WO2022145681A1

WO2022145681A1 - 물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 방법 및 시스템

Info

Publication number: WO2022145681A1
Application number: PCT/KR2021/015779
Authority: WO
Inventors: 김태형; 임정택; 함경선
Original assignee: 한국전자기술연구원
Priority date: 2020-12-29
Filing date: 2021-11-03
Publication date: 2022-07-07
Also published as: KR102286672B1

Abstract

물리 및 데이터 혼합 모델 기반으로 풍력발전단지의 하루 전 발전량을 예측하는 방법 및 시스템이 제공된다. 본 발명의 실시예에 따른 발전량 예측 시스템은, 풍력단지 내 각각의 풍력터빈별 예측 발전량을 산출하기 위해, 입력 풍속에 따른 풍력터빈의 출력 변화를 기반으로 발전량을 산출하는 물리 모델 및 시간 단위 기상 데이터에 따른 풍력터빈의 예측 발전량을 산출하는 데이터 모델이 구비되는 풍력터빈 혼합모델; 각 풍력터빈별 입력되는 입력 풍속을 예측하는 기상 예측 모델; 및 풍력터빈별 예측 발전량의 예측 결과에 풍력터빈의 상태 및 출력에 영향을 미치는 요소를 반영하는 풍력단지 운영모델;을 포함한다. 이에 의해, 출력제한지령 및 유지보수 등 단지 운영 형태에 따라 달라지는 풍력터빈의 운전 상태 및 풍력단지 내 후류로 인한 바람의 변화와 같이 출력에 영향을 미치는 요소를 종합적으로 반영하여, 보다 정밀한 발전량 예측을 수행할 수 있다.

Description

물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 방법 및 시스템

본 발명은 발전량 예측 방법 및 시스템에 관한 것으로, 더욱 상세하게는 물리 및 데이터 혼합 모델 기반으로 풍력발전단지의 하루 전 발전량을 예측하는 방법 및 시스템에 관한 것이다.

최근 재생에너지가 급증하여 재생에너지로 인한 계통 안정성이 영향을 받게 됨으로써, 기존 발전자원과 같이 전력도매시장에서 하루 전 입찰을 받는 제도가 마련되어 있다.

이에 따라, 재생에너지를 소유한 발전사업자는 다음날 발전량을 예측하여 하루 전 입찰하는 시스템을 필요로 하며, 특히 대용량 자원인 풍력발전단지에 대한 발전량을 예측하는 것이 핵심이다.

기존의 풍력발전단지 발전량 예측은 단지의 이용률 및 경제성 분석을 위해, 1년 이상의 장주기 발전량 예측이 주류였으며, 과거 기상 데이터를 활용하고 풍력단지 운영 데이터가 포함되지 않아 예측 정확도가 낮다는 단점이 존재한다.

또한, 하루 전 발전량 예측의 경우 기존 방식은 풍력발전단지의 기상 데이터와 출력 데이터를 기반으로 머신러닝 및 딥러닝을 활용한 데이터 모델 방식에 치우쳐져 있다는 단점이 존재한다.

그러나 풍력발전단지는 출력제한지령 및 유지보수 등 단지 운영 형태에 따라 풍력터빈의 운전 상태가 달라지며, 또한 풍력단지 내 후류로 인한 바람의 변화가 심하므로 이를 종합적으로 고려하여 발전량을 예측할 수 있는 방안의 모색이 요구된다.

