계를 학습하여, 예측된 풍속데이터 및 풍향데이터 입력 시 예상 출력량데이터를 도출한다.
입력단계는 모델에 예측된 풍속데이터 및 풍향데이터를 입력하는 단계이다. 사용자는 특정시간 또는 시계열적 일정기간 동안 예측된 풍속데이터 및 풍향데이터를 모델에 입력한다. 이때, 예측된 풍속 및 풍향을 포함하는 입력데이터의 기상관측 및 빅데이터 등을 통해 수집된다.
본 발명은 입력데이터 생성을 위한 풍속 및 풍향 예측방법 및 수집방법에 대해 제한하지 않으며, 공개된 기술을 반영하여 풍속 및 풍향을 예측할 수 있다.
출력단계는 입력된 데이터에 대응하는 특정 시간 또는 시계열 기간 출력데이터가 출력된다. 모델에 입력된 풍속 및 풍향을 포함하는 기상데이터를 학습된 출력량데이터 산포를 통해 풍력발전기의 출력량을 예측한다.
도 2는 측정영역 구분 예시도이다. 도 2를 참고하면, 1차 데이터 분류단계에 관한 것으로, 풍력발전기를 기준으로 전방향을 일정간격으로 나누어 측정역영을 설정한다. 수집된 풍속 및 출력량 데이터를 구분된 측정역역별로 분류한다. 이를 통해 풍향별 풍속에 따른 출력량데이터를 정리할 수 있으며, 이는 생성될 모델의 학습데이터로 활용된다.
풍력발전기는 불어오는 바람을 마주볼 수 있도록 나셀, 로터 등이 포함된 풍력발전기의 상단부가 회전하도록 제어되므로, 임의로 측정영역별로 풍력발전기를 회전하여 풍속 및 출력데이터를 수집하지 않아도 된다.
아래 표 1은 수집한 데이터를 측정영역별로 분류한 예시표이다. 표 1을 참고하면, 수집된 데이터는 풍향에 의해 측정영역이 결정되며, 측정영역별 풍속데이터와 출력량데이터를 모델데이터로 활용한다. 실제 측정을 통한 데이터를 모델의 학습데이터로 활용함으로써, 단순히 풍속에 의한 출력량 예측이 아닌 풍속 이외의 요건들이 포함된 데이터를 통해 출력을 예측한 것으로 기존보다 정확하게 출력을 예측할 수 있다.
시간 풍속
(m/s) 		풍향
(°) 		출력
(kW) 		측정영역
(1~12) 		비고
2021-08-01 03:32 4.30 65.3 66.1 3
2021-08-01 03:33 4.57 60.2 74.6 3
2021-08-01 03:34 4.51 60.4 82.7 3
2021-08-01 03:35 4.64 59.9 98.1 3
... ... ... ... ... ...
2021-12-07 17:56 8.80 327.8 976.8 12
2021-12-07 17:57 8.12 326.0 836.0 12
2021-12-07 17:58 8.35 328.5 942.2 12
2021-12-07 17:59 8.64 325.5 1087.9 12
도 3은 측정영역별 기준 출력곡선 예시도이다. 도 3을 참고하면, 측정영역별 풍속에 따른 출력을 나타낸 그래프이다. 일반적으로 풍력발전기는 풍속이 증가할수록 출력량이 증가하며, 풍력발전기의 사양에 따라 일정 풍속 이후 출력량은 일정하게 유지된다.
이때, 도 3은 실측데이터를 기초로 각 측정영역에 따른 기준 출력곡선을 도시한 것으로, 동일한 풍속일 때, 측정영역별로 다른 출력량이 다른 것을 확인할 수 있다. 이를 통해 출력량 도출 시 풍속 이외의 요인이 작용한 것을 확인할 수 있다.
기준 출력곡선은 풍력발전기의 풍속, 풍향, 및 출력을 포함하는 다수의 데이터를 통해 평균 풍속, 평균 출력, 및 출력 표준편차를 구하여 도출한다. 본 발명의 기준 출력곡선은 지속적으로 데이터를 수집하여 반영된다.
