WO2019066139A1 - 지상 기반 라이다, 라이다 측정오차 보정 장치 및 방법 - Google Patents

지상 기반 라이다, 라이다 측정오차 보정 장치 및 방법 Download PDF

Info

Publication number
WO2019066139A1
WO2019066139A1 PCT/KR2017/013651 KR2017013651W WO2019066139A1 WO 2019066139 A1 WO2019066139 A1 WO 2019066139A1 KR 2017013651 W KR2017013651 W KR 2017013651W WO 2019066139 A1 WO2019066139 A1 WO 2019066139A1
Authority
WO
WIPO (PCT)
Prior art keywords
wind speed
speed data
data
wind
measurement error
Prior art date
Application number
PCT/KR2017/013651
Other languages
English (en)
French (fr)
Inventor
강동범
고경남
허종철
Original Assignee
제주대학교 산학협력단
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 제주대학교 산학협력단 filed Critical 제주대학교 산학협력단
Publication of WO2019066139A1 publication Critical patent/WO2019066139A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
    • G01P21/02—Testing or calibrating of apparatus or devices covered by the preceding groups of speedometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G01P5/02—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring forces exerted by the fluid on solid bodies, e.g. anemometer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • 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
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Definitions

  • the present invention relates to an apparatus and method for compensating a Lada measurement error, and more particularly, to an apparatus and method for compensating a ground-based Lada and a ground-based Lada instrumental measurement error.
  • Wind energy One of the renewable energy sources is wind energy, and the development and installation of wind turbines using this wind energy is increasing. Wind data such as wind speed and wind direction are used as important indicators in wind power generators.
  • LiDAR light detection and ranging
  • LiDAR light detection and ranging
  • the wavelength of the laser used is shorter than that of other wind profiler, there is an advantage in that the wind field can be measured in a standby state in which no dust is present,
  • the scattering intensity is inversely proportional to the length of the wavelength.
  • the Doppler effect utilizes the fact that the Doppler effect occurs due to the velocity of the air as the laser beam is scattered back and forth in the air.
  • the Doppler effect shifts the wavelength (or frequency) due to the Doppler effect And the wind speed is measured.
  • a weather tower with a wind sensor In order to obtain wind data, a weather tower with a wind sensor is generally used, but there is a problem in that the weather tower can not be installed depending on the terrain.
  • the wind data is acquired by using the ground-based lidar installed on the ground instead of the meteorological tower.
  • the present invention has been made in view of the above problems, and an object of the present invention is to increase the accuracy of wind speed data collected by Lada by reducing the wind speed measurement error of the ground-based Lada.
  • Another technical problem to be solved by the present invention is to reduce the measurement error of Lada in consideration of factors affecting the measurement error of the ground-based Lada.
  • the apparatus for correcting a lidar measurement error calculates a flow inclination angle for each second wind speed data using the second wind speed data obtained in the ladder and uses the first wind speed data obtained from the gas phase tower A turbulence intensity for each first wind speed data is calculated and a regression analysis is performed using the bin method considering both the flow inclination angle and the turbulence intensity and an estimation error equation for each bin is calculated to obtain an estimation error A measurement error correcting unit for calculating corrected second wind speed data by correcting the second wind speed data of the lidar using the estimation error, and a measurement error correcting unit connected to the measurement error correcting unit, And a storage unit to store the data.
  • a ground-based air conditioner comprising: a wind speed sensing unit for sensing a wind speed and generating second wind speed data in a corresponding state; and a wind speed sensor connected to the wind speed sensing unit, 2 flow velocity data, calculates the turbulence intensity for each first wind speed data by using the first wind speed data acquired from the gas phase tower, and calculates an empty method by taking both the flow inclination angle and the turbulence intensity into consideration And a second error correcting unit that corrects the error of the second wind speed data by correcting the second wind speed data of the second error correcting unit by using the error estimating error, .
  • the measurement error correction unit divides the plurality of bins using the flow inclination angle, allocates the first wind speed data and the second wind speed data more than a predetermined number to each of the divided bins, The difference between the first and second wind speed data is calculated to calculate the measurement error of each second wind speed data belonging to each bin and the estimation error formula according to the turbulence intensity of each bin is calculated using the first order linear method using the distribution of the measured error of each bin And the second wind speed data corrected by subtracting the estimation error from the second wind speed data can be calculated.
  • the measurement error correction unit calculates (Where n is a sample size,? Is a significance level,? Is a sample size,? Is a sample size, ( ⁇ / 2), P is the sample ratio, and d is the error limit).
  • the measurement error correcting unit divides the first wind speed data and the second wind speed data by a set time unit and calculates at least one first wind speed data group and at least one second wind speed data before calculating the flow inclination angle and the turbulence intensity, And averaging the first wind speed data and the second wind speed data to calculate averaged first wind speed data and second wind speed data, wherein the first wind speed data and the second wind speed data are obtained by filtering only a part of the wind speed data and filtering the first wind speed data and the filtered second wind speed data, And can be used as the first wind speed data and the second wind speed data.
  • the measurement error corrector may calculate wind speed data of 4 to 16 m / s, a data having a Carrier to Noise Ratio (CNR) value of -22 dB or more among the averaged first and second wind speed data, availability can be used as the first and second wind speed data filtered using data having 80% or more of data and the acquired wind speed data when the rainfall amount is 10 mm or less.
  • CNR Carrier to Noise Ratio
  • the measurement error corrector further removes the first and second wind speed data using the flow distortion value of the first wind direction data acquired in the gas turbine tower and calculates the first and second wind speed data belonging to the first and second The wind speed data can be further removed and used as the filtered first and second wind speed data.
  • the flow inclination angle is calculated by the following equation Where W is the vertical component of the vector amount of the second wind speed data and U is the horizontal component of the vector amount of the filtered second wind speed data, Mathematical Where TI is the turbulence intensity, Is the value of the filtered first wind speed data, and? Is the standard deviation of the first wind speed data belonging to the first wind speed data group for which the filtered first wind speed data is calculated).
  • the estimation error equation (here, Is the estimation error, TI is the turbulence intensity, and a and b are the slope and y intercept of the estimation error equation, respectively.
  • Lada may be ground based.
  • a method of compensating for latitude measurement error comprising the steps of: calculating a flow tilt angle for each second wind speed data using second wind speed data obtained in a ladder; Calculating a turbulent intensity with respect to each first wind speed data, dividing a plurality of bins by using the flow inclination angle, and assigning the first wind speed data and the second wind speed data more than a predetermined number to each of the divided bins Calculating a difference between the first wind speed data and the second wind speed data to calculate a measurement error of each second wind speed data belonging to each bin and using a first order linear method using a distribution diagram of the measured errors of each bin Calculating an estimation error according to the turbulence intensity of each bin to obtain an estimation error, and subtracting the estimation error from the second wind speed data
  • the second includes a step for calculating the wind speed data.
  • the step of assigning the first wind speed data and the second wind speed data (Where n is the sample size,? Is the significance level,? Is the sample size,? Is the sample size,? Is the sample size,? Is the sample size,? Is the sample size, ( ⁇ / 2), P is the sample ratio, and d is the error limit).
  • a method for compensating for Lidar measurement errors comprising: dividing first wind speed data and second wind speed data by a set time unit and calculating at least one first wind speed Data group and at least one second wind speed data group; calculating average values of the first wind speed data group and the second wind speed data group to calculate the first wind speed data and the second wind speed data which are averaged; Extracting the filtered first wind speed data and the filtered second wind speed data by filtering only a part of the averaged first wind speed data and the second wind speed data and extracting the filtered first wind speed data and the filtered second wind speed data As the first wind speed data and the second wind speed data for calculating the flow inclination angle and the turbulence intensity, .
  • the step of extracting the filtered first wind speed data and the filtered second wind speed data may include a step of obtaining wind speed data of 4 to 16 m / s, a Carrier to Noise Ratio (CNR) of the averaged first and second wind speed data,
  • the data can be used as the first and second wind speed data filtered using the data having a data availability of 80% or more and the acquired wind speed data when the rainfall amount is 10 mm or less .
  • the step of extracting the filtered first wind speed data and the filtered second wind speed data may further include removing the first and second wind speed data using the flow distortion value of the first wind direction data obtained in the vapor phase tower, The first and second wind speed data within the range of the wind direction angle belonging to the exclusionary heading section may be further removed and used as the filtered first and second wind speed data.
  • the flow inclination angle (Where? Is a flow inclination angle, W is a vertical component to the vector amount of the filtered second wind speed data, and U is a horizontal component to the vector amount of the filtered second wind speed data), and the turbulence intensity
  • TI is the turbulence intensity, Is the value of the filtered first wind speed data, and? Is the standard deviation of the first wind speed data belonging to the first wind speed data group for which the filtered first wind speed data is calculated).
  • the estimation error equation (here, Is the estimation error, TI is the turbulence intensity, and a and b are the slope and y intercept of the estimation error equation, respectively.
  • the correction value of each second wind speed data measured in the lidar is calculated in consideration of both the flow inclination angle and the turbulence intensity which affect the wind speed, and the second wind speed data of the lidar is corrected,
  • the measured value is compared with the measured first wind speed data, and a substantially accurate value is used as the wind speed data measured in Lada.
  • FIG. 1 is a block diagram of a Lada measurement error correction apparatus according to an embodiment of the present invention. Referring to FIG. 1
  • FIG. 2 is a flowchart illustrating an operation of a method for correcting a Lada measurement error according to an exemplary embodiment of the present invention.
  • FIG 3 is an installation view of a ladder according to an embodiment of the present invention.
  • FIG. 4 is a graph showing the relationship between the measurement azimuth and the excluded azimuth of the Gim Vietnamese demonstration complex calculated by applying the condition for removing the data in which the flow distortion caused by the obstacle is removed in the filtering condition of the Lidar measurement error correction apparatus according to the embodiment of the present invention It is an example of a section.
  • 5 is a diagram showing the concept of the flow inclination angle.
  • FIG. 6 is a graph showing a correlation between an absolute flow inclination angle and an absolute error measurement error ratio in a Lada measurement error apparatus according to an embodiment of the present invention.
  • FIG. 7 is a graph showing a correlation between a turbulence intensity and an absolute error rate in a Lada measurement error apparatus according to an embodiment of the present invention.
  • FIG. 8 is a graph showing a correlation between an absolute flow inclination angle and a turbulent intensity at a height of 100 m in a Lada measurement error apparatus according to an embodiment of the present invention.
  • FIG. 9 is a graph showing a result of a regression analysis according to the turbulence intensity at a flow inclination angle of 18 ° to 4 ° in the Lada measurement error apparatus according to an embodiment of the present invention.
  • FIG. 10 is a graph showing a result of a regression analysis according to the turbulence intensity at a flow inclination angle of 2 ° to 1 ° in the Lada measurement error apparatus according to an embodiment of the present invention.
  • FIG. 11 is a graph showing an example of a correlation between wind speed data of the measurement error correction data and wind speed data of the meteorological tower in a case of the Lada measurement error apparatus according to an embodiment of the present invention.
  • FIG. 12 is a graph showing a correlation between wind speed data of Lada and wind speed data of a meteorological tower after measurement error correction in a case of a Lada measurement error apparatus according to an embodiment of the present invention.
  • FIG. 13 is a graph showing an example of a correlation between wind speed data of the measurement error correction data and wind speed data of the meteorological tower in another example of the Lada measurement error apparatus according to an embodiment of the present invention.
  • FIG. 14 is a graph showing an example of a correlation between wind speed data of Lada and wind speed data of a meteorological tower after measurement error correction in another example of the Lada measurement error apparatus according to an embodiment of the present invention.
  • the Lada measurement error correction system of this embodiment comprises a vapor phase tower wind data acquisition unit (hereinafter, referred to as a vapor phase tower wind data acquisition unit) 10 mounted on a vapor phase tower, (Hereinafter referred to as a "second wind data acquiring unit") 20 and a first wind data acquiring unit 11 and a second wind data acquiring unit 12 And a lidar measurement error correction device 30 connected to the ladder measurement error correction device 30.
  • a vapor phase tower wind data acquisition unit mounted on a vapor phase tower, (Hereinafter referred to as a "second wind data acquiring unit") 20 and a first wind data acquiring unit 11 and a second wind data acquiring unit 12
  • a lidar measurement error correction device 30 connected to the ladder measurement error correction device 30.
  • the first wind data acquiring unit 10 acquires wind speed data and wind direction data, which are installed at predetermined positions of the gas turbine tower and are related to wind data (e.g., first wind data), that is, wind speed and direction.
  • wind data e.g., first wind data
  • the first wind data acquiring unit 10 includes a wind speed sensing unit (first wind speed sensing unit) 11 for sensing the wind speed, which is the wind speed, and generating and storing the wind speed data in the corresponding state, (First wind direction detection unit) 12 for generating and storing wind direction data of the wind direction.
  • first wind speed sensing unit for sensing the wind speed, which is the wind speed, and generating and storing the wind speed data in the corresponding state
  • First wind direction detection unit 12 for generating and storing wind direction data of the wind direction.
  • the second wind data acquiring unit 20 installed at a predetermined position of the lidar also acquires and stores wind data (second wind data) having wind speed data and wind direction data respectively related to the wind speed and wind direction.
  • the second wind data acquiring unit 20 includes a wind speed sensing unit (second wind speed sensing unit) 21 for generating and storing wind speed data in the corresponding state according to the wind strength, And a wind direction detecting unit (second wind direction detecting unit) 22 for generating and storing data.
  • the first and second direction sensors 12 and 22 may be two.
  • the first wind data acquiring unit 20 and the second wind data acquiring unit 20 acquire the wind data at a predetermined time interval and then store the acquired wind data in a separate storage unit located in the vapor phase tower and the lidar Can be stored corresponding to the acquisition time.
  • the gas phase tower is an observing tower installed at a predetermined position to sense a wind direction and detect various weather data, for example, wind velocity data, wind direction data, temperature, humidity, and the like.
  • Lada is a ground-based Lada that can be moved manually by the user.
  • the wind data is acquired by using the wind data acquisition units 10 and 20 installed at predetermined heights of the gas phase tower and the lidar, that is, the height set from the ground.
  • the lidar measurement error correcting apparatus 30 includes a measurement error correcting unit 30 for receiving first and second wind data acquired by the first and second wind data acquiring units 10 and 20, A storage unit 32 connected to the measurement error correction unit 31 and an information output unit 33 connected to the measurement error correction unit 31.
  • the measurement error correcting unit 31 corrects the first and second wind data (i.e., the first and second wind speed data and the first and second wind data obtained by the first and second wind data obtaining units 10 and 20)
  • the first and second wind speed data and the first and second wind direction data are respectively filtered and the filtered second wind speed data obtained in the LADA is used to perform each filtering
  • the turbulence intensity for each filtered first wind speed data is calculated by using the filtered first wind speed data acquired from the gas turbine tower.
  • the measurement error correcting unit 31 performs a regression analysis using the bin method in consideration of both the flow inclination angle and the turbulence intensity, calculates an estimation error equation for each bin, And calculates the corrected second wind speed data by correcting the filtered second wind speed data by using the obtained estimation error.
  • the measurement error correcting unit 31 divides each bin by considering the number of the flow inclination angles and the filtered first and second wind speed data, and outputs the filtered first and second
  • the method includes the steps of calculating a measurement error of the filtered second wind speed data belonging to each bin by using the difference between the filtered second wind speed data and the filtered first wind speed data after assigning the wind speed data, Estimation error estimates for the turbulence intensities for each bin are estimated to obtain the estimation error.
  • the measurement error correcting unit 31 calculates the corrected second wind speed data by correcting the filtered second wind speed data by subtracting or adding the estimated errors obtained from the filtered second wind speed data.
  • the measurement error correcting unit 31 may omit the filtering operation if necessary.
  • the storage unit 32 is a storage medium for storing data necessary for the operation of the measurement error correction unit 31 and data generated during operation.
  • the information output unit 33 outputs an image corresponding to the image data output from the measurement error correcting unit 31 to the screen according to the operation of the measurement error correcting unit 31.
  • the information output unit 33 may be at least one of a liquid crystal display, an organic light emitting diode (OLED) display, a flexible display, and a 3D display. have.
  • OLED organic light emitting diode
  • Such a lidar measurement error correction device 30 may be implemented in a device separate from or separate from the device.
  • a second wind data acquiring unit 20 having a second wind speed sensing unit 21 and a second wind direction sensing unit 22 when the lidar measurement error correction device 30 is installed in the lidar,
  • a measurement error correcting unit 31 connected to the second wind speed sensing unit 21 and the second wind direction sensing unit 22, a storage unit 32 connected to the measurement error correcting unit 31,