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 출력제한지령 및 유지보수 등 단지 운영 형태에 따라 달라지는 풍력터빈의 운전 상태 및 풍력단지 내 후류로 인한 바람의 변화와 같이 출력에 영향을 미치는 요소를 종합적으로 반영하여, 보다 정밀한 발전량 예측을 수행할 수 있는 풍력발전단지 하루 전 발전량 예측 방법 및 시스템을 제공함에 있다.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 발전량 예측 시스템은, 풍력단지 내 각각의 풍력터빈별 예측 발전량을 산출하기 위해, 입력 풍속에 따른 풍력터빈의 출력 변화를 기반으로 발전량을 산출하는 물리 모델 및 시간 단위 기상 데이터에 따른 풍력터빈의 예측 발전량을 산출하는 데이터 모델이 구비되는 풍력터빈 혼합모델; 각 풍력터빈별 입력되는 입력 풍속을 예측하는 기상 예측 모델; 및 풍력터빈별 예측 발전량의 예측 결과에 풍력터빈의 상태 및 출력에 영향을 미치는 요소를 반영하는 풍력단지 운영모델;을 포함한다.

그리고 풍력터빈 혼합모델은, 풍력터빈별 다음날 예측 발전량을 산출하기 위해, 풍력터빈의 정밀 모사가 가능한 물리 모델과 시간 단위 예측 데이터 활용이 가능한 데이터 모델을 혼용할 수 있다.

또한, 기상 예측 모델은, 각 풍력터빈별 입력되는 풍속을 예측하기 위해, 위성 데이터를 기반으로 다음날 초기 바람을 예측하는 수치예보모델(NWP, Numerical Weather Prediction), 풍력단지에 설치된 기상 측정탑을 통해 측정된 초기 바람과 풍력터빈 나셀에 마련된 풍향풍속계에서 측정된 바람의 상관관계를 분석하여 도출된 나셀전달함수(NTF, Nacelle Transfer Function) 및 풍력단지내 후방에 배치되는 후방 풍력터빈에 후류 효과를 반영하는 후류 모델이 구비될 수 있다.

그리고 풍력단지 운영모델은, 풍력터빈의 상태 및 출력에 영향을 미치는 요소 반영 시, 풍력터빈 정기점검, 오류로 인한 중지 또는 계통운영자의 감발지시에 따른 출력 제어 상황을 반영할 수 있다.

또한, 풍력터빈 혼합모델은, 물리 모델 및 데이터 모델을 혼용하여 복수의 예측 기본 모델을 생성하고, 각각의 예측 기본 모델을 트레이닝하여, 예측 결과를 기반으로 풍력터빈별 다음날 예측 발전량을 산출에 이용될 특정 예측 기본 모델을 선택할 수 있다.

그리고 풍력터빈 혼합모델은, 트레이닝된 각각의 예측 기본 모델에 풍력단지 운영모델을 통해 계통운영자로부터 전달된 출력 제한지령에 포함된 감축량이 반영되도록 한 이후, 감축량이 반영된 각각의 예측 기본 모델의 예측 결과를 기반으로 이용될 특정 예측 기본 모델을 최적 모델로 선택할 수 있다.

또한, 풍력단지 운영모델은, 선택된 최적 모델을 통해 풍력터빈별 다음날 예측 발전량을 산출한 이후, 풍력터빈의 제원 및 상태 정보, 풍력터빈의 운전 데이터 및 풍력터빈의 정기점검 이력 및 오류로 인한 중지 이력을 반영하여, 각각의 풍력터빈에 할당되는 발전 요구량을 결정할 수 있다.

한편, 본 발명의 다른 실시예에 따른, 발전량 예측 방법은, 기상 예측 모델을 이용하여, 풍력단지 내 각 풍력터빈별 입력되는 입력 풍속을 예측하는 단계; 입력 풍속에 따른 풍력터빈의 출력 변화를 기반으로 발전량을 산출하는 물리 모델 및 시간 단위 기상 데이터에 따른 풍력터빈의 예측 발전량을 산출하는 데이터 모델이 구비되는 풍력터빈 혼합모델을 이용하여, 풍력터빈별 예측 발전량을 산출하는 단계; 및 풍력단지 운영모델을 이용하여, 풍력터빈별 예측 발전량의 예측 결과에 풍력터빈의 상태 및 출력에 영향을 미치는 요소를 반영하는 단계;를 포함한다.