아래 표 2는 측정영역에 대한 풍속 빈별 평균출력 및 표준편차 예시표이다. 표2를 참고하면, 수집단계는 각 측정영역별로 분류된 데이터를 일정 풍속 간격별로 분류하는 풍속 빈별 분류단계를 포함한다. 측정영역별로 분류한 데이터 내에서 수집된 풍속 및 출력데이터를 IEC 61400-12-1의 'Method of bins' 방법을 이용하여 한 개의 풍속 bin당 간격은 0.5m/s로 구분한다.
또한, 측정영역에 대한 각 풍속 빈별로 분류함으로써, 각 풍속 빈별로 데이터수를 정리하고, 평균 풍속, 평균 출력, 출력 표준편차를 구할 수 있다. 평균풍속, 평균출력, 및 표준 편차를 통해 기준 출력곡선을 도출한다.
No. Bin 범위
(m/s) 		평균풍속
(m/s) 		평균출력
(kW) 		표준편차
(kW) 		데이터 수
(EA) 		비고
1 2.5 3.0 2.84 28.0 12.1 31
2 3.0 3.5 3.32 34.5 16.2 178
3 3.5 4.0 3.77 59.2 29.8 383
4 4.0 4.5 4.26 90.2 34.6 425
... ... ... ... ... ... ... ...
34 19.0 19.5 19.29 2041.0 1.6 11
35 19.5 20.0 19.75 2040.6 1.6 7
36 20.0 20.5 20.21 2040.7 1.1 5
37 20.5 21.0 20.74 2040.5 1.2 5
도 4는 특정 측정영역에서의 풍속 빈별 출력 정규분포 예시도이다. 도 4를 참고하면, 풍속 빈별 출력량에 대한 확률을 나타낸 그래프이다. 도출한 측정영역별 기준 출력곡선 내 평균 출력, 출력 표준편차를 이용하여 풍속 빈별 출력 정규분포 모델을 생성한다. 풍속 빈 간격을 0.5m/s로 한 일 예로, 정규분포 모델은 인접 빈의 평균 출력, 출력 표준편차를 내삽하여 생성한다.
이를 통해 모델은 실측된 풍향별 및 풍속별 출력 값을 학습하여 입력되는 풍력데이터 및 풍속데이터에 따른 예상출력량을 도출할 수 있다.
도 5는 모델 입력 시계열 데이터 예시도이다. 도 5는 참고하면, 모델에 입력되는 데이터를 도시화한 예시도이다. 예상출력량 도출을 위한 입력데이터는 예상 풍력 및 풍향데이터가 입력된다. 학습데이터를 학습한 모델은 도시된 바와 같이 일정 기간 예측된 풍속 및 풍향 데이터를 입력받아 예상출력량을 도출한다. 일 예로 풍력발전기에서 1일간 시간에 따라 수집된 풍속데이터와 풍향데이터를 각각 측정하여 하나의 그래프에 도시하였다. 수집된 데이터를 입력데이터로 할 경우, 해당 기간 동안 생성된 출력량을 도출할 수 있다. 예측된 출력과 실제 측정된 출력 비교를 통해 정확도를 확인할 수 있으며, 출력결과 비교는 후술하도록 한다.
풍속데이터 및 풍향데이터의 예측방법은 기상관측을 통하여 수집할 수 있으며, 축적된 풍속데이터 및 풍향 데이터를 통해 예측할 수 있다. 본 발명은 모델에 입력되는 풍속데이터 및 풍향데이터의 수집방법, 예측방법에 대해 한정하지 않는다.
도 6은 통계적 모델을 이용한 풍력발전기 출력예측 결과예시도이다. 도 6을 참고하면, 예측된 풍속데이터와 풍향데이터를 포함하는 입력데이터가 모델에 입력되며, 모델은 입력데이터를 학습된 측정영역별 및 풍속 빈별 도출된 기준 출력곡선 및 출력정규분포를 근거로 출력량을 예측한다.
더 자세히 설명하면, 입력된 입력데이터를 시계열 풍향데이터에 해당하는 측정영역에 따라 출력데이터 예측에 사용될 기준 출력곡선 및 출력 정규분포를 선택하고, 정규분포의 확률에 따라 랜덤확률로 시계열 출력을 예측한다.