  • an information output unit 33 connected to the display unit 31.
  • the operation of the Lada measurement error correcting apparatus of this example having such a structure is as follows.
  • the measurement error correcting unit 31 corrects the first and second wind data obtained by the first and second wind data obtaining units 10 and 20 And stores it in the storage unit 32 (S11).
  • the first and second wind data acquired by the first and second wind data acquiring units 10 and 20 are already stored in the storage unit 32 by the user or the like, 1 and the second wind data acquisition units 10 and 20 and stored in the storage unit 32.
  • the measurement error correction unit 31 reads the first and second wind data acquired by the first and second wind data acquisition units 10 and 20, and stores the read first and second wind data in the storage unit 32 S11) may be omitted.
  • the meteorological tower for obtaining the first and second wind data and the Lada are the meteorological tower installed in the Gimnyeong test site located in the northeast part of Jeju Island and the ground base Respectively.
  • the measurement periods of the first and second wind data using the meteorological tower and lidar were the same for 76 days from September 1, 2014 to November 15, 2014.
  • the installation location of the meteorological tower and the lidar, and the measurement status of the first and second wind data are shown in Table 1 below.
  • Wind data measured at the meteorological tower and Lada were obtained at the same height (eg, 100 m) for comparison.
  • the lidar used to acquire wind data is the WindCube v2 product from Leosphere, France, and Fig. 3 shows the installation image.
  • WindCube v2 is based on Pulsed Doppler Laser technology and uses four beams in total, one vertically and at 28 degrees cone angle spacing.
  • This WindCube v2 can measure up to 290 m from 40 m from the ground, and can set a total of 12 measurement heights.
  • the data sampling time i.e., the weather data acquisition period
  • the measured wind speed range is 0 to 55 m / s.
  • the first and second wind data acquisition units 10 and 20 of the present embodiment acquire wind speed data and wind direction data, which are wind data, respectively for a predetermined time (e.g., one second).
  • the measurement error correcting unit 31 acquires the acquired first and second wind data, Divides the second wind data into at least one first wind data group and at least one second wind data group by dividing the second wind data by a predetermined time (for example, 10 minutes), and calculates an average value of each of the divided first and second wind data groups The first and second wind data are then averaged, and the first and second wind data are averaged (S12).
  • the measurement error correcting unit 31 divides the first wind speed data, the first wind direction data, the second wind speed data and the second wind direction data, which are obtained in a time series, into at least one first wind speed data group The second wind speed data group, the second wind speed data group and the second wind direction data group, and generates the first wind speed data group, the second wind speed data group, the first wind direction data group, The average value of the two wind direction data groups is calculated.
  • the wind speed data and the wind direction data obtained in 1 second units are converted into the wind speed data and the wind direction data, which are obtained in units of 10 minutes.
  • the measurement error correcting unit 31 performs the filtering operation on the first and second wind speed data and the first and second wind direction data averaged in units of 10 minutes to improve the reliability of the corresponding data and remove the abnormal data (S13).
  • the filtering conditions are as follows.
  • condition (1) is to obtain only the wind speed data belonging to the operation section of the wind turbine generator, and the condition (2) is the value set based on the laser wave signal in order to evaluate the reliability of the wind speed data measured in Dewey Magazine, No. 38, pp. 58-64, 2011).
  • the condition is a data acquisition condition for acquiring reliable data presented by the manufacturer of LR.
  • the condition of (4) Condition since the operation of Lidar utilizes the Doppler effect of the waves that are scattered back by the fine particles in the atmosphere and the concentration of the fine particles in the atmosphere must be more than a certain level, the condition of (4) Condition.
  • the conditions (5) and (6) are the conditions defined in the international standard IEC 61400-12-1, and the conditions (5) and (6) are filtered on the basis of the first and second wind direction data . That is, the condition (5) is that the wind speed sensing part of the meteorological tower is influenced by the wake of the meteorological tower within a specific wind direction range, and flow distortion (increase / decrease of wind speed) .
  • the reference for setting the range of the airflow generated by this flow distortion is determined by the ratio of the two wind speeds detected by the two wind speed sensors installed at the same height of the vapor phase tower, As shown in FIG.
  • Equation (1) ⁇ is the disturbed sector, D n is the rotor diameter [m] of the wind turbine being operated nearby, and L n is the distance between the wind turbine and the meteorological tower
  • the surrounding obstacles correspond only to the nearby wind turbine generator units (HS139, HQ5500), and thus the exclusion bearing sections range from the wind direction angle of 92 ° to 219 °, see FIG.
  • FIG. 4 shows the measurement sector and the disturbed sector of the Gimnung demonstration complex calculated by applying the filtering condition of (6).
  • IEC 61400-12-1 an international standard for the performance test of wind power generators, specifies that only wind direction sections that are not affected by obstacles (wind turbines, buildings, mountains, etc.) around the measurement location are used for analysis This azimuth section is called the 'measurement azimuth section'.
  • an "exclusionary bearing section" in the case of a directional section in which flow distortion may occur due to these obstacles, it is referred to as an "exclusionary bearing section".
  • the measured bearing sections used in the analysis of FIG. 4 are less than 92 ° and 219 °, and the wind data extracted from the other bearing sections (exclusion bearing sections) were excluded from the analysis.
  • the number of the first and second wind speed data and the first and second wind direction data obtained in the Gimnung demonstration complex is 10,944 (data recovery rate: 100% ).
  • the wind speed data and wind direction data decreased to 5,721, indicating a reduction rate of 47.7%.
  • the measurement error correcting unit 31 calculates the flow inclination angle using the filtered second wind speed data , And stores the calculated flow inclination angle in the storage unit 32 (S14).
  • the air flow does not always blow parallel to the surface of the earth.
  • the angle of inclination of the flow means the angle between the airflow and the horizontal plane (eg the surface of the earth).
  • Equation (2) In order to calculate the wind inclination angle?, The values of the vertical component and the horizontal component of the wind speed are required and are calculated as shown in Equation (2).
  • the flow inclination angle [theta] is calculated using the filtered second wind speed data obtained in Lada, where the vector amount of the wind speed data is measured and the horizontal component and the vertical component are extracted from the measured vector amount And is stored in the storage unit 32.
  • the horizontal component and the vertical component of the filtered second wind speed data are calculated by the measurement error correcting unit 31 and stored in the storage unit 32, or may be stored in the storage unit 32 by a separate control device,
  • the horizontal component and the vertical component of the second wind speed data may be stored in the storage unit 32 by calculating the vector amount of the wind speed data.
  • the measurement error correcting unit 31 corrects the flow inclination angle? (?) Of each filtered second wind speed data by using the values of the horizontal component and the vertical component for each of the filtered second wind speed data stored in the storage unit 32 ).
  • the flow inclination angle can not be calculated using the filtered first wind speed data acquired by the gas phase tower.
  • ⁇ is calculated using the wind speed data measured in Lada (ie, the filtered second wind speed data).
  • FIG. 6 is a graph showing a correlation between an absolute flow inclination angle and an absolute error of measurement error. In case of empty interval, error bars were set by setting to 0.5 °.
  • the midpoint of the bar i.e., the error bar
  • the error bar is the average value of the measurement error within the blank interval
  • the length of the error bar is the one standard deviation of the measurement error
  • the reason why the absolute flow inclination angle is considered is to consider only the magnitude of the inclination angle itself which does not consider the direction of the angle expressed by positive and negative.
  • the bin refers to a section in which the section is defined on the basis of the inclination angle of the flow, as will be described later, and the section or bin, which is divided according to the magnitude of the flow inclination angle, Data is allocated.
  • Absolute flow slope angle is an angle obtained by taking an absolute value of the calculated slope angle of flow and is absolute L.
  • the absolute LiDAR error rate is the absolute value of the LiDAR error rate calculated by the following equation (3) to be.
  • the filtered first wind speed data for the first wind speed data measured in the gas phase tower is assumed to be a true value, and based on the filtered first wind speed data, And the second wind speed data obtained from the second wind speed data.
  • the error rate calculation was applied to the wind speed data and was calculated based on the filtered first and second wind speed data obtained at the same time.
  • the LiDAR wind speed is the filtered second wind speed data of Lada
  • the Met mast wind speed is the filtered first wind speed data of the gas phase tower
  • the filtered second wind speed data and the first wind speed data are wind speed data corresponding to each other obtained at the same time.
  • the mean error rate was 4.94% (standard deviation: 4.79%) at 116m height and 4.85% (standard deviation: 4.75%) at 100m height.
  • the measurement error correcting unit 31 calculates the turbulence intensity (TI) for each of the filtered first wind speed data using the filtered first wind speed data obtained in the gas turbine tower, (Step S15).
  • the turbulence intensity (TI), which is one of the important factors for determining the class of the IEC wind power generator, is defined as the ratio of the standard deviation of the filtered first wind speed data to the following equation (4).
  • TI is the turbulence intensity
  • FIG. 7 is a graph showing a correlation between the turbulence intensity and the absolute error rate of measurement.
  • the turbulence intensity is related to the filtered second wind speed data acquired at a height of 100 m of the gas phase tower.
  • the interval of the horizontal axis turbulence intensity is 2%.
  • the absolute standard deviation of the measurement error rate as well as the mean value of the measurement error rate increases.
  • the absolute error rate of the measurement was 3.58% to 23.94% based on the average value and 3.08% to 19.24% based on the standard deviation.
  • the measurement error correcting unit 31 uses the bin method and calculates the flow inclination angle [theta] the first and second filtered wind speed data are allocated to each of the divided bins and stored in the storage unit 32 at step S16.
  • the bins are divided based on the calculated flow inclination angle [theta], wherein the flow inclination angle intervals of each bin may be the same or different.
  • the number of filtering first and second wind speed data allocated to the divided bins is determined according to the flow inclination angle interval of the bin.
  • the flow inclination angle with respect to the filtered first wind speed data can not be calculated. Therefore, in order to classify the filtered second wind speed data belonging to each bin, the filtered second wind speed data belongs to the bin to which the corresponding filtered first wind speed data acquired at the same time belongs,
  • the first wind speed data is first wind speed data having the same time as the filtered second wind speed data.
  • An empty method is a process of classifying wind data into distinct groups (beans) based on specific conditions.
  • classifying into beans consider first that both the flow inclination angle ( ⁇ ) and the turbulence intensity (TI) And the second is to include a sufficient number of wind speed data to stabilize the correction of the measurement error per bin.
  • beans are first formed based on the flow inclination angle, and error correction is performed on each bean with reference to the turbulence intensity.
  • the first and second filtered wind speed data of the set number or more do.
  • the range of flow inclination angles of the first bin is 18 ° to -4 °
  • the number of second wind speed data corresponding to the bin is 90
  • the flow inclination angle range of the second bin is 4 ° to -3 °
  • the number of the second wind speed data is 133
  • the range of the flow inclination angle of the third bin is 3 to -2
  • the number of the second wind speed data belonging thereto is 377.
  • the range of flow angle of inclination of the fourth bin is in the range of 2 ° to -1 °
  • the number of the second wind speed data belonging to the bin is 1,112
  • the range of the flow inclination angle of the fifth bin is 1 ° to 0 °
  • the number of data is 2,242
  • the range of flow angle of inclination of the sixth bin is 0 to 1
  • the number of second wind speed data belonging to the bin is 1,259
  • the range of flow inclination angle of the seventh bin is 1 to 2
  • the number of second wind speed data belonging to this bin is 315.
  • the second inclined angle range of the eighth bin is 2 ° to 3 °
  • the number of second wind speed data belonging to the bin is 88
  • the range of the inclined angle of flow of the last ninth bin is 3 ° to 20 °
  • the number of data is 105.
  • the filtered first wind speed data is also classified into the first to eighth bins by the same number as in [Table 3].
  • the measurement error correcting unit 31 calculates Which is an error value between the filtered second wind speed data measured in Lidar and the filtered first wind speed data measured in the vapor phase, using Equation (5) (S17 ).
  • LiDAR wind speed is the value of each filtered second wind speed data
  • Met mast wind speed is the filtered second wind speed data corresponding to the value of the filtered second wind speed data, This is the value of the first wind speed data.
  • the error distribution for each bin can be confirmed.
  • the number of measurement errors [epsilon] calculated in each bin is equal to the number of filtered first and second wind speed data belonging to the liver bin.
  • the number of measurement errors calculated by the first bin is 90
  • the measurement error of the second bin is 133
  • the measurement errors of 377 are calculated in the third bin.
  • the ninth bin 105 measurement errors are calculated.
  • the turbulence intensity was calculated using the 10-minute average wind speed and standard deviation values, which were the set times measured in Lada.
  • the reason why the turbulence intensity measured in Lada is used is that the turbulence intensity should be calculated using only the wind speed data measured in Lada in the case where Lada is installed in a place where there is no nearby gas tower.
  • the absolute turbulence intensity depends on the turbulence intensity. This is based on the wind speed data measured at the meteorological tower because the wind speed data measured at the meteorological tower is assumed to be true value.
  • the estimation error equation is as shown in Equation (6).
  • TI is the corresponding turbulence intensity (%) calculated by [Equation 4]
  • a and b are the slope and y intercept of the estimation error equation, respectively.
  • This estimation error equation is calculated for each bin.
  • the first order linear method is used for the regression analysis of the estimation error formula according to the turbulence intensity of each bin.
  • the number of times the first-order function can be stably calculated through the first-order linear method through the regression analysis
  • the number of filtered first and second wind speed data belonging to each bin is determined so as to obtain an error epsilon.
  • the measurement error correcting unit 31 determines the minimum number of filtered first and second wind direction data allocated to each bin using Equation (7).
  • n is the sample size
  • beta is the significance level
  • P is the sample ratio
  • d is the error limit.
  • y is the estimation error equation
  • x is the turbulence intensity of the filtered first wind speed data corresponding to each filtered second wind speed data.
  • the measurement error correcting unit 31 calculates a corrected LiDAR wind speed for each filtered second wind speed data (LiDAR wind speed), which is the wind speed data measured in the line, using the calculated estimation error equation, With reference to the following equation (8), and stores it in the storage unit 32 (S19).
  • a corrected value (Corrected LiDAR wind speed) which is the corrected second wind speed data.
  • the estimation error correcting unit 31 outputs the corrected values of the calculated filtered wind speed data to the information output unit 33 (S20).
  • the estimation error correcting unit 31 calculates the correction values of the respective filtered second wind speed data measured in the row considering both the flow inclination angle and the turbulence intensity that affect the wind speed, A substantially accurate value can be used as the wind speed data measured in Lada compared with the corresponding filtered first wind speed data.
  • the wind speed data can be measured and used by installing the ladder which is easy to move and install in a location where the gas phase tower is not installed or in a region where the gas phase tower is difficult to install through the lidar wind speed data correction operation.
  • Two wind data were used for the verification.
  • One is the wind data obtained at the same time using the Lida and the meteorological tower at the height of 116m of the Gimnyeong demonstration complex, which is the wind data acquisition site for this embodiment, It is wind data obtained during the same period using the Lida and Meteorological Tower at a height of 70m, which is different from the Gimni Empirical Complex.
  • the wind data used in the analysis to extract the estimation error form is the wind data obtained at the height of 100m from the Lida and the meteorological tower located in the Gimnyeong Complex.
  • the wind data used in this study is the wind data of Lada and the meteorological tower at the height of 116m in the Gimnyeong demonstration complex.
  • the number of wind data before filtering was 10,944 (data recovery rate: 100%), and after filtering, the number of wind data decreased by 45.2%.
  • Lada's wind speed correction formula was calculated using Equation (8), and the wind speed data of Lada before and after correction was compared with the wind speed data of the actual weather tower to calculate the accuracy.
  • 11 and 12 show the correlation between the gas phase tower and the Lydia wind speed before and after the correction.
  • the trend line is a result of linear regression with the slice value being zero.
  • the average wind speed during the whole measurement period was 8.43m / s before the correction, and it was decreased by 0.7m / s after the correction at 8.36m / s.
  • the mean wind speed at the time of the meteorological tower is 8.31m / s, it can be confirmed that the average wind speed of Lida is closer to the average wind speed of the meteorological tower after the correction.
  • Absolute error rate was decreased from 4.94% before correction to 4.77% after correction by 0.17%.
  • the correlation of wind velocity between Lida and the meteorological tower shows that the R value increased from 0.9842 to 0.9844 by 0.0002.
  • the wind data used in this test are the weather data obtained at the height of 70m from the Lida and the meteorological tower in the water network.
  • the mean wind speed was 7.26m / s before the correction, but it was decreased by 0.22m / s after the correction to 7.04m / s. Considering that the average wind speed is 6.97m / s in the case of the meteorological tower, it can be confirmed that the average wind speed of Lida is closer to the average wind speed of the meteorological tower after the correction.
  • Absolute error rate decreased by 0.46% from 6.96% before calibration to 6.50% after calibration.
  • the correlation of wind velocity between Lida and the meteorological tower decreased by 0.0088 from 0.9649 to 0.9561.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Optimization (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