이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 출력제한지령 및 유지보수 등 단지 운영 형태에 따라 달라지는 풍력터빈의 운전 상태 및 풍력단지 내 후류로 인한 바람의 변화와 같이 출력에 영향을 미치는 요소를 종합적으로 반영하여, 보다 정밀한 발전량 예측을 수행할 수 있다.

도 1은, 본 발명의 일 실시예에 따른 물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 시스템 구성의 설명에 제공된 도면,

도 2는, 본 발명의 일 실시예에 따른 물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 시스템 구성의 더욱 상세한 설명에 제공된 도면, 그리고

도 3은, 본 발명의 일 실시예에 따른 물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 방법의 설명에 제공된 도면이다.

이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.

도 1은, 본 발명의 일 실시예에 따른 물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 시스템 구성의 설명에 제공된 도면이고, 도 2는, 본 발명의 일 실시예에 따른 물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 시스템 구성의 더욱 상세한 설명에 제공된 도면이다.

본 실시예에 따른 물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 시스템(이하에서는 '하루 전 발전량 예측 시스템'으로 총칭하기로 함)은, 출력제한지령 및 유지보수 등 단지 운영 형태에 따라 달라지는 풍력터빈의 운전 상태 및 풍력단지 내 후류로 인한 바람의 변화와 같이 출력에 영향을 미치는 요소를 종합적으로 반영하여, 보다 정밀한 발전량 예측을 수행할 수 있다.

도 1을 참조하면, 본 하루 전 발전량 예측 시스템은, 통신부(100), 프로세서(200) 및 저장부(300)를 포함할 수 있다.

통신부(100)는, 하루 전 발전량 예측 시스템이 풍력발전단지 내 설비 및 시스템, 그리고 전력 거래소의 서버와 통신 연결되도록 하기 위해 마련되는 통신 수단이고, 저장부(300)는, 프로세서(200)가 동작함에 있어 필요한 프로그램 및 데이터를 저장하는 저장매체이다.

프로세서(200)는, 전력거래소와의 예측 발전량 입찰, 정산 등의 서비스 기능을 수행할 수 있으며, 풍력발전단지의 기상 및 운영 데이터를 실시간으로 모니터링 할 수 있다.

예를 들면, 프로세서(200)는, 매일 9시, 16시마다 기상 예측 모델(220)을 통해 생성된 기상 데이터를 바탕으로 다음날 24시간 예측 발전량을 산출할 수 있으며, 예측 발전량은 전력거래소 입찰 시점인 10시, 17시에 전력거래소 시스템으로 전달할 수 있다.

또한, 프로세서(200)는, 실 발전량과 예측 발전량의 오차율을 판단하여 실시간 발전 비용 및 예측 인센티브를 반영한 정산을 수행할 수 있다.

그리고 프로세서(200)는, 출력제한지령 및 유지보수 등 단지 운영 형태에 따라 달라지는 풍력터빈의 운전 상태 및 풍력단지 내 후류로 인한 바람의 변화와 같이 출력에 영향을 미치는 요소를 종합적으로 반영하여 풍력단지 내 각각의 풍력터빈별 다음날 발전량을 예측할 수 있다.

이를 위해, 프로세서(200)는, 풍력터빈 혼합모델(210), 기상 예측 모델(220) 및 풍력단지 운영모델(230)을 구비할 수 있다.

풍력터빈 혼합모델(210)은, 풍력단지 내 각각의 풍력터빈별 예측 발전량을 산출할 수 있다.

구체적으로, 풍력터빈 혼합모델(210)은, 풍력단지 내 각각의 풍력터빈별 예측 발전량을 산출하기 위해, 입력 풍속에 따른 풍력터빈의 출력 변화를 기반으로 발전량을 산출하는 물리 모델 및 시간 단위 기상 데이터에 따른 풍력터빈의 예측 발전량을 산출하는 데이터 모델이 구비될 수 있다.