도 7은 예상 출력과 측정된 출력을 비교한 산포도이다. 도 7(a)은 기존의 출력예측 결과를 나타낸 도면이며, 도 7(b)은 본 발명을 적용한 출력예측 결과를 나타낸 도면이다. 도 7(a)을 참고하면, 기존의 출력예측 방법은 선형 곡선의 출력량을 예측하였으나, 실제 측정된 출력량은 풍속 이외의 요인에 의해 선형 곡선이 아닌 분산되어 예측 출력량과 차이가 있는 것을 확인된다.
도 7(b)을 참고하면, 본 발명에 따른 출력예측 방법은 풍향에 따라 풍속 및 출력을 정리하여 측정된 풍속 대비 출력량과 유사한 것을 확인 할 수 있다.
도 8은 예상 출력과 측정된 출력의 결과비교도이다. 도 8(a)은 기존의 출력예측 결과도이며, 도 8(b)은 본 발명을 적용한 출력예측 결과도이다. 8(a)과 도 8(b)의 시간에 따른 출력량을 기존방식의 출력예측결과와 측정된 출력예측결과를 비교할 때, 본 발명을 적용된 출력예측 방법이 측정된 출력 값과 더 유사한 것을 확인할 수 있다.
전반적으로 본 발명이 적용된 출력예측 방법이 유사도가 높으며, 특히, 'A'시간대를 기존 방식의 출력예측결과와 비교하였을 때, 유사도가 높은 점을 통해 예측 정확도가 높은 것을 알 수 있다.
본 발명은 복수의 풍력발전기가 설치된 풍력단지의 출력을 예측하는 방법을 포함한다. 풍력단지 출력예측 방법은 각 풍력발전기에서 예측된 출력량데이터를 합산하여, 풍력단지 출력량을 예측하는 것을 특징으로 한다. 각 풍력발전기에 해당하는 위치의 기상데이터를 수집하여 예측한 것으로, 인접한 풍력발전기에 의해 발생된 공기변화를 포함한 실측데이터를 이용하여 정확도 높은 풍력단지 출력량을 예측하는 장점이 있다.
또한, 풍력단지 내에 배치된 수집장치를 통해 풍력데이터 및 풍속데이터를 측정하고, 각 풍력발전기의 전체 출력량을 수집데이터로 활용하여 풍력단지의 전체출력량을 예측하는 것을 특징으로 한다.
풍력단지에 배치된 수집장치를 통해 기상데이터 및 전체 출력량데이터를 수집하는 풍력단지 데이터 수집단계, 상기 풍력단지의 수집된 기상데이터 및 전체 출력량데이터의 관계를 학습한 모델을 생성하는 풍력단지 예측모델 생성단계, 생성된 모델에 예측된 기상데이터가 입력되는 풍력단지 기상데이터 입력단계, 및 상기 모델은 실측된 데이터를 근거로 상기 풍력단지의 전체 출력량을 예측하는 풍력단지 출력예측단계를 포함한다.
풍력단지를 기준으로 하여 기상데이터를 측정 및 풍력단지 전체 출력량을 수집하여 전체 출력량을 예측한다. 풍력단지 데이터 수집단계는 수집된 데이터를 측정영역별 및 풍속 빈별 분류하는 분류단계를 포함하며, 분류된 데이터를 통해 기준 출력곡선을 도출한다. 기준 출력곡선을 학습한 풍력단지 출력예상 모델은 생성하여 풍력단지에서 일정기간동안 발생되는 출력량을 예측할 수 있다.
풍력단지의 데이터 수집은 풍력단지 내에 대표되는 수집장치를 통해 풍속데이터 및 풍향데이터를 수집할 수 있다. 수집장치는 단일 또는 복수개 배치되며, 풍력단지 내에 배치되는 수집장치의 수를 한정하지 않는다.
각각의 풍력발전기의 출력량을 예측할 수 없는 경우, 풍력단지 단위로 기상데이터 및 출력량데이터를 수집하여 출력량을 예측할 수 있다. 이를 통해 연산속도를 줄일 수 있으며, 관리자의 편의가 증가하는 효과가 있다.
본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다.