본 발명은 라이다 측정 오차 보정 장치에 관한 것으로서, 라이다에서 획득된 제2 풍속 데이터를 이용하여 각 제2 풍속 데이터에 대한 유동 경사각을 산출하고, 기상탑에서 획득된 제1 풍속 데이터를 이용하여 각 제1 풍속 데이터에 대한 난류 강도를 산출하고, 상기 유동 경사각과 상기 난류 강도를 모두 고려하여 빈 방법을 활용한 회귀분석을 실시하고, 각 빈에 대한 추정 오차식을 산출하여 추정 오차를 구하고 산출된 상기 추정 오차를 이용하여 라이다의 제2 풍속 데이터를 보정한 보정된 제2 풍속 데이터를 산출하는 측정 오차 보정부, 그리고 상기 측정 오차 보정부에 연결되어 있고, 상기 제1 및 제2 풍속 데이터가 저장되며 상기 측정 오차 보정부에 의해 산출된 데이터가 저장되는 저장부를 포함한다.

Description

지상 기반 라이다, 라이다 측정오차 보정 장치 및 방법
본 발명은 라이다 측정오차 보정 장치 및 방법에 관한 것으로서, 더욱 상세하게는 지상 기반 라이다와 지상 기반 라이다 풍속 측정오차 보정 장치 및 방법에 관한 것이다.
최근 석유나 석탄과 같은 화석 연료의 고갈이 예측되면서, 바람이나 태양열을 이용한 재생 에너지에 대한 관심이 높이지고 있다.
재생 에너지원 중 하나로 풍력 에너지(wind energy)가 존재하며, 이 풍력 에너지를 이용한 풍력 발전기의 개발 및 설치가 늘어나고 있다. 풍력 발전기에서 풍속과 풍향과 같은 바람 데이터를 매우 중요한 지표로 사용된다.
일반적으로 라이다(LiDAR, light detection and ranging)는 대기 중으로 레이저 빔을 조사하여 대기 중에 존재하는 공기분자나 에어로졸에 의해 산란된 후방산란 신호를 수신하여 수신된 후방산란 신호를 분석해 풍속, 풍향 등과 같은 대기 상태를 관측하는 측정 장비이다.
이러한 라이다는 사용되는 레이저의 파장이 다른 윈드 프로파일러(wind profiler)에 비해 짧기 때문에 먼지 등이 존재하지 않는 대기 상태에서 바람장을 측정할 수 있는 유리함이 존재하며, 이는 작은 입자에 의한 전자기파의 산란 세기가 파장의 길이에 반비례하기 때문이다.
도플러 효과(Doppler effect)를 이용하는 도플러 라이다는 레이저 빔이 공기 중에서 산란되어 돌아오면서 공기의 속도에 따라 도플러 효과가 발생하는 것을 이용하는 것으로서, 도플러 효과에 의한 파장(또는 주파수)의 변이(shift)를 측정하여 바람의 속도를 측정하게 된다.
바람 데이터를 획득하기 위해 일반적으로 바람 센서(wind sensor)가 장착된 기상탑을 이용하지만, 지형에 따라 기상탑을 설치하지 못하는 문제가 존재한다.
따라서, 기상탑 대신 지상에 설치되는 지상 기반 라이다를 이용하여 바람 데이터를 획득하고 있다.
하지만, 지상 기반 라이다와 기상탑 간의 바람 데이터 간의 오차는 바람의 유동 경사각(inclined angle)과 난류 강도(turbulence intensity)에 따라 증가하는 문제점이 존재하며, 복잡 지형의 경우, 이러한 지상 기반 라이다와 기상탑 간의 측정 데이터 오차는 더욱 증가한다.
따라서 본 발명이 이루고자 하는 기술적 과제는 지상 기반 라이다의 풍속 측정 오차를 감소시켜 라이다에 의해 수집된 풍속 데이터의 정확도를 높이기 위한 것이다.
본 발명이 이루고자 하는 다른 기술적 과제는 지상 기반 라이다의 측정오차에 영향을 미치는 요인을 고려하여 라이다의 측정오차를 감소시키기 위한 것이다.
본 발명의 한 특징에 따른 라이다 측정 오차 보정 장치는 라이다에서 획득된 제2 풍속 데이터를 이용하여 각 제2 풍속 데이터에 대한 유동 경사각을 산출하고, 기상탑에서 획득된 제1 풍속 데이터를 이용하여 각 제1 풍속 데이터에 대한 난류 강도를 산출하고, 상기 유동 경사각과 상기 난류 강도를 모두 고려하여 빈 방법을 활용한 회귀분석을 실시하고, 각 빈에 대한 추정 오차식을 산출하여 추정 오차를 구하고 상기 추정 오차를 이용하여 라이다의 제2 풍속 데이터를 보정한 보정된 제2 풍속 데이터를 산출하는 측정 오차 보정부, 그리고 상기 측정 오차 보정부에 연결되어 있고, 상기 제1 및 제2 풍속 데이터가 저장되는 저장부를 포함한다.
본 발명의 다른 특징에 따른 지상 기반 라이다는 풍속을 감지하여 해당 상태의 제2 풍속 데이터를 생성하는 풍속 감지부, 그리고 상기 풍속 감지부에 연결되어 있고, 상기 제2 풍속 데이터를 이용하여 각 제2 풍속 데이터에 대한 유동 경사각을 산출하고, 기상탑에서 획득된 제1 풍속 데이터를 이용하여 각 제1 풍속 데이터에 대한 난류 강도를 산출하고, 상기 유동 경사각과 상기 난류 강도를 모두 고려하여 빈 방법을 활용한 회귀분석을 실시하고, 각 빈에 대한 추정 오차식을 산출하여 추정 오차를 구하고 상기 추정 오차를 이용하여 라이다의 제2 풍속 데이터를 보정한 보정된 제2 풍속 데이터를 산출하는 측정 오차 보정부를 포함한다.
상기 측정 오차 보정부는 상기 유동 경사각을 이용하여 복수 개의 빈을 구획하고, 구획된 각 빈에 정해진 개수 이상의 제1 풍속 데이터와 제2 풍속 데이터를 할당하고, 상기 제1 풍속 데이터와 제2 풍속 데이터의 차이를 산출해 각 빈에 속하는 각 제2 풍속 데이터의 측정 오차를 산출하고, 산출된 각 빈의 측정 오차의 분포도를 이용한 1차 선형 방법을 사용하여 각 빈의 난류 강도에 따른 추정 오차식을 산출하여 추정 오차를 구하고, 상기 제2 풍속 데이터에서 상기 추정 오차를 차감하여 보정된 제2 풍속 데이터를 산출할 수 있다.
상기 측정 오차 보정부는 수학식
Figure PCTKR2017013651-appb-I000001
를 이용하여 구획된 각 빈에 할당되는 제1 풍속 데이터와 제2 풍속 데이터의 최소 개수를 정할 수 있다(여기서, n은 표본 크기, β는 유의수준,
Figure PCTKR2017013651-appb-I000002
은 (β/2)에 해당하는 표준정규확률변수, P는 표본비율, d는 오차한계이다.).
상기 측정 오차 보정부는, 상기 유동 경사각과 상기 난류 강도를 산출하기 전에, 제1 풍속 데이터와 상기 제2 풍속 데이터를 설정 시간 단위로 분할하여 적어도 하나의 제1 풍속 데이터군과 적어도 하나의 제2 풍속 데이터군으로 나누고, 각 제1 풍속 데이터군과 제2 풍속 데이터군의 평균치를 산출하여 평균화된 상기 제1 풍속 데이터와 상기 제2 풍속 데이터를 산출하고, 상기 평균화된 제1 풍속 데이터와 상기 제2 풍속 데이터 중 일부만을 필터링하여 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 추출하며, 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 상기 유동 경사각과 상기 난류 강도를 산출하기 위한 상기 제1 풍속 데이터와 상기 제2 풍속 데이터로서 이용할 수 있다.
상기 측정 오차 보정부는 상기 평균화된 제1 및 제2 풍속 데이터 중에서, 4 내지 16 m/s의 풍속 데이터, 라이다 CNR(Carrier to Noise Ratio) 값이 -22 dB 이상인 데이터, 라이다 데이터 가용률(Data availability)이 80 % 이상인 데이터, 그리고 강우량이 10 mm 이하일 때의 획득된 풍속 데이터를 사용하여 필터링된 제1 및 제2 풍속 데이터로 사용할 수 있다.
상기 측정 오차 보정부는 기상탑에서 획득된 제1 풍향 데이터의 유동 왜곡 값을 이용하여 제1 및 제2 풍속 데이터를 추가로 제거하고, 배제 방위 구간에 속한 풍향 각도의 범위 내에 속하는 제1 및 제2 풍속 데이터를 추가로 제거하여 필터링된 제1 및 제2 풍속 데이터로 사용할 수 있다.
상기 유동 경사각은 다음의 수학식인
Figure PCTKR2017013651-appb-I000003
(여기서, θ는 유동 경사각이고, W는 제2 풍속 데이터의 벡터량에 대한 수직 성분이며, U는 필터링된 제2 풍속 데이터의 벡터량에 대한 수평성분이다.)에 의해 산출되고, 상기 난류 강도는 다음의 수학식인
Figure PCTKR2017013651-appb-I000004
[여기서, TI는 난류 강도이고,
Figure PCTKR2017013651-appb-I000005
는 필터링된 제1 풍속 데이터의 값이고, σ는 해당 필터링된 제1 풍속 데이터가 산출된 제1 풍속 데이터군에 속하는 제1 풍속 데이터에 대한 표준편차이다.]에 의해 산출될 수 있다.
상기 추정 오차식은
Figure PCTKR2017013651-appb-I000006
(여기서,
Figure PCTKR2017013651-appb-I000007
는 추정 오차이고, TI는 난류 강도이며, a와 b는 각각 추정 오차식에 대한 기울기와 y 절편이다.)에 의해 산출될 수 있다.
본 예에서, 라이다는 지상 기반 라이다일 수 있다.
본 발명의 또 다른 특징인 라이다 측정 오차 보정 방법은 라이다에서 획득된 제2 풍속 데이터를 이용하여 각 제2 풍속 데이터에 대한 유동 경사각을 산출하는 단계, 기상탑에서 획득된 제1 풍속 데이터를 이용하여 각 제1 풍속 데이터에 대한 난류 강도를 산출하는 단계, 상기 유동 경사각을 이용하여 복수 개의 빈을 구획하고, 구획된 각 빈에 정해진 개수 이상의 제1 풍속 데이터와 제2 풍속 데이터를 할당하는 단계, 상기 제1 풍속 데이터와 제2 풍속 데이터의 차이를 산출해 각 빈에 속하는 각 제2 풍속 데이터의 측정 오차를 산출하는 단계, 산출된 각 빈의 측정 오차의 분포도를 이용한 1차 선형 방법을 사용하여 각 빈의 난류 강도에 따른 추정 오차식을 산출하여 추정 오차를 구하는 단계, 그리고 상기 제2 풍속 데이터에서 상기 추정 오차를 차감하여 보정된 제2 풍속 데이터를 산출하는 단계를 포함한다.
상기 제1 풍속 데이터와 제2 풍속 데이터를 할당하는 단계는
Figure PCTKR2017013651-appb-I000008
을 이용하여 구획된 각 빈에 할당되는 제1 풍속 데이터와 제2 풍속 데이터의 최소 개수를 정할 수 있다(여기서, n은 표본 크기, β는 유의수준,
Figure PCTKR2017013651-appb-I000009
은 (β/2)에 해당하는 표준정규확률변수, P는 표본비율, d는 오차한계이다.).
본 발명의 다른 특징인 라이다 측정 오차 보정 방법은 상기 유동 경사각과 상기 난류 강도를 산출하는 단계 이전에, 제1 풍속 데이터와 상기 제2 풍속 데이터를 설정 시간 단위로 분할하여 적어도 하나의 제1 풍속 데이터군과 적어도 하나의 제2 풍속 데이터군으로 나누는 단계, 각 제1 풍속 데이터군과 제2 풍속 데이터군의 평균치를 산출하여 평균화된 상기 제1 풍속 데이터와 상기 제2 풍속 데이터를 산출하는 단계, 상기 평균화된 제1 풍속 데이터와 상기 제2 풍속 데이터 중 일부만을 필터링하여 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 추출하는 단계, 그리고 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 상기 유동 경사각과 상기 난류 강도를 산출하기 위한 상기 제1 풍속 데이터와 상기 제2 풍속 데이터로서 이용하는 단계를 더 포함할 수 있다.
상기 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 추출하는 단계는 상기 평균화된 제1 및 제2 풍속 데이터 중에서, 4 내지 16 m/s의 풍속 데이터, 라이다 CNR(Carrier to Noise Ratio) 값이 -22 dB 이상인 데이터, 라이다 데이터 가용률(Data availability)이 80 % 이상인 데이터, 그리고 강우량이 10 mm 이하일 때의 획득된 풍속 데이터를 사용하여 필터링된 제1 및 제2 풍속 데이터로 사용할 수 있다.
또한, 상기 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 추출하는 단계는 기상탑에서 획득된 제1 풍향 데이터의 유동 왜곡 값을 이용하여 제1 및 제2 풍속 데이터를 추가로 제거하고, 배제 방위 구간에 속한 풍향 각도의 범위 내에 속하는 제1 및 제2 풍속 데이터를 추가로 제거하여 필터링된 제1 및 제2 풍속 데이터로 사용할 수 있다.
상기 유동 경사각은
Figure PCTKR2017013651-appb-I000010
(여기서, θ는 유동 경사각이고, W는 필터링된 제2 풍속 데이터의 벡터량에 대한 수직 성분이며, U는 필터링된 제2 풍속 데이터의 벡터량에 대한 수평성분이다.)에 의해 산출되고, 상기 난류 강도는
Figure PCTKR2017013651-appb-I000011
[여기서, TI는 난류 강도이고,
Figure PCTKR2017013651-appb-I000012
는 필터링된 제1 풍속 데이터의 값이고, σ는 해당 필터링된 제1 풍속 데이터가 산출된 제1 풍속 데이터군에 속하는 제1 풍속 데이터에 대한 표준편차이다.]에 의해 산출될 수 있다.
상기 추정 오차식은
Figure PCTKR2017013651-appb-I000013
(여기서,
Figure PCTKR2017013651-appb-I000014
는 추정 오차이고, TI는 난류 강도이며, a와 b는 각각 추정 오차식에 대한 기울기와 y 절편이다.)에 의해 산출될 수 있다.
이러한 특징에 따르면, 풍속에 영향을 미치는 유동 경사각과 난류 강도를 모두 고려하여 라이다에서 측정된 각 제2 풍속 데이터의 보정값을 산출하여, 라이다의 제2 풍속 데이터를 보정하므로, 기상탑에서 측정된 제1 풍속 데이터와 비교하여 실질적으로 정확도가 높은 값을 라이다에서 측정된 풍속 데이터로서 사용하게 된다.
이로 인해, 라이다에 의해 측정된 풍속 데이터의 정확도와 신뢰성이 향상된다.
또한, 이러한 라이다의 풍속 데이터 보정 동작을 통하여, 기상탑이 설치되어 있지 않는 위치나 기상탑의 설치가 곤란한 지역에 이동 및 설치가 용이한 라이다를 설치한 후 풍속 데이터를 측정하여 이용하므로, 사용자의 편리성이 향상되며, 고가의 기상상 설치 비용을 절약할 수 있다.
도 1은 본 발명의 한 실시예에 따른 라이다 측정오차 보정 장치의 블럭도이다.
도 2는 본 발명의 한 실시예에 따른 라이다 측정오차 보정 방법의 동작 순서도이다.
도 3은 본 발명의 한 실시예에 따른 라이다의 설치 모습이다.