즉, 풍력터빈 혼합모델(210)은, 풍력터빈별 다음날 예측 발전량을 산출하기 위해, 풍력터빈의 정밀 모사가 가능한 물리 모델과 시간 단위 예측 데이터 활용이 가능한 데이터 모델을 혼용할 수 있다.

여기서, 풍력터빈은 유체, 기체, 기계 역학 등 다양한 물리적 특성을 내포하고 있으므로 입력 풍속과 출력을 상관관계에 따른 데이터 모델링만으로는 정확한 모사가 어렵기 때문에, 풍력터빈의 공기역학(Aerodynamics), 드라이브트레인(Drive train), 타워 팬(Tower FAN), 발전기(Generator), 컨트롤러(Controller) 등 주요 핵심 모듈에 대한 제원 및 특성을 기반으로 한 물리모델(211)이 필요하다.

그리고 입력 풍속에 따른 정밀한 출력 변화를 물리 모델을 통해 확인할 수 있으나 하루 전 발전량 예측의 경우 예측 기상 데이터(풍속, 풍향, 온도, 대기압, 난류강도 등)를 초단위의 고해상도로 생성하는 것은 어렵기에 시간 단위 기상 데이터에 따른 풍력터빈의 발전량을 산출하는 데이터 모델이 이를 보완할 수 있다.

결국, 풍력터빈 혼합모델(210)은, 고해상도 풍력터빈 정밀 모사가 가능한 물리모델(211)과 시간 단위 예측 데이터 활용이 가능한 데이터모델(212)을 결합한 혼합모델(210)을 구성함으로써 두 모델이 가진 단점을 보완함으로써, 보다 정밀하게 풍력터빈별 다음날 예측 발전량을 산출할 수 있다.

기상 예측 모델(220)은, 각 풍력터빈별 입력되는 입력 풍속을 예측할 수 있다.

구체적으로, 기상 예측 모델(220)은, 각 풍력터빈별 입력되는 풍속을 예측하기 위해, 위성 데이터를 기반으로 다음날 초기 바람을 예측하는 수치예보모델(221), 풍력단지에 설치된 기상 측정탑을 통해 측정된 초기 바람과 풍력터빈 나셀에 마련된 풍향풍속계에서 측정된 바람의 상관관계를 분석하여 도출된 나셀전달함수(222) 및 풍력단지내 후방에 배치되는 후방 풍력터빈에 후류 효과를 반영하는 후류 모델(223)이 구비될 수 있다.

일반적으로 바람은 크게 풍력단지로 불어오는 초기 바람과 터빈을 거치면서 전파되는 후류로 나눌 수 있다.

기상 예측 모델(220)은, 초기 바람의 경우 풍력발전단지에 설치된 기상측정탑(Met mast)를 통해 측정이 가능하며, 기상측정탑의 바람과 풍력터빈 나셀에 있는 풍향풍속계에서 측정된 바람의 상관관계분석을 통해 도출된 나셀전달함수(222)를 이용하여 풍력터빈 로터에 입력되는 입력풍속을 보다 정밀하게 산출 가능하다.

바람이 불어오는 방향에 있는 풍력발전단지의 상류 터빈은 NTF를 통해 입력 풍속을 바로 산출할 수 있으나 후방 터빈들은 상류 터빈의 후류 효과로 인해서 지저분한 바람을 받게 되며, 따라서 실시간으로 변화하는 풍력터빈의 운전 상태에 따른 후류 효과를 반영한 후류 모델(223)이 필요하다.

즉, 기상 예측 모델(220)은, 후류 모델(223)을 이용하여, 초기 바람으로 전파되는 풍력단지 내 바람장(Wind Field)에 대한 예측이 가능하다.

그리고 기상 예측 모델(220)은, 나셀전달함수(222), 후류모델 등을 통해 각 풍력터빈별 입력되는 풍속 예측이 가능해짐에 따라 초기 바람에 따른 풍력발전단지 내 풍력터빈의 발전량 예측이 가능하다.

이때, 초기 바람은 위성 데이터 기반의 수치예보모델(221)을 통해 다음날 풍력단지에 입력되는 초기 바람을 예측할 수 있다.

풍력단지 운영모델(230)은, 풍력터빈별 예측 발전량의 예측 결과에 풍력터빈의 상태 및 출력에 영향을 미치는 요소를 반영할 수 있다.

일반적으로 풍력단지 운영 정보가 없는 상황에서 바람과 터빈 출력량과의 관계만을 통해 만들어진 모델은 실제 운영 요소를 제대로 반영하지 못함으로써 발전량 예측 정확도가 낮아진다.

따라서, 풍력터빈 정기점검, 오류로 인한 중지, 계통운영자의 감발지시에 따른 출력 제어 등 풍력터빈의 상태 및 출력에 영향을 미치는 요소를 포함한 풍력단지 운영모델(230)이 필요하다.

예를 들면, 풍력단지 운영모델(230)은, 풍력터빈의 상태 및 출력에 영향을 미치는 요소 반영 시, 풍력터빈 정기점검, 오류로 인한 중지 또는 계통운영자의 감발지시에 따른 출력 제어 상황을 반영할 수 있다.

그리고 풍력단지 운영모델(230)은, 풍력터빈 혼합모델(210)의 모델 트레이닝 및 운영 시 이벤트 레이블 구성 및 제약조건 등으로 설정함으로써, 터빈별 상태변화 정보를 반영할 수 있도록 한다.

한편, 풍력터빈 혼합모델(210)은, 물리 모델 및 데이터 모델을 혼용하여 복수의 예측 기본 모델을 생성하고, 각각의 예측 기본 모델을 트레이닝하여, 예측 결과를 기반으로 풍력터빈별 다음날 예측 발전량을 산출에 이용될 특정 예측 기본 모델을 최적 모델로 선택할 수 있다.

예를 들면, 풍력터빈 혼합모델(210)은, 트레이닝된 각각의 예측 기본 모델에 풍력단지 운영모델(230)을 통해 계통운영자로부터 전달된 출력 제한지령에 포함된 감축량이 반영되도록 한 이후, 감축량이 반영된 각각의 예측 기본 모델의 예측 결과를 기반으로 이용될 특정 예측 기본 모델을 최적 모델로 선택할 수 있다.

구체적으로, 풍력터빈 혼합모델(210)은, 후류 효과를 비롯한 기상 상태와 발전량을 통한 풍력터빈 데이터모델(212)을 기반으로 복수의 예측 기본 모델을 생성하여, 각각 트레이닝하고, 트레이닝된 각각의 예측 기본 모델에 풍력단지 운영모델(230)을 통해 계통운영자로부터 전달된 출력 제한지령에 포함된 감축량이 반영되도록 하여, 예측 기본 모델에 풍력터빈 및 단지 운영 상태가 반영된 최적 모델을 선택할 수 있다.

풍력단지 운영모델(230)은, 풍력터빈 혼합모델(210)에 의해 선택된 최적 모델을 통해 풍력터빈별 다음날 예측 발전량을 산출한 이후, 풍력터빈의 제원 및 상태 정보, 풍력터빈의 운전 데이터 및 풍력터빈의 정기점검 이력 및 오류로 인한 중지 이력을 반영하여, 고도화 모델을 생성하고, 생성된 고도화 모델을 기반으로 각각의 풍력터빈에 할당되는 발전 요구량을 결정할 수 있다.

이때, 풍력단지 운영모델(230)은, 고도화 모델 생성시, 풍력터빈 혼합모델(210)로부터 풍력터빈의 제원 및 상태 정보를 제공받을 수 있다.

구체적으로, 풍력단지 운영모델(230)은, 풍력터빈의 제원 및 특성을 담고 있는 설계 파일인 Bladed Project 데이터를 제공받을 수 있으며, Bladed Project 데이터의 제공이 어려울 경우, 풍력터빈의 모델링을 위한 기본 제원/특성 정보인 풍력터빈의 공기역학(Aerodynamics), 드라이브트레인(Drive train), 타워 팬(Tower FAN), 발전기(Generator), 컨트롤러(Controller) 내 주요 파라미터에 대한 데이터를 제공받을 수 있다.

또한, 풍력단지 운영모델(230)은, 터빈의 RPM, 토크, 피치각, 요각도, 출력 데이터를 제공받을 수 있다.

이를 통해, 풍력터빈 혼합모델(210)은, 출력 제한지령에 따라 감축량이 전달되면, 복수의 예측 기본 모델 중 각각의 풍력터빈에 각각 할당되는 감축량의 할당 결과가 풍력터빈 및 단지 운영 상태를 반영하여, 가장 최적의 결과를 도출하는 최적 모델을 선택하고, 선택된 최적 모델을 통해 다음날 예측 발전량을 산출한 이후, 풍력단지 운영모델(230)을 통해, 풍력터빈의 제원 및 상태 정보, 풍력터빈의 운전 데이터 및 풍력터빈의 정기점검 이력 및 오류로 인한 중지 이력을 반영하여 고도화 모델을 생성하고, 생성된 고도화 모델을 기반으로 각각의 풍력터빈에 할당되는 발전 요구량을 결정할 수 있다.

예를 들면, 풍력터빈 혼합모델(210)은, 최적 모델 선택 시, 풍력터빈의 상태 및 단지 운영 상태를 기반으로, 소모되는 전력량 대비 생산되는 전력량이 다른 풍력터빈보다 상대적으로 많은 풍력터빈에 가중치를 부가하여, 가중치가 부여된 풍력터빈의 감축량을 최소로 하고, 다른 터빈보다 소모되는 전력량 대비 생산되는 전력량이 적은 풍력터빈의 감축량을 최대로 설정함으로써, 최적의 결과를 도출하는 예측 기본 모델을 최적 모델로 선택할 수 있다.

그리고 풍력단지 운영모델(230)은, 선택된 최적 모델을 통해, 다음날 예측 발전량이 산출되면, 풍력터빈의 제원 및 상태 정보, 풍력터빈의 운전 데이터 및 풍력터빈의 정기점검 이력 및 오류로 인한 중지 이력을 반영하여, 각각의 풍력터빈이 할당된 감축량을 고려하여 다음날 생산할 수 있는 전력량의 보정이 필요한 것인지 판단하고, 보정이 필요한 경우, 다음날 생산할 수 있는 전력량을 보정하여, 발전 요구량을 결정할 수 있다.

예를 들면, 풍력단지 운영모델(230)은, 특정 풍력터빈의 발전량 대비 소모되는 부하의 효율이 임계치 이하로 낮은 경우, 해당 풍력터빈의 발전 요구량을 감축하고, 발전량 대비 소모되는 부하의 효율이 가장 높은 풍력터빈부터 발전 요구량을 허용 가능한 전력 생산량에 도달할 때까지 증감시키고, 그 다음으로 효율이 높은 풍력터빈에 발전 요구량을 허용 가능한 전력 생산량에 도달할 때까지 증감시키는 방식으로, 다음날 생산할 수 있는 전력 생산량을 보정할 수 있다.

다른 예를 들면, 풍력단지 운영모델(230)은, 특정 풍력터빈이 오늘을 기점으로 기설정된 기간동안 임계치 이상의 횟수로 정기점검을 받은 경우, 해당 풍력터빈의 발전 요구량을 감축하고, 정기점검의 횟수가 가장 적은 풍력터빈부터 발전 요구량을 허용 가능한 전력 생산량에 도달할 때까지 증감시키고, 그 다음으로 정기점검 횟수가 적은 풍력터빈에 발전 요구량을 허용 가능한 전력 생산량에 도달할 때까지 증감시키는 방식으로, 다음날 생산할 수 있는 전력 생산량을 보정할 수 있다.

여기서, 예측 기본 모델에 이용되는 데이터는, 풍력단지 기상관측타워에 설치되는 Met Mast의 풍속 데이터, 풍향 데이터, 온도 데이터 및 대기압 데이터와 풍력터빈별 발전량 데이터, 풍속 데이터 및 풍향 데이터, 그리고 수치예보모델(221)의 데이터가 포함될 수 있다.

그리고 출력 제한지령에는, 출력제한 시작 시간, 적용 시간, 제한출력량, 풍력터빈별 유효전력 지령 값 등이 포함될 수 있다. 또한, 풍력터빈의 운전 데이터는, UTM 좌표 기반 풍력터빈 배치 정보가 포함될 수 있다.

본 실시예에 따른 물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 방법은, 전술한 하루 전 발전량 예측 시스템을 통해 실행될 수 있다.

도 3을 참조하면, 본 실시예에 따른 물리 및 데이터 혼합 모델 기반 풍력발전단지 하루 전 발전량 예측 방법은, 기상 예측 모델(220)을 이용하여, 풍력단지 내 각 풍력터빈별 입력되는 입력 풍속을 예측하고(S310), 입력 풍속에 따른 풍력터빈의 출력 변화를 기반으로 발전량을 산출하는 물리 모델 및 시간 단위 기상 데이터에 따른 풍력터빈의 예측 발전량을 산출하는 데이터 모델이 구비되는 풍력터빈 혼합모델(210)을 이용하여, 풍력터빈별 예측 발전량을 산출할 수 있다(S320).

그리고 풍력단지 운영모델(230)을 이용하여, 풍력터빈별 예측 발전량의 예측 결과에 풍력터빈의 상태 및 출력에 영향을 미치는 요소를 반영하여(S330), 풍력터빈별 발전 요구량을 결정할 수 있다.

예를 들면, 기상 예측 모델(220)을 이용하여, 풍력단지 내 각 풍력터빈별 입력되는 입력 풍속을 예측하면, 풍력터빈 혼합모델(210)은, 물리 모델 및 데이터 모델을 혼용하여 복수의 예측 기본 모델을 생성하고, 기상 예측 모델(220)의 예측 결과를 이용하여, 각각의 예측 기본 모델을 트레이닝하고, 트레이닝된 예측 기본 모델의 예측 결과를 기반으로 풍력터빈별 다음날 예측 발전량을 산출에 이용될 특정 예측 기본 모델을 최적 모델로 선택할 수 있다.

또한, 풍력단지 운영모델(230)은, 최적 모델을 통해 풍력터빈별 다음날 예측 발전량을 산출한 이후, 풍력터빈의 제원 및 상태 정보, 풍력터빈의 운전 데이터 및 풍력터빈의 정기점검 이력 및 오류로 인한 중지 이력을 반영하여, 고도화 모델을 생성하고, 생성된 고도화 모델을 기반으로 각각의 풍력터빈에 할당되는 발전 요구량을 결정할 수 있다.

이를 통해, 출력제한지령 및 유지보수 등 단지 운영 형태에 따라 달라지는 풍력터빈의 운전 상태 및 풍력단지 내 후류로 인한 바람의 변화와 같이 출력에 영향을 미치는 요소를 종합적으로 반영하여, 보다 정밀한 발전량 예측을 수행할 수 있다.

한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

Claims

풍력단지 내 각각의 풍력터빈별 예측 발전량을 산출하기 위해, 입력 풍속에 따른 풍력터빈의 출력 변화를 기반으로 발전량을 산출하는 물리 모델 및 시간 단위 기상 데이터에 따른 풍력터빈의 예측 발전량을 산출하는 데이터 모델이 구비되는 풍력터빈 혼합모델;

각 풍력터빈별 입력되는 입력 풍속을 예측하는 기상 예측 모델; 및

풍력터빈별 예측 발전량의 예측 결과에 풍력터빈의 상태 및 출력에 영향을 미치는 요소를 반영하는 풍력단지 운영모델;을 포함하는 발전량 예측 시스템.
청구항 1에 있어서,

풍력터빈 혼합모델은,

풍력터빈별 다음날 예측 발전량을 산출하기 위해, 풍력터빈의 정밀 모사가 가능한 물리 모델과 시간 단위 예측 데이터 활용이 가능한 데이터 모델을 혼용하는 것을 특징으로 하는 발전량 예측 시스템.
청구항 1에 있어서,

기상 예측 모델은,

각 풍력터빈별 입력되는 풍속을 예측하기 위해, 위성 데이터를 기반으로 다음날 초기 바람을 예측하는 수치예보모델(NWP, Numerical Weather Prediction), 풍력단지에 설치된 기상 측정탑을 통해 측정된 초기 바람과 풍력터빈 나셀에 마련된 풍향풍속계에서 측정된 바람의 상관관계를 분석하여 도출된 나셀전달함수(NTF, Nacelle Transfer Function) 및 풍력단지내 후방에 배치되는 후방 풍력터빈에 후류 효과를 반영하는 후류 모델이 구비되는 것을 특징으로 하는 발전량 예측 시스템.
청구항 1에 있어서,

풍력단지 운영모델은,

풍력터빈의 상태 및 출력에 영향을 미치는 요소 반영 시, 풍력터빈 정기점검, 오류로 인한 중지 또는 계통운영자의 감발지시에 따른 출력 제어 상황을 반영하는 것을 특징으로 하는 발전량 예측 시스템.
청구항 1에 있어서,

풍력터빈 혼합모델은,

물리 모델 및 데이터 모델을 혼용하여 복수의 예측 기본 모델을 생성하고, 각각의 예측 기본 모델을 트레이닝하여, 예측 결과를 기반으로 풍력터빈별 다음날 예측 발전량을 산출에 이용될 특정 예측 기본 모델을 선택하는 것을 특징으로 하는 발전량 예측 시스템.
청구항 5에 있어서,

풍력터빈 혼합모델은,

트레이닝된 각각의 예측 기본 모델에 풍력단지 운영모델을 통해 계통운영자로부터 전달된 출력 제한지령에 포함된 감축량이 반영되도록 한 이후, 감축량이 반영된 각각의 예측 기본 모델의 예측 결과를 기반으로 이용될 특정 예측 기본 모델을 최적 모델로 선택하는 것을 특징으로 하는 발전량 예측 시스템.
청구항 6에 있어서,

풍력단지 운영모델은,

선택된 최적 모델을 통해 풍력터빈별 다음날 예측 발전량을 산출한 이후, 풍력터빈의 제원 및 상태 정보, 풍력터빈의 운전 데이터 및 풍력터빈의 정기점검 이력 및 오류로 인한 중지 이력을 반영하여, 각각의 풍력터빈에 할당되는 발전 요구량을 결정하는 것을 특징으로 하는 발전량 예측 시스템.
기상 예측 모델을 이용하여, 풍력단지 내 각 풍력터빈별 입력되는 입력 풍속을 예측하는 단계;

입력 풍속에 따른 풍력터빈의 출력 변화를 기반으로 발전량을 산출하는 물리 모델 및 시간 단위 기상 데이터에 따른 풍력터빈의 예측 발전량을 산출하는 데이터 모델이 구비되는 풍력터빈 혼합모델을 이용하여, 풍력터빈별 예측 발전량을 산출하는 단계; 및

풍력단지 운영모델을 이용하여, 풍력터빈별 예측 발전량의 예측 결과에 풍력터빈의 상태 및 출력에 영향을 미치는 요소를 반영하는 단계;를 포함하는 발전량 예측 방법.