Claims (11)

  1. 풍력발전기에 배치된 수집장치를 통해 실측된 풍속데이터, 풍향데이터 및 출력량데이터를 수집하는 수집단계,
    상기 풍력발전기의 수집된 풍속데이터, 풍향데이터 및 출력량데이터의 관계를 학습한 모델을 생성하는 모델생성단계,
    생성된 상기 모델에 예측된 풍속데이터 및 풍향데이터가 입력되는 입력단계, 및
    상기 모델은 실측된 데이터를 근거로 출력량을 예측하는 출력단계를 포함하고,
    상기 수집단계는 풍력발전기의 전방위를 일정 각도로 나누어 복수개의 측정영역으로 구분하고, 수집된 데이터를 측정영역 별로 분류하는 측정영역 분류단계를 포함하는 풍력발전기 출력예측 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 수집단계는 측정영역별로 분류된 데이터를 일정 풍속 간격별로 분류하는 풍속 빈별 분류단계를 포함하는 풍력발전기 출력예측 방법.
  4. 제3항에 있어서,
    상기 모델생성단계는 측정영역별 및 풍속 빈별로 분류된 데이터의 평균 풍속, 평균출력 및 출력 표준편차를 계산하여 기준 출력곡선을 도출하는 학습데이터 생성단계를 포함하는 풍력발전기 출력예측 방법.
  5. 제4항에 있어서,
    상기 모델생성단계는 측정영역별 및 풍속 빈별로 분류된 데이터를 통해 도출된 기준 출력곡선을 학습하는 것을 특징으로 하는 풍력발전기 출력예측 방법.
  6. 제5항에 있어서,
    상기 출력단계는 입력데이터에 해당하는 측정영역에 대해 학습한 기준 출력곡선을 이용하여 예상되는 출력데이터를 도출하는 것을 특징으로 하는 풍력발전기 출력예측 방법.
  7. 제1항에 있어서,
    상기 입력단계는 모델에 일정 기간을 갖는 시계열 데이터가 입력되며,
    상기 출력단계는 입력된 데이터에 대응하는 기간의 시계열 데이터가 출력되는 것을 특징으로 하는 풍력발전기 출력예측 방법.
  8. 제1항에 있어서,
    상기 풍력발전기 출력예측 방법은 실제 측정된 풍력발전기의 출력량데이터 산포특성을 이용하여 출력량 데이터를 예측하는 것을 특징으로 하는 풍력발전기 출력예측 방법.
  9. 제1항에 있어서,
    상기 풍력발전기 출력예측 방법은 지속적으로 데이터를 수집하여 모델에 반영하는 것을 특징으로 하는 풍력발전기 출력예측 방법.
  10. 제1항의 풍력발전기 출력예측 방법을 이용한 풍력단지 출력예측 방법에 있어서,
    각 풍력발전기에서 예측된 출력량데이터를 합산하여, 풍력단지 출력량을 예측하고,
    풍력단지 내에 배치된 수집장치를 통해 풍력데이터 및 풍속데이터를 측정하며, 각 풍력발전기의 전체 출력량을 수집데이터로 활용하여 풍력단지의 전체출력량을 예측하는 것을 특징으로 하는 풍력단지 출력예측 방법.
  11. 삭제
KR1020220097344A 2022-08-04 2022-08-04 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법 KR102665051B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220097344A KR102665051B1 (ko) 2022-08-04 2022-08-04 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220097344A KR102665051B1 (ko) 2022-08-04 2022-08-04 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법