도 4는 본 발명의 한 실시예에 따른 라이다 측정오차 보정 장치의 필터링 조건에서 장애물에 의해 생기는 유동 왜곡이 발생한 데이터를 제거하기 위한 조건을 적용하여 계산된 김녕실증단지의 측정 방위구간과 배제 방위구간의 한 예이다.
도 5는 유동 경사각의 개념을 그림으로 도시한 도면이다.
도 6은 본 발명의 한 실시예에 따른 라이다 측정오차 장치에서 절대 유동 경사각과 절대 라이다 측정오차율의 상관관계를 나타낸 그래프이다.
도 7은 본 발명의 한 실시예에 따른 라이다 측정오차 장치에서 난류 강도와 절대 라이다 측정오차율의 상관관계를 나타낸 그래프이다.
도 8은 본 발명의 한 실시예에 따른 라이다 측정오차 장치에서 100m 높이에서의 절대 유동 경사각과 난류 강도의 상관관계를 보여주는 그래프이다.
도 9는 본 발명의 한 실시예에 따른 라이다 측정오차 장치에서 유동 경사각 18° 내지 4° 에서의 난류 강도에 따른 회귀분석 결과를 도시한 도면이다.
도 10은 본 발명의 한 실시예에 따른 라이다 측정오차 장치에서 유동 경사각 2° 내지 1° 에서의 난류 강도에 따른 회귀분석 결과를 도시한 도면이다.
도 11은 본 발명의 한 실시예에 따른 라이다 측정오차 장치의 한 사례에서 측정 오차 보정 전 라이다의 풍속 데이터와 기상탑의 풍속 데이터 간의 상관관계의 한 예를 도시한 그래프이다.
도 12는 본 발명의 한 실시예에 따른 라이다 측정오차 장치의 한 사례에서 측정 오차 보정 후 라이다의 풍속 데이터와 기상탑의 풍속 데이터 간의 상관관계를 도시한 그래프이다.
도 13은 본 발명의 한 실시예에 따른 라이다 측정오차 장치의 다른 사례에서 측정 오차 보정 전 라이다의 풍속 데이터와 기상탑의 풍속 데이터 간의 상관관계의 한 예를 도시한 그래프이다.
도 14는 본 발명의 한 실시예에 따른 라이다 측정오차 장치의 다른 사례에서 측정 오차 보정 후 라이다의 풍속 데이터와 기상탑의 풍속 데이터 간의 상관관계의 한 예를 도시한 그래프이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
어떤 구성요소가 다른 구성요소에 "접속되어" 있다거나 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 접속되어 있거나 연결되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 한다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 접속되어" 있다거나 "직접 연결되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 한 실시예에 따른 라이다 측정오차 보정 장치 및 방법에 대하여 설명한다.
먼저, 도 1을 참고로 하여, 본 발명의 한 실시예에 따른 라이다 측정 오차 보정 시스템에 대하여 설명한다.
본 예의 라이다 측정 오차 보정 시스템은 기상탑에 장착되어 있는 기상탑 바람 데이터 획득부(이하, 기상탑 바람 데이터 획득부를 '제1 바람 데이터 획득부'라 함)(10), 라이다에 장착되어 있는 라이다 바람 데이터 획득부(이하, 라이다 바람 데이터 획득부를 '제2 바람 데이터 획득부'라 함)(20), 그리고 제1 바람 데이터 획득부(11) 및 제2 바람 데이터 획득부(12)에 연결되어 있는 라이다 측정 오차 보정 장치(30)를 구비한다.
제1 바람 데이터 획득부(10)는 기상탑의 정해진 위치에 설치되어 있고 바람 데이터(예, 제1 바람 데이터) 즉, 바람의 풍속과 풍향에 각각 관련된 풍속 데이터와 풍향 데이터를 획득한다.
이러한 제1 바람 데이터 획득부(10)는 바람의 세기인 풍속을 감지하여 해당 상태의 풍속 데이터를 생성해 저장하는 풍속 감지부(제1 풍속 감지부)(11)와 바람의 방향을 감지하여 해당 상태의 풍향 데이터를 생성해 저장하는 풍향 감지부(제1 풍향 감지부)(12)를 구비하고 있다.
라이다의 정해진 위치에 설치되어 있는 제2 바람 데이터 획득부(20) 역시 바람의 풍속과 풍향에 각각 관련된 풍속 데이터와 풍향 데이터를 구비한 바람 데이터(제2 바람 데이터)를 획득하여 저장한다.
따라서, 제2 바람 데이터 획득부(20)는 바람의 세기에 따른 해당 상태의 풍속 데이터를 생성해 저장하는 풍속 감지부(제2 풍속 감지부)(21)와 바람의 방향에 따른 해당 상태의 풍향 데이터를 생성하여 저장하는 풍향 감지부(제2 풍향 감지부)(22)를 구비하고 있다.
이때, 제1 및 제2 풍향 감지부(12, 22)는 각각 두 개일 수 있다.
이때, 제1 바람 데이터 획득부(20)와 제2 바람 데이터 획득부(20)는 정해진 시간 간격으로 바람 데이터를 획득한 후 기상탑과 라이다에 위치하는 별도의 저장부에 획득된 바람 데이터를 획득 시간에 대응하게 저장할 수 있다.
본 예에서, 기상탑은 정해진 위치에 설치되어 풍황 상태를 감지해 다양한 기상 데이터, 예를 들어, 풍속 데이터, 풍향 데이터, 온도, 습도 등을 감지하는 관측탑이다.
또한, 라이다는 사용자에 의해 수동으로 설치 장소의 위치 이동이 가능한 지상 기반 라이다이다.
본 예의 라이다의 측정 오차 보정 시스템의 경우, 기상탑과 라이다에서 각각 측정된 바람 데이터를 이용하여 라이다에서 측정된 바람 데이터(즉, 풍속)을 보정해 라이다에서 측정된 풍속 데이터의 정확도를 높이기 위한 것이다.
이때, 바람 데이터는 기상탑과 라이다의 각 정해진 높이 즉, 지면으로부터 설정된 높이에 설치된 각 바람 데이터 획득부(10, 20)를 이용하여 획득된다.
라이다 측정 오차 보정 장치(30)는, 도 1에 도시한 것처럼, 제1 및 제2 바람 데이터 획득부(10, 20)에 의해 획득된 제1 및 제2 바람 데이터를 수신 받는 측정 오차 보정부(31), 측정 오차 보정부(31)와 연결되어 있는 저장부(32), 그리고 측정 오차 보정부(31)와 연결되어 있는 정보 출력부(33)를 구비한다.
측정 오차 보정부(31)는 제1 및 제2 바람 데이터 획득부(10, 20)에 의해 획득된 해당 제1 및 제2 바람 데이터(즉, 제1 및 제2 풍속 데이터와 제1 및 제2 풍향 데이터)를 무선 또는 유선으로 입력 받은 후, 입력된 제1 및 제2 풍속 데이터와 제1 및 제2 풍향 데이터를 각각 필터링하고, 라이다에서 획득된 필터링된 제2 풍속 데이터를 이용하여 각 필터링된 제2 풍속 데이터에 대한 유동 경사각을 산출하고, 기상탑에서 획득된 필터링된 제1 풍속 데이터를 이용하여 각 필터링된 제1 풍속 데이터에 대한 난류 강도를 산출한다.
또한, 측정 오차 보정부(31)는 유동 경사각과 난류 강도를 모두 고려하여 빈 방법(bin method)을 활용한 회귀분석을 실시하고, 각 빈(bin)에 대한 추정 오차식을 산출하여 추정 오차를 구하고 구해진 추정 오차를 이용해 라이다의 필터링된 제2 풍속 데이터를 보정한 보정된 제2 풍속 데이터를 산출한다.
이를 좀 더 구체적으로 설명하면, 측정 오차 보정부(31)는 유동 경사각과 필터링된 제1 및 제2 풍속 데이터의 개수를 고려하여 각 빈을 구획하고 구획된 각 빈에 필터링된 제1 및 제2 풍속 데이터를 할당한 후, 필터링된 제2 풍속 데이터와 필터링된 제1 풍속 데이터의 차이를 이용해 각 빈에 속한 필터링된 제2 풍속 데이터의 측정 오차를 산출하고, 산출된 측정 오차의 분포도를 이용하여 각 빈에 대한 난류 강도에 대한 추정 오차식을 추정하여 추정 오차를 구한다.
그런 다음, 측정 오차 보정부(31)는 필터링된 각 제2 풍속 데이터에서 구해진 추정 오차를 감산하거나 가산하여 라이다의 필터링된 제2 풍속 데이터를 보정한 보정된 제2 풍속 데이터를 산출한다.
이때, 측정 오차 보정부(31)는, 필요에 따라, 필터링 동작을 생략할 수 있다.
저장부(32)는 측정 오차 보정부(31)의 동작에 필요한 데이터나 동작 중에 발생하는 데이터를 저장하는 저장 매체이다.
정보 출력부(33)는 측정 오차 보정부(31)의 동작에 따라 측정 오차 보정부(31)에서 출력되는 영상 데이터에 해당하는 영상을 화면에 출력한다.
이러한 정보 출력부(33)는 액정 디스플레이(liquid crystal display), 유기 발광 표시 장치(organic light emitting diode display), 플렉시블 디스플레이(flexible display) 및 3차원 디스플레이(3D display) 중에서 적어도 하나의 표시 장치일 수 있다.
이러한 라이다 측정 오차 보정 장치(30)는 라이다 내에 장착되어 있거나 라이다와는 별개의 장치로 구현될 수 있다.
라이다 측정 오차 보정 장치(30)가 라이다 내에 장착되는 경우, 라이다는 제2 풍속 감지부(21)와 제2 풍향 감지부(22)를 구비한 제2 바람 데이터 획득부(20), 제2 풍속 감지부(21)와 제2 풍향 감지부(22)에 연결되어 있는 측정 오차 보정부(31), 측정 오차 보정부(31)에 연결되어 있는 저장부(32), 측정 오차 보정부(31)에 연결되어 있는 정보 출력부(33)를 구비할 수 있다.
이러한 구조를 갖는 본 예의 라이다 측정 오차 보정 장치에 대한 동작은 다음과 같다.
먼저, 라이다 측정 오차 보정 시스템의 동작에 필요한 전원이 공급되어 라이다 측정 오차 보정 시스템의 동작이 시작되면 제1 및 제2 바람 데이터 획득부(10, 20)뿐만 아니라 라이다 측정 오차 보정 장치(30)의 동작이 시작된다.
따라서, 라이다 측정 오차 보정 장치(30)의 측정 오차 보정부(31)의 동작이 시작된다(S10).
측정 오차 보정부(31)의 동작이 시작되면(S10), 측정 오차 보정부(31)는 제1 및 제2 바람 데이터 획득부(10, 20)에 의해 획득된 제1 및 제2 바람 데이터를 판독한 후 저장부(32)에 저장한다(S11).
하지만, 대안적인 예에서, 제1 및 제2 바람 데이터 획득부(10, 20)에 의해 획득된 제1 및 제2 바람 데이터는 사용자 등에 의해 이미 저장부(32)에 저장되어 있거나 정해진 주기마다 제1 및 제2 바람 데이터 획득부(10, 20)로부터 전송 받아 저장부(32)에 저장되어 있을 수 있다. 따라서, 이런 경우, 측정 오차 보정부(31)는 제1 및 제2 바람 데이터 획득부(10, 20)에 의해 획득된 제1 및 제2 바람 데이터를 읽어와 저장부(32)에 저장하는 (S11)는 생략될 수 있다.
본 실시예의 실험 예를 위하여 제1 및 제2 바람 데이터를 획득하기 위한 기상탑과 라이다는 제주도 북동부 해안지역에 위치하고 있는 김녕실증단지에 설치되어 있는 기상탑과 이 기상탑 인근에 설치한 지상기반 라이다를 이용하였다.
해당 기상탑과 라이다를 이용한 제1 및 제2 바람 데이터의 측정 기간은 서로 동일하게 2014년 9월 1일부터 11월 15일까지 총 76일간이었다.
기상탑과 라이다의 설치 위치 및 제1 및 제2 바람 데이터의 측정 현황은 아래의 [표 1]과 같다.
파라미터 내용
위치 위도 33°33'54.50N
경도 126°45'55.89E
고도 2m
측정기간 2014년 9월 1일 ～ 2014년 11월 15일 (총 76일)
측정높이(기상탑) 풍속: 116, 100, 70, 30m
풍향: 116, 96m
측정높이(라이다) 풍속 & 풍향: 116, 100m
지형복잡지수(RIX) 0.22%
지형구분 해안지역
이때, 기상탑과 라이다에서 각각 측정된 바람 데이터는 상호비교를 위해 동일 높이(예, 100m)에서 획득하였다. 바람 데이터 획득을 위해 사용된 라이다는 프랑스 Leosphere 사(社)의 WindCube v2 제품이고, 도 3에 라이다 설치 사진을 도시한다.
WindCube v2는 펄스형 도플러 레이저(Pulsed Doppler Laser) 기술을 기반으로 하며, 수직으로 1개 그리고 28° 원뿔각(Cone angle) 간격으로 4개의 빔을 출사하므로, 총 5개의 빔을 사용한다.
이러한 WindCube v2는 지상에서부터 40m에서부터 290m의 높이까지 측정 가능하며, 측정높이는 총 12개까지 설정 할 수 있다. 데이터 샘플링 시간(즉, 기상 데이터 획득 주기)은 1초이고, 측정 풍속범위는 0??55m/s이다.
기상탑의 제1 바람 데이터 획득부(10)와 라이다의 자세한 사양은 [표 2]와 같다.
사항 기상탑 지상기반 라이다
풍속 풍향
모델 Thies First class advanced Thies wind vane WindCube v2
측정범위 0.3-50m/s 0-360° - 0-60m/s (풍속)
- 0-360° (풍향)
정확도 1% of meas. ±0.75 ° - 0.1m/s (풍속)
- 2° (풍향)
작동온도 -50 ~ +80 -50 ~ +80 -30 ~ +45
타입(Type) 3-cup anemometer Wind vane Pulsed Doppler laser
본 예의 제1 및 제2 바람 데이터 획득부(10, 20)는 각각 정해진 시간(예, 1초)마다 바람 데이터인 풍속 데이터와 풍향 데이터를 획득한다.
이와 같이, 제1 및 제2 바람 데이터 획득부(10, 20)에 획득된 제1 및 제2 바람 데이터가 저장부(32)에 저장되면, 측정 오차 보정부(31)는 획득된 제1 및 제2 바람 데이터를 정해진 시간(예, 10분) 단위로 나누어 적어도 하나의 제1 바람 데이터군과 적어도 하나의 제2 바람 데이터군으로 나누고, 나눠진 각 제1 및 제2 바람 데이터군의 평균값을 산출하여, 획득된 제1 및 제2 바람 데이터의 양을 감소시키며 해당 시간 단위의 제1 및 제2 바람 데이터를 평균시킨다(S12).
구체적으로, 측정 오차 보정부(31)는 시계열적으로 획득된 제1 풍속 데이터, 제1 풍향 데이터, 제2 풍속 데이터 및 제2 풍향 데이터를 각각 10분 단위로 나눠 적어도 하나의 제1 풍속 데이터군, 제2 풍속 데이터군, 제2 풍향 데이터군 및 제2 풍향 데이터군을 생성하고, 적어도 하나의 해당 데이터를 구비한 각 제1 풍속 데이터군, 제2 풍속 데이터군, 제1 풍향 데이터군 및 제2 풍향 데이터군의 평균치를 산출한다.
이로 인해, 1초 단위로 획득된 풍속 데이터와 풍향 데이터는 10분 단위로 획득된 것과 같은 풍속 데이터와 풍향 데이터로 변환된다.
다음, 측정 오차 보정부(31)는 10분 단위로 평균화된 제1 및 제2 풍속 데이터와 제1 및 제2 풍향 데이터에 대한 필터링 동작을 실시하여 해당 데이터의 신뢰성을 향상시키고 비정상적인 데이터를 제거한다(S13).
이때, 필터링 조건은 다음과 같다.
(1) 4 내지 16 m/s의 제1 및 제2 풍속 데이터 사용
(2) 라이다 CNR(Carrier to Noise Ratio) 값이 -22 dB 이상인 제1 및 제2 풍속 데이터만 사용
(3) 라이다 데이터 가용률(Data availability)이 80 % 이상인 제1 및 제2 풍속 데이터만 사용
(4) 강우량이 10 mm 이하일 때 획득된 제2 및 제2 풍속 데이터만 사용
(5) 기상탑에 의해 바람의 유동 왜곡이 발생된 제1 및 제2 풍속 데이터는 제거,
(6) 측정위치 주변의 풍력발전기, 건물, 오름 등 장애물에 의해 생기는 유동 왜곡이 발생된 제1 및 제2 풍속 데이터는 제거(IEC 61400-12-1, Annex A 참조)
대안적인 예에서, 위의 (1) 내지 (6)의 조건 중 일부는 생략될 수 있다.
(1)의 조건은 풍력 발전기의 운전 구간에 속하는 풍속 데이터만을 획득하기 위한 것이고, (2)의 조건은 라이다에서 측정된 풍속 데이터의 신뢰성을 평가하기 위하여 레이저 파의 신호를 기준으로 설정한 값이다(참고문헌: B. Canadillas, A. Westerhellweg, T. Neumann, Testing the Performance of a Ground-based Wind LiDAR System, DEWI Magazine, No. 38, pp. 58-64, 2011.).(3)의 조건은 라이다 제조사에 의해 제시된 신뢰성 있는 데이터를 취득하기 위한 데이터 취득 조건이다. 또한, 라이다의 동작이 대기 중의 미세입자에 의해 산란되어 되돌아오는 파의 도플러 효과를 이용하는 것이고, 이를 위해서는 대기 중 미세입자 농도가 일정 이상이어야 하므로 (4)의 조건은 이러한 라이다의 동작 특성을 고려한 조건이다.
또한, (5)와 (6)의 조건은 국제표준인 IEC 61400-12-1에 정해져 있는 조건이며, (5)와 (6)의 조건은 제1 및 제2 풍향 데이터를 기준으로 필터링하게 된다. 즉, (5)의 조건은 기상탑의 풍속 감지부가 특정 풍향범위 내에서 기상탑에 의한 후류(wake)의 영향을 받아 유동왜곡(풍속의 증감)이 발생할 수 있으므로 이 왜곡된 데이터를 제거하는데 목적이 있다. 이 유동왜곡이 발생된 풍향범위를 설정하는 기준은 기상탑의 동일 높이에 설치된 두 개의 풍속 감지부에 의해 각각 감지된 두 풍속 값의 비율로 결정되며, 그 비율이 1을 벗어나는 풍향범위를 유동왜곡이 발생한 구간으로 판단하게 된다.
(6)의 조건에서 인근 풍력발전기에 의해 생기는 유동왜곡의 경우, 풍력발전기 출력성능평가 국제표준인 IEC 61400-12-1에서 제시된 [수학식 1]에 의해서 유동왜곡이 발생된 풍향구간(배제 방위구간), α를 설정할 수 있다.
Figure PCTKR2017013651-appb-M000001
[수학식 1]에서, α는 배제 방위구간(disturbed sector), Dn은 인근에서 운행중인 풍력터빈의 로터 직경[m], Ln은 풍력터빈과 기상탑 사이의 거리를 의미한다(본 실험 예의 경우, 주변 장애물이 인근의 풍력발전기 2기(HS139, HQ5500)에만 해당되며 이에 따른 배제 방위구간은 풍향 각도 92°에서 219° 범위, 도 4 참조).
도 4는 (6)의 필터링 조건을 적용하여 계산된 김녕실증단지의 측정 방위구간(Measurement sector)과 배제 방위구간(Disturbed sector)을 나타낸다. 풍력 발전기의 출력성능시험을 다룬 국제표준인 IEC 61400-12-1에서는 측정위치 주변의 장애물(풍력발전기, 건물, 산 등의 지형지물)로부터 영향을 받지 않는 바람의 방향 구간만을 분석에 사용하도록 명시하고 있는데, 이 방위구간을 '측정 방위구간'이라고 부른다. 반대로 이들 장애물로 인해 유동 왜곡이 발생할 수 있는 방향 구간의 경우 '배제 방위구간'이라 한다. 도 4의 분석에 사용된 측정 방위구간은 92°미만, 219°이상이며, 이 외의 방위구간(배제 방위구간)에서 추출된 바람 데이터는 분석에서 제외하였다.
이러한 측정 오차 보정부(31)의 필터링 동작에 따르면, 김녕 실증단지에서 획득된 제1 및 제2 풍속 데이터와 제1 및 제2 풍향 데이터 각각의 개수는 100m 높이 기준 10,944개(데이터 회수율: 100%)였으며, 필터링 후에는 각 풍속 데이터와 풍향 데이터는 5,721개로 감소하여 47.7%의 감소율을 나타냈다.
이와 같이, 제1 및 제2 풍속 데이터와 제1 및 제2 풍향 데이터 각각에 대한 필터링 동작이 완료되면, 측정 오차 보정부(31)는 필터링된 제2 풍속 데이터를 이용하여 유동 경사각을 산출한 후, 산출된 유동 경사각을 저장부(32)에 저장한다(S14).
도 5와 같이, 공기흐름(기류, airflow)은 항상 지표면에 평행하게 불어오지 않는다. 유동 경사각(θ)은 공기흐름과 수평면(예, 지표면) 사이의 각도를 의미한다.
이러한 바람의 유동 경사각(θ)을 계산하기 위해서는 풍속의 수직 성분과 수평 성분의 값이 필요하며, [수학식 2]와 같이 계산된다.
Figure PCTKR2017013651-appb-M000002
본 예의 경우, 유동 경사각(θ)은 라이다에서 획득된 필터링된 제2 풍속 데이터를 이용하여 계산되는데, 라이다의 경우 풍속 데이터의 벡터량이 측정되며 측정된 벡터량으로부터 수평성분과 수직성분이 추출되어 저장부(32)에 저장된다.
이때, 필터링된 제2 풍속 데이터에 대한 수평 성분과 수직 성분은 측정 오차 보정부(31)에 의해 산출되어 저장부(32)에 저장되어 있거나, 별도의 제어 장치에 의해 라이다의 필터링된 제2 풍속 데이터의 벡터량을 산출하여 제2 풍속 데이터의 수평 성분과 수직 성분이 저장부(32)에 저장되어 있을 수 있다.
따라서, 측정 오차 보정부(31)는 저장부(32)에 저장되어 있는 필터링된 제2 풍속 데이터 각각에 대한 수평 성분 및 수직 성분의 값을 이용하여 각 필터링된 제2 풍속 데이터의 유동 경사각(θ)을 산출하게 된다.
기상탑에 설치된 풍속계(즉, 풍속 감지부)의 경우, 풍속의 수평 성분만 측정 가능하므로, 기상탑에 의해 획득된 필터링된 제1 풍속 데이터를 이용해서는 유동 경사각을 산출할 수 없으므로, 유동 경사각(θ)은 라이다에서 측정된 풍속 데이터(즉, 필터링된 제2 풍속 데이터)를 이용해 산출된다.
도 6은 절대 유동 경사각과 절대 라이다 측정오차율의 상관관계를 나타낸 그래프이다. 빈 간격의 경우 0.5°로 설정하여 오차막대를 표시하였다.
도 6에서, 막대 즉, 오차막대(Error bar)의 중간점은 빈 구간 내 측정오차의 평균값이며, 오차막대의 길이는 측정오차의 단일 표준편차(One standard deviation)이다.
한편, 빈 구간 내 데이터 수가 10개 미만인 경우에는 표시하지 않았다. 여기서 절대 유동 경사각을 고려한 이유는 양과 음으로 표시되는 각도의 방향을 고려치 않은 경사각 자체의 크기만을 고려하기 위함이다.
또한, 둘 사이의 상관관계를 분석하기 위해 선형회귀분석을 수행하였으며, 그에 따른 결정계수(R2)를 표시하였다. 도 6의 그래프에서 확인할 수 있듯이, 절대 유동 경사각이 증가할수록 절대 라이다 측정오차율의 평균값 역시 증가하고 있으며, R2 값은 0.77(R=0.88)로 유동 경사각과 라이다 측정 오차율은 서로 높은 상관관계를 보이고 있음을 알 수 있었다. 한편, 절대 라이다 측정오차율은 평균값 기준 4.58 내지 13.40%, 표준편차 기준 4.45 내지 13.63%의 분포를 보였다.
여기서, 빈(bin)은, 다음에 기술하는 것처럼, 유동 경사각을 기초하여 구획이 정해져 있는 구간을 의미하며, 유동 경사각의 크기에 따라 구획된 구간 즉 빈에는 정해진 개수 이상의 필터링 제1 및 제2 풍속 데이터가 할당된다.
절대 유동 경사각은 산출된 유동 경사각에 절댓값을 취한 각도이고, 절대 라이다 측정오차율(absolute LiDAR error rate)은 아래의 [수학식 3]에 의해 산출된 라이다 측정 오차율(LiDAR error rate)의 절대값이다.
라이다 측정 오차율(LiDAR error rate)을 산출하기 위해, 기상탑에서 측정된 제1 풍속 데이터에 대한 필터링된 제1 풍속 데이터를 참값으로 가정하였고, 이 필터링된 제1 풍속 데이터를 기준으로 하여 라이다에서 획득된 제2 풍속 데이터에 대한 필터링된 제2 풍속 데이터의 측정오차를 계산하였다. 또한, 오차율 계산은 풍속 데이터에 적용했으며, 동시간에 획득된 필터링된 제1 및 제2 풍속 데이터를 기준으로 계산하였다.
Figure PCTKR2017013651-appb-M000003
여기서, LiDAR wind speed는 라이다의 필터링된 제2 풍속 데이터이고, Met mast wind speed는 기상탑의 필터링된 제1 풍속 데이터이며, 이들 필터링된 제2 풍속 데이터(LiDAR wind speed)와 제1 풍속 데이터(Met mast wind speed)는 동일 시간에 획득된 서로 대응되는 풍속 데이터이다.
김녕실증단지에서 절대 라이다 측정오차율은 116m 높이에서 평균 4.94%(표준편차: 4.79%)이었고, 100m 높이에서 평균 4.85%(표준편차: 4.75%)로 나타났다.
다시, 도 2로 돌아가, 측정 오차 보정부(31)는 기상탑에서 획득된 필터링된 제1 풍속 데이터를 이용하여 필티링된 제1 풍속 데이터 각각에 대한 난류 강도(TI)를 산출한 후 저장부(32)에 저장한다(S15).
이러한 유동 경사각(θ)과 난류 강도(TI)는 필터링된 해당 제2 및 제1 풍속 데이터 각각에 대하여 산출되므로, 필터링된 제 1 및 제2 풍속 데이터의 개수가 각각 5,721개이면 이때 산출된 유동 경사각(θ)과 난류 강도(TI)의 개수 역시 각각 5,721개가 된다.
IEC 풍력발전기의 등급(class)을 결정하는 중요한 요소 중 하나인 난류 강도(TI)는 필터링된 제1 풍속 데이터에 대한 표준 편차의 비로 정의되며, 다음의 [수학식 4]에 의해 산출된다.
Figure PCTKR2017013651-appb-M000004
[여기서, TI는 난류 강도이고,
Figure PCTKR2017013651-appb-I000015
는 필터링 동작 후 남은 제1 풍속 데이터군의 평균값인 필터링된 제1 풍속 데이터의 값이고, σ는 해당 필터링된 제1 풍속 데이터가 산출된 제1 풍속 데이터군에 속하는 제1 풍속 데이터에 대한 표준편차이다.
도 7은 난류 강도와 절대 라이다 측정오차율의 상관관계를 나타낸 그래프이다.
도 7에서, 난류 강도는 기상탑의 100m 높이에 획득된 필터링된 제2 풍속 데이터에 관한 것이며, 이때, 도 7에서, 가로축인 난류 강도의 간격은 2%이다.
도 7에 도시한 것처럼, 난류 강도가 증가할수록 절대 라이다 측정오차율의 평균값은 물론 단일 표준편차 역시 뚜렷하게 증가하고 있었다. 그리고 선형회귀분석 결과, 상관관계 분석에서 결정계수(coefficient of determination)을 나타내는 R2 값은 0.93(R=0.96)으로서 매우 높은 상관관계를 보이고 있음을 확인할 수 있었다. 또한, 절대 라이다 측정오차율은 평균값 기준 3.58% 내지 23.94%, 표준편차 기준 3.08% 내지 19.24%의 분포를 나타냈다.
이와 같이, 각 필터링된 제2 풍속 데이터와 각 필터링된 제1 풍속 데이터에 대한 유동 경사각(θ)과 난류 강도(TI)가 산출되면, 측정 오차 보정부(31)는 빈 방법을 이용하고 유동 경사각(θ)을 고려하여 복수 개의 빈을 구획하고, 적어도 하나의 필터링된 제1 및 제2 풍속 데이터를 각 구획된 빈에 할당시켜 저장부(32)에 저장한다(S16).
따라서, 빈은 산출된 유동 경사각(θ)을 기초로 하여 나눠지고, 이때 각 빈의 유동 경사각 간격은 서로 동일하거나 상이할 수 있다.
또한, 구획된 빈에 할당되는 필터링 제1 및 제2 풍속 데이터의 개수는 해당 빈의 유동 경사각 간격에 따라 정해진다.
예를 들어, 첫 번째 빈의 유동 경사각의 범위가 18° 내지 -4°이면, 필터링된 제2 풍속 데이터 중에서 유동 경사각(θ)이 -18°에서 -4°를 갖는 필터링된 제2 풍속 데이터는 첫 번째 빈에 속하게 된다.
이미 설명한 것처럼, 필터링된 제1 풍속 데이터에 대한 유동 경사각은 산출되지 못한다. 따라서, 각 빈에 속하는 필터링된 제2 풍속 데이터를 분류하기 위해, 필터링된 제2 풍속 데이터는 동일 시간에 획득된 대응하는 필터링된 제1 풍속 데이터가 속한 빈에 속하게 되므로, 첫 번째 빈에 속하는 필터링 제1 풍속 데이터는 해당 필터링된 제2 풍속 데이터와 동일 시간을 갖는 제1 풍속 데이터이다.
빈 방법이란 바람 데이터를 특정 조건에 기인하여 별개의 그룹(빈)으로 분류하는 과정을 의미하며, 빈으로 분류할 때 고려 사항은 첫 번째로 유동 경사각(θ)과 난류 강도(TI) 모두를 동시에 고려하여 측정 오차를 보정할 수 있도록 빈을 구성하여야 하며, 두 번째로는 각 빈 당 측정 오차의 보정 동작이 안정적으로 이루어질 수 있을 정도의 충분한 개수의 풍속 데이터가 포함되어야 한다는 것이다.
도 8은 100m 높이에서 측정된 필터링된 제2 풍속 데이터에 대한 유동 경사각의 절대값인 절대 유동 경사각과 난류 강도의 상관관계를 보여주는 그래프로서, 도 8에 도시한 것처럼 유동 경사각이 증가할수록 난류 강도 역시 대체적으로 증가하고 있었고, 결정계수 R2값이 0.56(R=0.74)으로 유동 경사각과 난류 강도는 상관성이 있다는 것을 의미한다.
따라서, 유동 경사각과 난류 강도를 각각 별개로 하여 라이다의 제2 풍속 데이터의 측정 오차를 보정할 경우, 측정 오차가 중복되어 해석될 가능성이 있으므로, 유동 경사각과 난류 강도를 동시에 고려하여 측정 오차의 보정이 이루어져야 한다.
이를 위해, 본 예의 경우, 빈을 분류할 때, 우선적으로 유동 경사각을 기준으로 하여 빈을 구성하고, 각 빈에 대해서는 난류 강도를 기준으로 오차 보정을 실시한다.
또한, 본 예의 경우, 각 빈에 대한 안정적인 필터링된 제1 및 제2 풍속 데이터의 개수를 확보하기 위해 설정 개수 이상(예, 80개)의 해당 필터링된 제1 및 제2 풍속 데이터가 각각 포함되도록 한다.
하나의 예로서, [표 3]에 구획된 빈과 각 빈에 할당되는 제2 풍속 데이터의 개수를 도시한다.
필터링된 제2 풍속 데이터의 유동 경사각
각 빈의 시작 각도 -18도 -4도 -3도 -2도 -1도 0도 1도 2도 3도
각 빈의 끝 각도 -4도 -3도 -2도 -1도 0도 1도 2도 3도 20도
데이터 수 90개 133개 377개 1,112개 2,242개 1,259개 315개 88개 105개
[표 3]의 경우, 구획된 빈의 개수는 총 9개이고, 산출된 각 필터링된 제2 풍속 데이터의 유동 경사각(θ)의 최소 각도는 -18°이고 최대 각도는 20°이다.
제1 빈의 유동 경사각 범위는 18° 내지 -4° 이며 이 빈에 해당하는 제2 풍속 데이터의 개수는 90개이고, 제2 빈의 유동 경사각 범위는 4° 내지 -3°이며 이 빈에 해당하는 제2 풍속 데이터의 개수는 133개이고, 제3 빈의 유동 경사각 범위는 3° 내지 -2°이며 이에 속한 제2 풍속 데이터의 개수는 377개이다.
제4 빈의 유동 경사각 범위는 2° 내지 -1°이며 이 빈에 속한 제2 풍속 데이터의 개수는 1,112개이고, 제5 빈의 유동 경사각 범위는 1° 내지 0°이며 이 빈에 속한 제2 풍속 데이터의 개수는 2,242개이며, 제6 빈의 유동 경사각 범위는 0° 내지 1°이며 이 빈에 속한 제2 풍속 데이터의 개수는 1,259개이고, 제7 빈의 유동 경사각 범위는 1° 내지 2°이며 이 빈에 속한 제2 풍속 데이터의 개수는 315개이다. 제8 빈의 유동 경사각 범위는 2° 내지 3°이며 이 빈에 속한 제2 풍속 데이터의 개수는 88개이고, 마지막 제9 빈의 유동 경사각 범위는 3° 내지 20°이며 이 빈에 속한 제2 풍속 데이터의 개수는 105개이다.
도시하지 않았지만, 필터링된 제1 풍속 데이터 역시 제1 내지 제8 빈에 [표 3]과 동일한 개수만큼 분류된다.
이와 같이, 필터링된 제2 풍속 데이터의 유동 경사각을 고려하여 빈과 각 빈에 속하는 해당 필터링된 제1 및 제2 풍속 데이터가 정해지면, 측정 오차 보정부(31)는 나눠진 각 빈에 대한 라이다의 측정 오차(ε), 즉 라이다에서 측정된 필터링된 제2 풍속 데이터와 기상탕에서 측정된 필터링된 제1 풍속 데이터 간의 오차값인 측정 오차를 [수학식 5]를 이용하여 산출한다(S17).
Figure PCTKR2017013651-appb-M000005
(여기서, ε는 측정 오차이고, LiDAR wind speed는 각 필터링된 제2 풍속 데이터의 값이고, Met mast wind speed는 해당 필터링된 제2 풍속 데이터의 값에 대응하는, 즉 동 시간에 해당하는 필터링된 제1 풍속 데이터의 값이다.)
이처럼, 각 빈에 속한 필터링된 제2 풍속 데이터와 필터링된 제1 풍속 데이터를 이용하여 각 빈에 대한 측정 오차(ε)가 산출되면, 각 빈에 대한 오차 분포도를 확인할 수 있게 된다.
이때, 각 빈에서 산출된 측정 오차(ε)의 개수는 간 빈에 속한 필터링된 제1 및 제2 풍속 데이터의 개수와 동일하다.
따라서, [표 3]를 참고로 하면, 제1 빈에 의해 산출된 측정 오차의 개수는 90개이고, 제2 빈의 측정 오차는 133개이고, 제3 빈에서는 377개의 측정 오차가 산출된다. 또한 제9 빈에서는 105개의 측정 오차가 산출된다.
이미 설명한 것처럼, 난류 강도는 라이다에서 측정된 설정 시간인 10분 평균풍속과 표준편차 값을 사용하여 계산하였다. 여기서, 라이다에서 측정된 난류 강도를 사용한 이유는 인근에 기상탑이 없는 위치에 라이다를 설치하는 경우에는 라이다에서 측정된 풍속 데이터만을 이용하여 난류 강도를 산출해야 하기 때문이다.
하지만, 난류 강도에 따른 절대 라이다 측정 오차율 분석 시에는 기상탑의 난류 강도를 고려한다. 이는 기상탑에서 측정된 풍속 데이터가 참값이라고 가정하였기 때문에 기상탑에서 측정된 풍속 데이터를 기준으로 사용한 것이다.
이와 같이, 각 빈에 대한 측정 오차(ε)가 산출되면, 측정 오차 보정부(31)는 측정 오차(ε)의 분포도를 고려하여 추정 오차(
Figure PCTKR2017013651-appb-I000016
)를 구하기 위한 추정 오차식을 산출한다. 추정 오차식은 [수학식 6]와 같다.
Figure PCTKR2017013651-appb-M000006
(여기서,
Figure PCTKR2017013651-appb-I000017
는 추정 오차이고, TI는 [수학식 4]에 의해 산출된 해당 난류 강도(%)이며, a와 b는 각각 추정 오차식에 대한 기울기와 y 절편이다.)
이러한 추정 오차식은 각 빈마다 하나씩 산출된다. 각 빈의 난류 강도에 따른 추정 오차식의 회귀분석은 1차 선형방법을 사용한다.
따라서, 빈을 구획하고 각 빈에 해당하는 제1 및 제2 풍속 데이터를 할당할 때, 회귀분석을 통한 1차 선형 방식을 통해 1차 함수의 그래프를 안정적으로 산출할 수 있을 정도의 개수의 측정 오차(ε)를 획득할 수 있도록 각 빈에 속하는 필터링된 제1 및 제2 풍속 데이터의 개수를 정한다.
이 때, 각 빈 당 데이터 개수의 최소 설정 기준은 제1 풍속 데이터와 필터링된 제2 풍속 데이터 각각의 전체 개수, 예를 들어 5,721개의 측정 오차(ε)가 정규분포를 이루고 있으므로[콜모고로프-스미르노프 검증(Kolmogorov-Smirnov test) 결과, p-value=0.9633], 각 빈에 들어가는 측정오차가 모분포와 같이 정규분포를 이룬다는 가정 하에 표본크기를 결정하는 [수학식 7]에 의해서 결정되었다.
따라서, 측정 오차 보정부(31)는 [수학식 7]을 이용하여 각 빈에 할당되는 필터링된 제1 및 제2 풍향 데이터의 최소 개수를 정하게 된다.
Figure PCTKR2017013651-appb-M000007
(여기서, n은 표본 크기, β는 유의수준, 은 (β/2)에 해당하는 표준정규확률변수, P는 표본비율, d는 오차한계이다.)
빈 당 데이터 개수 최소 설정 값을 정하기 위해 90% 신뢰수준에 표본비율 0.5, 오차한계 10%를 감안하였고, 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터 각각의 전체 개수가 5,721개인 경우의 계산결과 최소 69개 이상의 데이터를 확보해야 한다는 결과를 얻었다. 이로 인해, 본 예의 경우, 각 빈 당 할당되는 필터링된 제1 및 제2 풍속 데이터의 개수가 69개 이상이 들어가도록 빈을 구획하였다.
[수학식 6]에 의해 산출된 추정 오차식의 결과는 도 9 및 도 10, 그리고 [표 4]과 같다. 도 9과 도 10은 제1 빈과 제4 빈에 대한 회귀분석 그래프의 예시이고, [표 4]는 [표 3]에 도시한 각 빈에 대한 추정 오차식의 결과의 한 예이다.
본 예의 도면에 도시된 그래프에 표기된 회귀식에서 y는 추정 오차식이고, x는 각 필터링된 제2 풍속 데이터에 대응하는 필터링된 제1 풍속 데이터의 난류 강도를 의미한다.
도 9는 제1 빈에 대한 회귀분석 그래프를 도시하고 제1 빈의 추정 오차식이 y=0.0393x-0.5775이므로, 도 10은 제4 빈에 대한 회귀분석 그래프를 도시하며 제4 빈의 추정 오차식이 y=0.0113x-0.0523이다.
필터링된 제2 풍속데이터의 유동 경사각
각 빈의 시작각도 -18 -4 -3 -2 -1 0 1 2 3
각 빈의 끝각도 -4 -3 -2 -1 0 1 2 3 20
기울기(a) 0.0393 -0.0176 0.0035 0.0113 -0.0008 0.0069 -0.0053 0.0230 -0.0174
절편(b) -0.5775 0.1557 -0.0112 -0.0523 0.0725 0.0723 0.0732 0.0472 0.7043
R 0.8623 -0.7829 0.1359 0.6154 -0.1172 0.4175 -0.4169 0.4047 -0.2705
데이터 수 90 133 377 1,112 2,242 1,259 315 88 105
그런 다음, 측정 오차 보정부(31)는 산출된 해당 추정 오차식을 이용하여 라이다에서 측정된 풍속 데이터인 각 필터링된 제2 풍속 데이터(LiDAR wind speed)에 대한 보정값(Corrected LiDAR wind speed)을 다음의 [수학식 8]을 참고로 하여 산출한 후 저장부(32)에 저장한다(S19). [수학식 8]에 도시한 것처럼, 라이다에서 획득된 각 필터링된 풍속 데이터에서 추정 오차식의 결과값인 추정 오차(
Figure PCTKR2017013651-appb-I000019
)의 크기만큼 감산하여 보정된 제2 풍속 데이터인 보정값(Corrected LiDAR wind speed)을 산출한다.
Figure PCTKR2017013651-appb-M000008
그런 다음, 추정 오차 보정부(31)는 산출된 각 필터링된 풍속 데이터의 보정값을 정보 출력부(33)로 출력한다(S20).
이와 같이, 추정 오차 보정부(31)는 풍속에 영향을 미치는 유동 경사각과 난류 강도를 모두 고려하여 라이다에서 측정된 각 필터링된 제2 풍속 데이터의 보정값을 산출하므로, 기상탑에서 측정된 각 대응 필터링된 제1 풍속 데이터와 비교하여 실질적으로 정확도가 높은 값을 라이다에서 측정된 풍속 데이터로서 사용할 수 있다.
이러한 라이다의 풍속 데이터 보정 동작을 통하여, 기상탑이 설치되어 있지 않는 위치나 기상탑의 설치가 곤란한 지역에 이동 및 설치가 용이한 라이다를 설치한 후 풍속 데이터를 측정하여 이용할 수 있다.
다음, 이러한 빈 방법에 의한 라이다에서 측정된 풍속 데이터를 보정하기 위한 보정값의 결과를 검증하였다.
산출된 보정값을 검증하기 위해, 실시예에 사용된 바람 데이터 이외에 다른 높이와 다른 위치에서 측정된 라이다와 기상탑에서 각각 획득된 바람 데이터를 활용하였다.
총 두 가지 바람 데이터를 검증에 활용하였으며, 하나는 본 실시예를 위한 바람 데이터 획득 장소인 김녕실증단지의 116m 높이에서 라이다와 기상탑을 이용하여 동일한 기간에 획득된 바람 데이터이고, 다른 하나는 김녕실증단지와 다른 위치인 수망의 70m 높이에서 라이다와 기상탑을 이용해 동일 기간 동안 획득한 바람 데이터이다.
1. 사례 1 (측정 위치: 김녕실증단지, 측정 높이: 116m)
추정 오차식을 추출하기 위해 분석에 사용된 바람 데이터는 김녕실증단지에 위치한 라이다와 기상탑의 100m 높이에서 획득한 동 기간의 바람 데이터이다. 한편, 본 검증에 사용된 바람 데이터는 김녕실증단지의 116m 높이에서 획득한 라이다와 기상탑의 동기간의 바람 데이터이다. 116m 높이의 바람 데이터의 경우 필터링 전 각 바람 데이터 수는 10,944개(데이터 회수율: 100%)였으며, 필터링 후에는 5,998개로 해당 바람 데이터의 수는 45.2% 감소하였다.
라이다의 풍속 보정식은 [수학식 8]을 이용하여 산출되었고, 보정 전과 후의 라이다의 풍속 데이터는 실제 기상탑의 풍속 데이터와 비교하여 정확도를 계산하였다.
라이다의 풍속 데이터 보정 결과는 [표 5]와 도 11 및 도 12와 같다.
도 11과 도 12는 보정 전과 후의 기상탑과 라이다 풍속간의 상관관계를 보여주며, 이때, 추세선은 절편 값을 0으로 주고 선형 회귀시킨 결과이다.
전체 측정기간 동안 평균풍속의 경우, 보정 전에는 8.43m/s였는데 보정 후에는 8.36m/s로 0.7m/s 감소하였다. 기상탑의 경우 동기간 평균풍속이 8.31m/s임을 감안할 때, 보정 후에 라이다의 평균풍속이 기상탑의 평균풍속에 더욱 근접하고 있음을 확인할 수 있었다.
절대 측정오차율의 경우 보정 전에는 4.94%에서 보정 후에는 4.77%로 0.17% 감소하였다. 라이다와 기상탑의 풍속 상관관계는 R값이 0.9842에서 0.9844로 0.0002 증가하였음을 알 수 있다.
라이다의 평균풍속 절대 측정오차율 라이다-기상탑 풍속 상관관계(R)
보정 전 8.43m/s(기상탑의 경우 동기간 8.31m/s) 4.94% 0.9842
보정 후 8.36m/s 4.77% 0.9844
증감량 -0.7m/s -0.17% +0.0002
이와 같이, 라이다의 풍속 데이터의 측정 오차 보정 결과, 사례 1에서는 보정 후에 데이터 정확도가 증가함을 확인할 수 있으며, 이로 인해, 본 예의 오차 보정식은 유효하다고 판단할 수 있다.
2. 사례 2 (측정 위치: 수망, 측정 높이: 70m)
본 검증에 사용된 바람 데이터는 수망에 위치한 라이다와 기상탑의 70m 높이에서 동 기간에 획득된 날씨 데이터이며, 측정 위치인 수망의 정보와 측정현황은 [표 6]과 같다.
수망은 제주도 내 중산간 지역에 위치해 있고, 반경 약 5km안에 9개의 기생화산(해발고도: 429-717m)이 분포해있는 복잡지형이다. 한편, 필터링 전 바람 데이터의 수는 1,829개(데이터 회수율: 100%)였으며, 필터링 후에는 바람 데이터의 수는 1,128개로 38.3% 감소하였다.
파라미터 내용
위치 위도 33°21'9.94N
경도 126°40'20.45E
고도 362.2 m
측정기간 2015년 2월 4일 ～ 2015년 2월 17일 (총 14일)
측정높이 (기상탑) 풍속: 70, 60, 50, 40 m
풍향: 70, 40 m
측정높이 (지상기반 라이다) 풍속 & 풍향: 70 m
RIX 2.91 %
지형구분 산악지형
라이다의 풍속 데이터 보정 결과는 [표 7]과 도 13 및 도 14와 같다.
평균풍속의 경우, 보정 전에는 7.26m/s였는데 보정 후에는 7.04m/s로 0.22m/s 감소하였다. 기상탑의 경우 동기간 평균풍속이 6.97m/s임을 감안할 때, 보정 후에 라이다의 평균풍속이 기상탑의 평균풍속에 더욱 근접하고 있음을 확인할 수 있었다.
절대 측정오차율의 경우 보정 전에는 6.96%에서 보정 후에는 6.50%로 0.46% 감소하였다. 라이다와 기상탑의 풍속 상관관계는 R값이 0.9649에서 0.9561로 0.0088 감소하였다.
라이다의 평균풍속 절대 측정오차율 라이다-기상탑 풍속 상관관계(R)
보정 전 7.26m/s(기상탑의 경우, 동기간 6.97m/s) 6.96% 0.9649
보정 후 7.04m/s 6.50% 0.9561
증감량 -0.22m/s -0.46% -0.0088
이처럼, 라이다의 풍속 데이터의 측정오차 보정 결과, 사례 2에서는 보정 후에 상관관계(R)를 제외하고 대부분의 수치에서 데이터 정확도가 증가함을 확인할 수 있었고, 이로 인해, 본 예의 오차 보정식이 유효하다고 판단할 수가 있다.
이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (24)

  1. 라이다에서 획득된 제2 풍속 데이터를 이용하여 각 제2 풍속 데이터에 대한 유동 경사각을 산출하고, 기상탑에서 획득된 제1 풍속 데이터를 이용하여 각 제1 풍속 데이터에 대한 난류 강도를 산출하고, 상기 유동 경사각과 상기 난류 강도를 모두 고려하여 빈 방법을 활용한 회귀분석을 실시하고, 각 빈에 대한 추정 오차식을 산출하여 추정 오차를 구하고, 상기 추정 오차를 이용하여 라이다의 제2 풍속 데이터를 보정한 보정된 제2 풍속 데이터를 산출하는 측정 오차 보정부, 그리고
    상기 측정 오차 보정부에 연결되어 있고, 상기 제1 및 제2 풍속 데이터가 저장되는 저장부
    를 포함하는 라이다 측정 오차 보정 장치.
  2. 제1항에서,
    상기 측정 오차 보정부는,
    상기 유동 경사각을 이용하여 복수 개의 빈을 구획하고, 구획된 각 빈에 정해진 개수 이상의 제1 풍속 데이터와 제2 풍속 데이터를 할당하고,
    상기 제1 풍속 데이터와 제2 풍속 데이터의 차이를 산출해 각 빈에 속하는 각 제2 풍속 데이터의 측정 오차를 산출하고,
    산출된 각 빈의 측정 오차의 분포도를 이용한 1차 선형 방법을 사용하여 각 빈의 난류 강도에 따른 추정 오차식을 산출하여 추정 오차를 구하고,
    상기 제2 풍속 데이터에서 상기 추정 오차를 차감하여 보정된 제2 풍속 데이터를 산출하는
    라이다 측정 오차 보정 장치.
  3. 제2항에서,
    상기 측정 오차 보정부는 다음의 수학식을 이용하여 구획된 각 빈에 할당되는 제1 풍속 데이터와 제2 풍속 데이터의 최소 개수를 정하는
    Figure PCTKR2017013651-appb-I000020
    (여기서, n은 표본 크기, β는 유의수준,
    Figure PCTKR2017013651-appb-I000021
    은 (β/2)에 해당하는 표준정규확률변수, P는 표본비율, d는 오차한계이다.)
    라이다 측정 오차 보정 장치.
  4. 제1항에서,
    상기 측정 오차 보정부는, 상기 유동 경사각과 상기 난류 강도를 산출하기 전에, 제1 풍속 데이터와 상기 제2 풍속 데이터를 설정 시간 단위로 분할하여 적어도 하나의 제1 풍속 데이터군과 적어도 하나의 제2 풍속 데이터군으로 나누고, 각 제1 풍속 데이터군과 제2 풍속 데이터군의 평균치를 산출하여 평균화된 상기 제1 풍속 데이터와 상기 제2 풍속 데이터를 산출하고, 상기 평균화된 제1 풍속 데이터와 상기 제2 풍속 데이터 중 일부만을 필터링하여 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 추출하며, 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 상기 유동 경사각과 상기 난류 강도를 산출하기 위한 상기 제1 풍속 데이터와 상기 제2 풍속 데이터로서 이용하는 라이다 측정 오차 보정 장치.
  5. 제4항에서,
    상기 측정 오차 보정부는 상기 평균화된 제1 및 제2 풍속 데이터 중에서, 4 내지 16 m/s의 풍속 데이터, 라이다 CNR(Carrier to Noise Ratio) 값이 -22 dB 이상인 데이터, 라이다 데이터 가용률(Data availability)이 80 % 이상인 데이터, 그리고 강우량이 10 mm 이하일 때의 획득된 풍속 데이터를 사용하여 필터링된 제1 및 제2 풍속 데이터로 사용하는
    라이다 측정 오차 보정 장치.
  6. 제5항에서,
    상기 측정 오차 보정부는 기상탑에서 획득된 제1 풍향 데이터의 유동 왜곡 값을 이용하여 제1 및 제2 풍속 데이터를 추가로 제거하고, 배제 방위 구간에 속한 풍향 각도의 범위 내에 속하는 제1 및 제2 풍속 데이터를 추가로 제거하여 필터링된 제1 및 제2 풍속 데이터로 사용하는 라이다 측정 오차 보정 장치.
  7. 제4항에서,
    상기 유동 경사각은 다음의 수학식에 의해 산출되고,
    Figure PCTKR2017013651-appb-I000022
    (여기서, θ는 유동 경사각이고, W는 제2 풍속 데이터의 벡터량에 대한 수직 성분이며, U는 필터링된 제2 풍속 데이터의 벡터량에 대한 수평성분이다.)
    상기 난류 강도는 다음의 수학식에 의해 산출되는
    Figure PCTKR2017013651-appb-I000023
    [여기서, TI는 난류 강도이고,
    Figure PCTKR2017013651-appb-I000024
    는 필터링된 제1 풍속 데이터의 값이고, σ는 해당 필터링된 제1 풍속 데이터가 산출된 제1 풍속 데이터군에 속하는 제1 풍속 데이터에 대한 표준편차이다.]
    라이다 측정 오차 보정 장치.
  8. 제7항에서,
    상기 추정 오차식은 다음의 수학식에 의해 산출되는
    Figure PCTKR2017013651-appb-I000025
    (여기서,
    Figure PCTKR2017013651-appb-I000026
    는 추정 오차이고, TI는 난류 강도이며, a와 b는 각각 추정 오차식에 대한 기울기와 y 절편이다.)
    라이다 측정 오차 보정 장치.
  9. 제1항 내지 제8항 중 한 항에서,
    상기 라이다는 지상 기반 라이다인 라이다 측정 오차 보정 장치.
  10. 라이다에서 획득된 제2 풍속 데이터를 이용하여 각 제2 풍속 데이터에 대한 유동 경사각을 산출하는 단계,
    기상탑에서 획득된 제1 풍속 데이터를 이용하여 각 제1 풍속 데이터에 대한 난류 강도를 산출하는 단계,
    상기 유동 경사각을 이용하여 복수 개의 빈을 구획하고, 구획된 각 빈에 정해진 개수 이상의 제1 풍속 데이터와 제2 풍속 데이터를 할당하는 단계,
    상기 제1 풍속 데이터와 제2 풍속 데이터의 차이를 산출해 각 빈에 속하는 각 제2 풍속 데이터의 측정 오차를 산출하는 단계,
    산출된 각 빈의 측정 오차의 분포도를 이용한 1차 선형 방법을 사용하여 각 빈의 난류 강도에 따른 추정 오차식을 산출하여 추정 오차를 구하는 단계, 그리고
    상기 제2 풍속 데이터에서 상기 추정 오차를 차감하여 보정된 제2 풍속 데이터를 산출하는 단계
    를 포함하는 라이다 측정 오차 보정 방법.
  11. 제10항에서,
    상기 제1 풍속 데이터와 제2 풍속 데이터를 할당하는 단계는 다음의 수학식을 이용하여 구획된 각 빈에 할당되는 제1 풍속 데이터와 제2 풍속 데이터의 최소 개수를 정하는
    Figure PCTKR2017013651-appb-I000027
    (여기서, n은 표본 크기, β는 유의수준,
    Figure PCTKR2017013651-appb-I000028
    은 (β/2)에 해당하는 표준정규확률변수, P는 표본비율, d는 오차한계이다.)
    라이다 측정 오차 보정 방법.
  12. 제10항에서,
    상기 유동 경사각과 상기 난류 강도를 산출하는 단계 이전에,
    제1 풍속 데이터와 상기 제2 풍속 데이터를 설정 시간 단위로 분할하여 적어도 하나의 제1 풍속 데이터군과 적어도 하나의 제2 풍속 데이터군으로 나누는 단계,
    각 제1 풍속 데이터군과 제2 풍속 데이터군의 평균치를 산출하여 평균화된 상기 제1 풍속 데이터와 상기 제2 풍속 데이터를 산출하는 단계,
    상기 평균화된 제1 풍속 데이터와 상기 제2 풍속 데이터 중 일부만을 필터링하여 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 추출하는 단계, 그리고
    필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 상기 유동 경사각과 상기 난류 강도를 산출하기 위한 상기 제1 풍속 데이터와 상기 제2 풍속 데이터로서 이용하는 단계
    를 더 포함하는 라이다 측정 오차 보정 방법.
  13. 제12항에서,
    상기 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 추출하는 단계는 상기 평균화된 제1 및 제2 풍속 데이터 중에서, 4 내지 16 m/s의 풍속 데이터, 라이다 CNR(Carrier to Noise Ratio) 값이 -22 dB 이상인 데이터, 라이다 데이터 가용률(Data availability)이 80 % 이상인 데이터, 그리고 강우량이 10 mm 이하일 때의 획득된 풍속 데이터를 사용하여 필터링된 제1 및 제2 풍속 데이터로 사용하는 라이다 측정 오차 보정 방법.
  14. 제13항에서,
    상기 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 추출하는 단계는 기상탑에서 획득된 제1 풍향 데이터의 유동 왜곡 값을 이용하여 제1 및 제2 풍속 데이터를 추가로 제거하고, 배제 방위 구간에 속한 풍향 각도의 범위 내에 속하는 제1 및 제2 풍속 데이터를 추가로 제거하여 필터링된 제1 및 제2 풍속 데이터로 사용하는 라이다 측정 오차 보정 방법.
  15. 제12항에서,
    상기 유동 경사각은 다음의 수학식에 의해 산출되고,
    Figure PCTKR2017013651-appb-I000029
    (여기서, θ는 유동 경사각이고, W는 필터링된 제2 풍속 데이터의 벡터량에 대한 수직 성분이며, U는 필터링된 제2 풍속 데이터의 벡터량에 대한 수평성분이다.)
    상기 난류 강도는 다음의 수학식에 의해 산출되는
    Figure PCTKR2017013651-appb-I000030
    [여기서, TI는 난류 강도이고,
    Figure PCTKR2017013651-appb-I000031
    는 필터링된 제1 풍속 데이터의 값이고, σ는 해당 필터링된 제1 풍속 데이터가 산출된 제1 풍속 데이터군에 속하는 제1 풍속 데이터에 대한 표준편차이다.]
    라이다 측정 오차 보정 방법.
  16. 제15항에서,
    상기 추정 오차식은 다음의 수학식에 의해 산출되는
    Figure PCTKR2017013651-appb-I000032
    (여기서,
    Figure PCTKR2017013651-appb-I000033
    는 추정 오차이고, TI는 난류 강도이며, a와 b는 각각 추정 오차식에 대한 기울기와 y 절편이다.)
    라이다 측정 오차 보정 방법.
  17. 풍속을 감지하여 해당 상태의 제2 풍속 데이터를 생성하는 풍속 감지부, 그리고
    상기 풍속 감지부에 연결되어 있고, 상기 제2 풍속 데이터를 이용하여 각 제2 풍속 데이터에 대한 유동 경사각을 산출하고, 기상탑에서 획득된 제1 풍속 데이터를 이용하여 각 제1 풍속 데이터에 대한 난류 강도를 산출하고, 상기 유동 경사각과 상기 난류 강도를 모두 고려하여 빈 방법을 활용한 회귀분석을 실시하고, 각 빈에 대한 추정 오차식을 산출하여 추정 오차를 구하고, 상기 추정 오차를 이용하여 라이다의 제2 풍속 데이터를 보정한 보정된 제2 풍속 데이터를 산출하는 측정 오차 보정부
    를 포함하는 지상 기반 라이다.
  18. 제17항에서,
    상기 측정 오차 보정부는,
    상기 유동 경사각을 이용하여 복수 개의 빈을 구획하고, 구획된 각 빈에 정해진 개수 이상의 제1 풍속 데이터와 제2 풍속 데이터를 할당하고,
    상기 제1 풍속 데이터와 제2 풍속 데이터의 차이를 산출해 각 빈에 속하는 각 제2 풍속 데이터의 측정 오차를 산출하고,
    산출된 각 빈의 측정 오차의 분포도를 이용한 1차 선형 방법을 사용하여 각 빈의 난류 강도에 따른 추정 오차식을 산출하여 추정 오차를 구하고,
    상기 제2 풍속 데이터에서 상기 추정 오차를 차감하여 보정된 제2 풍속 데이터를 산출하는
    지상 기반 라이다.
  19. 제17항에서,
    상기 측정 오차 보정부는 다음의 수학식을 이용하여 구획된 각 빈에 할당되는 제1 풍속 데이터와 제2 풍속 데이터의 최소 개수를 정하는
    Figure PCTKR2017013651-appb-I000034
    (여기서, n은 표본 크기, β는 유의수준,
    Figure PCTKR2017013651-appb-I000035
    은 (β/2)에 해당하는 표준정규확률변수, P는 표본비율, d는 오차한계이다.)
    지상 기반 라이다.
  20. 제17항에서,
    상기 측정 오차 보정부는, 상기 유동 경사각과 상기 난류 강도를 산출하기 전에, 제1 풍속 데이터와 상기 제2 풍속 데이터를 설정 시간 단위로 분할하여 적어도 하나의 제1 풍속 데이터군과 적어도 하나의 제2 풍속 데이터군으로 나누고, 각 제1 풍속 데이터군과 제2 풍속 데이터군의 평균치를 산출하여 평균화된 상기 제1 풍속 데이터와 상기 제2 풍속 데이터를 산출하고, 상기 평균화된 제1 풍속 데이터와 상기 제2 풍속 데이터 중 일부만을 필터링하여 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 추출하며, 필터링된 제1 풍속 데이터와 필터링된 제2 풍속 데이터를 상기 유동 경사각과 상기 난류 강도를 산출하기 위한 상기 제1 풍속 데이터와 상기 제2 풍속 데이터로서 이용하는 지상 기반 라이다.
  21. 제20항에서,
    상기 측정 오차 보정부는 상기 평균화된 제1 및 제2 풍속 데이터 중에서, 4 내지 16 m/s의 풍속 데이터, 라이다 CNR(Carrier to Noise Ratio) 값이 -22 dB 이상인 데이터, 라이다 데이터 가용률(Data availability)이 80 % 이상인 데이터, 그리고 강우량이 10 mm 이하일 때의 획득된 풍속 데이터를 사용하여 필터링된 제1 및 제2 풍속 데이터로 사용하는
    지상 기반 라이다.
  22. 제21항에서,
    상기 측정 오차 보정부는 기상탑에서 획득된 제1 풍향 데이터의 유동 왜곡 값을 이용하여 제1 및 제2 풍속 데이터를 추가로 제거하고, 배제 방위 구간에 속한 풍향 각도의 범위 내에 속하는 제1 및 제2 풍속 데이터를 추가로 제거하여 필터링된 제1 및 제2 풍속 데이터로 사용하는 지상 기반 라이다.
  23. 제20항에서,
    상기 유동 경사각은 다음의 수학식에 의해 산출되고,
    Figure PCTKR2017013651-appb-I000036
    (여기서, θ는 유동 경사각이고, W는 제2 풍속 데이터의 벡터량에 대한 수직 성분이며, U는 필터링된 제2 풍속 데이터의 벡터량에 대한 수평성분이다.)
    상기 난류 강도는 다음의 수학식에 의해 산출되는
    Figure PCTKR2017013651-appb-I000037
    [여기서, TI는 난류 강도이고,
    Figure PCTKR2017013651-appb-I000038
    는 필터링된 제1 풍속 데이터의 값이고, σ는 해당 필터링된 제1 풍속 데이터가 산출된 제1 풍속 데이터군에 속하는 제1 풍속 데이터에 대한 표준편차이다.]
    지상 기반 라이다.
  24. 제23항에서,
    상기 추정 오차식은 다음의 수학식에 의해 산출되는
    Figure PCTKR2017013651-appb-I000039
    (여기서,
    Figure PCTKR2017013651-appb-I000040
    는 추정 오차이고, TI는 난류 강도이며, a와 b는 각각 추정 오차식에 대한 기울기와 y 절편이다.)
    지상 기반 라이다.
PCT/KR2017/013651 2017-09-27 2017-11-28 지상 기반 라이다, 라이다 측정오차 보정 장치 및 방법 WO2019066139A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170125546A KR101853122B1 (ko) 2017-09-27 2017-09-27 지상 기반 라이다, 라이다 측정오차 보정 장치 및 방법
KR10-2017-0125546 2017-09-27

Publications (1)

Publication Number Publication Date
WO2019066139A1 true WO2019066139A1 (ko) 2019-04-04

Family

ID=62081043

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/013651 WO2019066139A1 (ko) 2017-09-27 2017-11-28 지상 기반 라이다, 라이다 측정오차 보정 장치 및 방법

Country Status (2)

Country Link
KR (1) KR101853122B1 (ko)
WO (1) WO2019066139A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114385872A (zh) * 2022-03-23 2022-04-22 中国民航科学技术研究院 一种涡流耗散率预测的方法、装置、电子设备及存储介质

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112105952A (zh) * 2018-05-09 2020-12-18 古野电气株式会社 气象雷达装置、气象观测方法及气象观测程序
KR102028606B1 (ko) 2018-11-06 2019-10-04 한국산업기술시험원 광트랩을 이용한 윈드라이다의 교정장치 및 이를 이용한 교정방법
KR102408345B1 (ko) * 2020-09-01 2022-06-14 (주)에스이랩 수직 측풍기의 검증을 위한 모의 시스템 및 방법
CN113177187A (zh) * 2021-03-04 2021-07-27 明阳智慧能源集团股份公司 基于长短期记忆神经网络的等效激光雷达风速计算方法
KR102500311B1 (ko) * 2021-11-30 2023-02-14 제주대학교 산학협력단 풍속 데이터 기반의 기계학습 알고리즘을 활용한 타워 쉐도우 보정 방법 및 시스템
KR102699942B1 (ko) 2021-12-01 2024-08-28 고등기술연구원연구조합 3d 라이다를 이용하는 풍황 계측 방법, 컴퓨터 판독 가능한 기록 매체, 컴퓨터 프로그램, 장치 및 이를 포함하는 풍황 계측 시스템
KR102470705B1 (ko) 2022-03-15 2022-11-25 (주)뷰런테크놀로지 라이다 포인트 데이터의 보정 방법 및 시스템
KR102550052B1 (ko) 2022-10-13 2023-07-04 (주)대한엔지니어링 2축 조향거울을 이용한 레이저 빔 조향방식의 풍속 측정용 라이다

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100024400A (ko) * 2007-06-01 2010-03-05 세컨드 윈드, 인코포레이티드 소다 및 기상학적 라이다 시스템에서의 위치 보정
WO2012091102A1 (ja) * 2010-12-28 2012-07-05 三菱重工業株式会社 風力発電装置の制御装置、風力発電システム、及び風力発電装置の制御方法
KR20120095710A (ko) * 2011-02-21 2012-08-29 삼성중공업 주식회사 풍력발전기의 나셀 풍속 보정 시스템 및 그 방법
KR101383792B1 (ko) * 2013-01-02 2014-04-10 한국에너지기술연구원 라이다 측정을 이용한 나셀 풍속계 보정 방법
KR20140076214A (ko) * 2012-12-12 2014-06-20 코리아디지탈 주식회사 3축 가속도 센서를 구비한 기상관측장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100024400A (ko) * 2007-06-01 2010-03-05 세컨드 윈드, 인코포레이티드 소다 및 기상학적 라이다 시스템에서의 위치 보정
WO2012091102A1 (ja) * 2010-12-28 2012-07-05 三菱重工業株式会社 風力発電装置の制御装置、風力発電システム、及び風力発電装置の制御方法
KR20120095710A (ko) * 2011-02-21 2012-08-29 삼성중공업 주식회사 풍력발전기의 나셀 풍속 보정 시스템 및 그 방법
KR20140076214A (ko) * 2012-12-12 2014-06-20 코리아디지탈 주식회사 3축 가속도 센서를 구비한 기상관측장치
KR101383792B1 (ko) * 2013-01-02 2014-04-10 한국에너지기술연구원 라이다 측정을 이용한 나셀 풍속계 보정 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114385872A (zh) * 2022-03-23 2022-04-22 中国民航科学技术研究院 一种涡流耗散率预测的方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
KR101853122B1 (ko) 2018-04-30

Similar Documents

Publication Publication Date Title
WO2019066139A1 (ko) 지상 기반 라이다, 라이다 측정오차 보정 장치 및 방법
WO2020096141A1 (ko) 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치
CN101339003B (zh) 大结构水平二维位移自动测量装置及方法
Basher Review of the Dobson spectrophotometer and its accuracy
WO2020213787A1 (ko) 라이다 측량자료를 이용한 숲틈 모니터링 시스템 및 방법
WO2014073884A1 (ko) 전산유체역학을 이용한 대기유동장 수치모의 시스템 및 방법
WO2015002351A1 (ko) 광학렌즈 기반 태양위치 추적정밀도 측정시스템
AU2009201367B2 (en) Apparatus and method for measuring atmospheric transmission and determining meteorological visual range
WO2023022305A1 (ko) 보행자 실내 위치 측위 장치 및 방법
CN105865349A (zh) 一种大型建筑物位移监测方法
WO2013168866A1 (ko) 선박 측위용 위성 신호 모호성 검출 시스템 및 방법
WO2017002999A1 (ko) 복수의 온도센서가 구비된 라디오존데와 이를 이용한 온도 측정 방법 및 그 보정 시스템과 보정 방법
CN108592891A (zh) 一种防雨测绘仪支架
Golinelli et al. A new IR laser scanning system for power lines sag measurements
WO2017099335A1 (ko) 기상정보를 기반으로 한 풍력설비의 정비방법 및 정비시스템
CN113586356B (zh) 风力发电机组的净空监测系统和方法
RU2415053C1 (ru) Способ измерения несоконусности лопастей несущего винта вертолета и устройство для его осуществления
CN108444404A (zh) 一种基于ccd的桥梁挠度检测方法
WO2019054752A1 (ko) 단말 측위 장치 및 단말 측위 방법
WO2014081171A1 (ko) 풍하중 산정 장치 및 방법
WO2021261695A1 (ko) 군집 드론 비행을 이용한 태양광 패널 표면의 이물질 제거 방법 및 시스템
CN111044022B (zh) 一种基于全站仪互瞄技术的基准网自动化测量方法及系统
CN109813339B (zh) 一种分段式大气改正的全站仪测距方法及系统
AU2011218728B2 (en) Apparatus and method for measuring atmospheric transmission and determining meteorological visual range
Cigada et al. Thermal characterization of FBG strain gauges for the monitoring of the cupola of Duomo di Milano

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17926534

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17926534

Country of ref document: EP

Kind code of ref document: A1