Publications (2)

Publication Number Publication Date
KR20240019546A KR20240019546A (ko) 2024-02-14
KR102665051B1 true KR102665051B1 (ko) 2024-05-13

Family

ID=89896417

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220097344A KR102665051B1 (ko) 2022-08-04 2022-08-04 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법

Country Status (1)

Country Link
KR (1) KR102665051B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117910783B (zh) * 2024-03-19 2024-05-24 中国民用航空总局第二研究所 基于航班地面保障任务的地面保障人员排班方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007056686A (ja) 2005-08-22 2007-03-08 Univ Of Ryukyus 風速予測に基づく風力発電機の数時間先発電電力予測装置
JP2013222423A (ja) * 2012-04-19 2013-10-28 Hitachi Power Solutions Co Ltd 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム
JP2021161932A (ja) * 2020-03-31 2021-10-11 株式会社豊田中央研究所 風力発電装置の発電量予測装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130076041A (ko) * 2011-12-28 2013-07-08 현대중공업 주식회사 풍력발전단지 제어장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007056686A (ja) 2005-08-22 2007-03-08 Univ Of Ryukyus 風速予測に基づく風力発電機の数時間先発電電力予測装置
JP2013222423A (ja) * 2012-04-19 2013-10-28 Hitachi Power Solutions Co Ltd 発電量予測方法及びそのシステム並びに風力発電設備の健康管理方法及びそのシステム
JP2021161932A (ja) * 2020-03-31 2021-10-11 株式会社豊田中央研究所 風力発電装置の発電量予測装置

Also Published As

Publication number Publication date
KR20240019546A (ko) 2024-02-14

Similar Documents

Publication Publication Date Title
KR101761686B1 (ko) 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템
Sulaeman et al. A wind farm reliability model considering both wind variability and turbine forced outages
US10815972B2 (en) System and method for assessing and validating wind turbine and wind farm performance
Ferreira et al. A survey on wind power ramp forecasting.
Gill et al. Wind turbine condition assessment through power curve copula modeling
Wan et al. Development of an equivalent wind plant power-curve
US8606416B2 (en) Energy generating system and control thereof
US10181101B2 (en) Support vector machine enhanced models for short-term wind farm generation forecasting
Foley et al. Wind power forecasting & prediction methods
CN104156892A (zh) 一种有源配电网电压跌落仿真与评估方法
CN103902837B (zh) 一种基于经验Copula函数进行风速预测的方法
CN107394809B (zh) 基于风速时间周期特征的风电并网系统风险评估方法
CN103679298A (zh) 风电场短期功率预测精度的评价方法
CN102478584B (zh) 基于小波分析的风电场风速预测方法及系统
CN104915747A (zh) 一种发电机组的发电性能评估方法及设备
CN104091209A (zh) 基于bp神经网络的风电机组功率特性评估方法
CN109167387A (zh) 风场风电功率预测方法
Cutler et al. Using nacelle‐based wind speed observations to improve power curve modeling for wind power forecasting
CN103825272A (zh) 一种基于解析法的含分散风电的配电网可靠性确定方法
KR102665051B1 (ko) 기상 데이터를 이용한 풍력발전기 시계열 출력예측 방법
CN110460038A (zh) 一种涉及新能源并网的多场景输电网扩展规划方法
Carullo et al. An innovative correction method of wind speed for efficiency evaluation of wind turbines
Goretti et al. The impact of power curve estimation on commercial wind power forecasts—An empirical analysis
Ensslin et al. Online monitoring of 1700 MW wind capacity in a utility supply area
Cabezon et al. Comparison of methods for power curve modelling

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant