Implementation and validation of a motion compensation algorithm for Floating LiDAR System

부유식 라이다 시스템 모션 보정 알고리즘의 구현 및 검증

Abstract

Due to the limitations of onshore wind power, the wind power industry is currently transitioning to offshore wind power. There has been active research on the development of a floating LiDAR system (FLS) that is easy to install at a low cost. The Carbon Trust published a commercialization roadmap for FLS in 2013, and an updated version was released in 2018, taking into account industry experience. The roadmap divides the development maturity of FLS into three stages: Stage 1 (prototype), Stage 2 (pre-commercialization), and Stage 3 (commercialization), each of which requires availability and accuracy assessment. The results must meet the requirements of the Key Performance Index (KPI) for each stage. Therefore, when developing FLS, the motion compensation algorithm of the FLS is essential because the LiDAR can produce incorrect measurements of wind speed and direction due to the six degrees of freedom in motion. In this study, we implemented the FLS motion compensation algorithm developed by Nassif, F.B. et al. and validated it using data provided by Fraunhofer. In conclusion, the results showed that the determination coefficients of wind speed and wind direction were improved compared to those obtained from the met mast.

기호설명

α : 피치각도 [deg]

β : 롤 각도 [deg]

γ : 요 각도 [deg]

u : 바람의 x 성분 [m/s]

v : 바람의 y 성분 [m/s]

w : 바람의 z 성분 [m/s]

φ : 부유식 라이다 시스템 경사각 [deg]

θ : 부유식 라이다 시스템 방위각 [deg]

z, h : 지상으로부터의 높이

1. 서론

부유식 해상풍력단지에 대한 관심은 전 세계적으로 꾸준히 증가하고 있다. 한국의 경우에도 울산지역을 중심으로 약 6 GW 규모의 부유식 해상풍력발전단지 개발 계획이 수립되었으며, 지난 2019년 6월에는 해상풍력 사업 추진성 확보를 위한 부유식 라이다가 최초로 설치된 바, 국내 부유식 해상풍력단지 조성사업은 향후에도 지속 확대될 것으로 예상된다. 부유식 해상풍력단지는 해양 지역의 풍부한 바람 자원을 활용할 수 있을 뿐 아니라, 대용량으로 구성 가능하다는 장점이 있다. 하지만 바람 자원 조사, 환경입지 조사 등과 같은 초기 단계부터 많은 사업비가 요구되므로 전 세계 많은 기관에서는 해상풍력발전단지 경제성 확보를 위한 다양한 연구를 수행하고 있다[1, 2, 3, 4]. Zheng은 해상풍력터빈의 재킷(Jaket) 설계에 투입되는 컴퓨팅 비용을 절감하여 해상풍력의 경제성을 제고하는 방법을 제안하였다[5]. Li는 부유식 해상풍력터빈의 잠재적인 고장 모드와 영향 분석 방법 등을 제안하여 해상풍력의 경제성을 제고하고자 하였다[6]. Xia는 디지털트윈(Digital twin)기법으로 해상풍력발전단지 유지보수 계획 등을 최적화하고 이를 통해 해상풍력의 경제성을 제고하고자 하였다[7]. Wu는 부유식 해상풍력터빈의 계류선 설계 최적화 방법을 개발하여 해상풍력의 경제성을 제고하고자 하였다[8]. 친환경 인증기관인 카본 트러스트(Carbon Trust)는 해상풍력단지의 입지분석을 수행할 때 부유식 라이다 시스템(Floating LiDAR System, FLS)을 적용하는 것이 해상풍력 발전단지의 경제성 제고에 효과적이라는 점을 강조한다[10]. 실제로 부유식 라이다 시스템의 비용은 고정식 해상기상탑 대비 50 % 수준으로 풍황자원 측정 비용을 상당히 저감할 수 있다[9]. 때문에 유럽 등 해상풍력 선진국에서는 부유식 라이다를 사용해 풍황을 계측하는 것이 일반화되고 있는 반면, 국내의 경우 상업용 해상풍력단지 개발을 위한 부유식 라이다 기술 수준이 미약하여 국내 기술이 적용된 사례는 전무하다. 또한, 국내 영해의 경우, 연안 지역임에도 50m 이상 수심을 갖는 해역이 영해의 23 %를 차지하고 있으며, 해당 구역의 잠재용량이 187GW에 달한다는 점을 고려할 때 FLS의 연구개발은 필수적이다[11].

현재 FLS를 위한 국제 규정은 존재하지 않으므로 FLS 개발자들은 OWA에서 발간한 로드맵을 참조하여 개발을 수행하고 있으며, IEC TC 88을 통해 국제 규정 제정을 위해 노력하고 있다[12, 13]. 카본트러스트의 로드맵은 개발 성숙도를 Stage 1(프로토타입), Stage 2(예비 상업화), Stage 3(상업화) 3개의 단계로 구분하고 있으며 이러한 각 단계의 요구 조건을 만족하기 위해서는 가동률 평가(Availability assessment) 및 정확도 평가(Accuracy assessment)에 대한 핵심성과지표(KIP, Key Performance Index)의 허용범위(AC, Acceptance Criteria)를 만족해야 한다. 카본트러스트가 FLS 관련하여 제시한 Stage 1은 풍력 업계에서 널리 사용되는 수준의 라이다를 적용할 때 확보되는 기본등급으로서, 바람 데이터를 안정적으로 측정할 수는 있지만 측정된 데이터에 대한 신뢰도가 낮아 측정 지역의 바람 특성을 분석할 수 없는 FLS에 매겨진다. Stage 2는 기상탑 데이터와의 데이터 상관관계가 검증된 FLS에 매겨지는 등급으로써, 검증환경과 유사한 조건에서 측정하는 조건에서만 상업적 활용이 가능하다. 만약 FLS의 설치 및 운전 환경(예: 계류선의 물성, 통신 방법 등)이 검증환경과 다르다면 데이터 측정과 주변 환경 민감도에 대한 근거 부족으로 측정 불확도가 낮게 평가된다. Stage 3은 다양한 환경 조건에서 장기간 시험 등을 통해 데이터 측정 신뢰도가 검증된 FLS에 매겨지는 등급이다[26].

예비 상업화 단계인 Stage 2 취득을 완료한 FLS를 해상에 설치하여 바람자원을 측정하는 경우, 부유체의 6 자유도 운동으로 인한 풍속, 풍향의 오차가 증가하므로 FLS 거동 보정 알고리즘 개발은 필수적이다.

본 연구에서는 펄스형 라이다 시스템과 연속파(Continuous wave) 방식의 라이다에 동시 적용 가능한 모션 보정 알고리즘을 이용하여 부유식 라이다 시스템에서 측정된 데이터를 보정하고, 보정된 결과를 인근에 설치된 고정식 기상탑 측정자료와 비교함으로써 부유식 라이다 시스템의 운동 효과 보정의 필요성과 모션 보정 알고리즘의 실효성을 검증하였다.

부유식 라이다 시스템에 관한 모션 보정 알고리즘은 여러 연구기관을 통해 제시되고 있으나, 이들은 실험 및 검증에 사용된 라이다 시스템에 특화되어 개발되었다는 점을 고려하여 본 연구에서는 부유체의 운동데이터만을 사용하여 측정된 풍속 데이터를 보정하는 Nassif 모델을 모션 보정 알고리즘으로써 사용하였다. 또한, 본 연구에서 사용한 실측 데이터는 유럽 최대의 응용과학연구소인 프라운호퍼 풍력연구소(Fraunhofer IWES)로부터 제공받았다. 프라운호퍼 풍력연구소는 전세계 풍력발전 기업체들과 긴밀한 협력을 통해 업계의 니즈를 반영하여 연구를 진행하고 있으며, FLS 기술 분야에서는 선도주자로 수많은 실증을 진행한바 있다. 최근에 독일연방해양수로국(BSH)과 협력하여, 유럽 북해의 예비풍황자원분석을 수행하고 있다.

2. 부유식 라이다 시스템(FLS)

2.1 LiDAR의 측정 이론 및 측정 방법

FLS에 설치된 LiDAR는 프랑스 Leosphere사의 WindCube v2로써, 5개 방향으로 조사되는 레이저빔으로 에어로졸의 도플러 이동(Doppler shift)을 검출하여 풍속 및 풍향을 측정한다[14]. Fig. 1은 WindCube v2의 풍향, 풍속을 측정하는 방법과 FLS의 좌표시스템을 보여준다.

Fig. 1. Measurement principle of Pulsed LiDAR(Wind Cube) and six degree motion of FLS Buoy

레이저빔의 방위각(Azimuth, θ)은 0 °, 90 °, 180 °, 270 °, 0 °이고, 경사각(Elevation, φ)은 28 °, 28 °, 28 °, 28 °, 0°이며 각 지점에서 에어로졸의 u, v, w 값을 측정한다[15].

Table 1은 WindCube V2의 상세 사양이다.

Table 1. Specification of WindCube v2

2.2 FLS 좌표시스템

FLS의 부유체에는 가속도(Acceleration)와 각속도(Angular velocity) 측정을 위한 관성 측정 장치(Inertial Measurement Unit, IMU)가 설치되었다. IMU에서는 일반적으로 Fig. 1에서의 회전 운동인 요(r), 피치(α), 롤(β)과 병진 운동(Translation motion)인 스웨이(V_v), 히브(V_w), 서지(V_u)가 측정되며 병진 운동의 경우 제조사에 따라 측정되는 값이 다를 수 있다.

본 연구에 활용된 FLS에 탑재된 IMU는 CODA Octopus사의 CODA Octopus F175 series가 탑재되었고 Table 2는 장비의 사양을 보여준다[17].

Table 2. Specification of CODA Octopus F175 series

CODA Octopus F175 series는 별도의 스웨이와 서지가 측정되지 않는데 이는 CODA Octopus F175 series에서 제공하는 진행각(Course Over Ground, COG)과 진행 속도(Speed Over Ground, SOG)를 활용하여 산출할 수 있다.

3. FLS 모션 보정 알고리즘

3.1 풍속 보정 알고리즘

FLS의 부유체에 탑재되는 LiDAR는 크게 Pulsed와 CW 형식의 LiDAR가 탑재된다. 이러한 LiDAR의 종류에 따라 다양한 풍속 보정 알고리즘도 개발되고 있으며 특정 알고리즘의 경우 난류강도 추정도 가능한 알고리즘이 존재한다[16, 18, 19]. 하지만 이러한 알고리즘은 각 LiDAR의 기종에 따라 알고리즘이 상호 호환이 되지 않는 어려움이 있다.

따라서 본 연구에서는 LiDAR 기종에 무관하게 적용 가능한 Nassif의 FLS 모션 보정 알고리즘을 채택하였다. 이 알고리즘은 난류강도 추정에는 한계가 있으나 모든 형식의 LiDAR에 쉽게 적용 가능하며, 특히 6자유도운동 요소 중 회전 운동 요소만으로도 쉽게 모션 보정을 할 수 있다는 장점을 지닌다.[20]. Nassif 보정 알고리즘은 FLS의 세 가지 모션인 요(Yaw(Y) , 롤(Roll(R)), 피치(Pitch(P))를 아래 수식 (5), (6), (7)로 정의하고 이를 수식 (8)의 방법으로 풍속 데이터를 보정한다.

\(\begin{align}Y=\left(\begin{array}{ccc}\cos r & -\sin r & 0 \\ \sin r & \cos r & 0 \\ 0 & 0 & 1\end{array}\right)\end{align}\)       (5)

\(\begin{align}P=\left(\begin{array}{ccc}\cos \alpha & 0 & \sin \alpha \\ 0 & 1 & 0 \\ -\sin \alpha & 0 & \cos \alpha\end{array}\right)\end{align}\)       (6)

\(\begin{align}R=\left(\begin{array}{ccc}1 & 0 & 0 \\ 0 & \cos \beta & -\sin \beta \\ 0 & \sin \beta & \cos \beta\end{array}\right)\end{align}\)       (7)

V = Y · P · R · V(h)       (8)

부유체 거동으로 발생하는 높이 차이에 대해서는 수식 (9)의 멱법칙(Power law)과 수식 (10)의 로그 법칙(Log law)을 활용하여 높이 보정을 수행한다.

\(\begin{align}V_{z}=V_{h}\left(\frac{z}{h}\right)^{1 / n}\end{align}\)       (9)

\(\begin{align}V_{z}=V_{h}\left(\ln \frac{z}{z_{0}} / \ln \frac{h}{z_{0}}\right)\end{align}\)       (10)

3.2 풍향 보정 알고리즘

기상탑과 지상 기반 라이다 등의 측정 장비는 진북(True north) 방향으로 설치하여 풍향을 측정한다. 하지만 FLS는 요 운동이 발생하므로 진북과 측정된 풍향 사이에 오차가 발생한다[21]. 따라서 실제 풍향은 수식 (11)과 같이 LiDAR에서 측정된 풍향값에 부유체의 요 거동이 고려되어야 한다. 수식에서 WD_FLS는 LiDAR를 통해 측정된 풍향 정보를 의미하며, WD_comp는 부유체의 요 거동이 고려된 풍향 정보를 의미한다.

WD_comp = WD_FLS + Yaw       (11)

4. FLS의 모션 보정 알고리즘 검증

4.1 검증 데이터 정보

FLS의 모션 보정 알고리즘의 성능 검증은 프라운호퍼가 제공하는 FLS 데이터와 FINO3(Forschungsplatt form in Nord-und Ostsee Nr.3) 기상탑 데이터를 이용하여 수행되었다[22]. Fig. 2는 독일 연구 플랫폼FINO3의 위치를 보여준다. FINO3 기상탑은 덴마크뢰뫼(Rømø) 섬 서쪽 80 km 지점(55.195 ° N; 7.15836 ° E)에 설치되어 있으며, 최대 높이는 120 m이다. FLS의 설치위치는 FINO3 기상탑 주변에서 측정되었다는 부분을 프라운호퍼로부터 안내 받았지만 상세 좌표는 프라운호퍼의 내부 기밀 사항으로 직접적인 확보가 불가하였다. 하지만 공개된 문헌 자료 등을 통해 확인한바에 따르면 FLS는 FINO3 기상탑을 기준으로 북서쪽 약 1.37 km 떨어진 지점에 위치하고 있다.

Fig. 2. Location of FINO3 Met mast [22, 23]

Fig. 3. Location of the FLS regarding to the FINO3 met mast[24]

Table 3은 2021년 9월 10일부터 11월 1일까지 FLS와 FINO3 기상탑 데이터의 정보를 보여준다. FLS의 측정 주기는 0.8 초이며 9개 높이에서 풍속 성분(u, v, w)을 측정한다. 모션보정 알고리즘 성능 검증에 사용한 FINO3 기상탑 측정자료는 10분 평균값으로 저장되며 10개의 높이에서 풍속, 풍향, 난류강도 값을 갖는다.

Table 3. Information on FLS and FINO3 met mast

FLS 모션 보정 알고리즘 검증은 FINO3 기상탑의 101 m 높이와 FLS의 103 m 지점에서의 측정데이터 비교를 통해 수행되었다. 본 연구에서는 두 장비의 측정 높이에 큰 차이가 없어 별도의 높이보정을 수행하지 않았다.

Table 4는 FLS에 설치된 거동 측정 장치(CODA Octopus F175 series)에 대한 정보를 보여준다. 측정장치를 통해 부유체의 요, 롤, 피치, 히브 운동을 측정하였으며, 측정 주기는 0.2 초이다. 본 연구에서 고려한 Nassif 알고리즘은 부유체의 거동 데이터 중 요, 롤, 피치 값만을 사용하기 때문에 측정 자료에서 히브데이터는 배제하였다.

Table 4. Period and Frequency of Collected Data Set

4.2 FLS 데이터 분석

4.2.1 FLS의 풍속 데이터

FLS와 FINO3 기상탑의 비교를 위해 FLS 데이터를 10분 평균화하여 FINO3 기상탑과 비교를 수행하였다. 측정 장비는 다양한 원인으로 측정이 되지 않거나 잘못된 값을 측정할 수 있다. 따라서 데이터를 분석하기 전 데이터의 신뢰성을 높이기 위해 비정상적이라 판단되는 데이터를 제외하는 데이터 품질 검사(Data quality check)가 필수적이다. 따라서 본 연구에서는 국외 문헌 자료를 바탕으로 하여 비정상적인 데이터의 기준을 LiDAR의 CNR(Carrier to Noise Ratio) 값이 –23 dB 이하, LiDAR 데이터 가용률(Data Availability)이 90 % 미만으로 설정하였으며, 이에 해당하는 데이터는 분석에서 제외하였다[24]. 데이터를 필터링한 결과 FINO3 기상탑과 FLS에 대한 데이터 복구율(Data recovery rate)은 각각 94.1 %, 85.99 %이다. Fig. 4는 시계열에서 비교한 결과 일부를 보여준다. 그림에서 볼 수 있듯이, FLS 데이터에 보정 모델을 적용하지 않았음에도 불구하고 전체 시간에서의 풍속 변화 경향이 매우 유사하게 나타난다는 점을 볼 수 있다. 특히, 풍속의 변화가 크게 나타나는 구간에서도 FINO3 기상탑 측정 결과와 유사하다는 점을 확인할 수 있다.

Fig. 4. 10 minutes averaged wind speed data comparison between FINO3 data and uncorrected LiDAR data

Fig. 5는 FLS 데이터의 측정 정확도 분석을 위하여 수행된 선형회기(Linear regression) 분석 결과를 보여준다. 그림에서 볼 수 있듯이 풍속에 대한 두 데이터의 상관정도를 나타내는 상관계수(R2)는 0.973, 기울기값은 0.975로 카본 트러스트가 제안하는 Stage 2의 풍속 KPI 최소 기준을 만족하고 있다.

Fig. 5. Linear regression of 10 minutes averaged wind speed between the met mast and uncorrected LiDAR data

Table 5는 FINO3 기상탑과 FLS의 월평균 풍속에 대해 비교한 결과를 보여준다. 표에서 볼 수 있듯이, FINO3 기상탑에서 측정된 풍속의 월 평균 풍속과 FLS에서 측정된 월 평균 풍속의 차이는 0.4 % 수준(0.06 m/s)으로 무시할 수 있을 정도의 수준이다.

Table 5 Comparison of monthly average wind speed between met mast and FLS​​​​​​​

보정 모델이 적용되지 않은 상태임에도 풍속 측정 오차가 적게 나타난 이유는 해수면에서의 FLS 거동 특성으로 설명된다. FLS에서는 해류 등의 이유로 병진운동 등이 발생한다. 하지만, FLS 위치 고정을 위해 사용된 계류선 덕분에 이러한 운동은 대칭적으로 발생하며 이에 따라 대부분의 운동 효과는 상쇄된다. 이에더해 FINO3 기상탑 데이터와의 비교를 위해 수행한 시간 평균 과정 역시 대칭적으로 발생한 거동 효과를 상쇄시키기 때문에 보정 모델을 적용하지 않더라도 연구 수준에서 수용할 수 있는 수준의 풍속 예측 정확도를 확보할 수 있다.[18]

4.2.2 FLS의 풍향 데이터

Fig. 6은 FINO3 기상탑에서 측정된 데이터와 FLS에서 측정된 데이터를 추가적인 보정 없이 출력한 바람장미(Wind rose)를 보여준다. 그림에서 볼 수 있듯이 FINO3 기상탑에서 측정된 바람의 주 풍향은 남남서(SSW)지만 FLS의 주 풍향은 북북서(NNE)로써 FINO3 기상탑 측정데이터와는 약 180도 수준의 위상 차이를 보여준다. 이 같은 오차는 FLS에서 발생한 요운동으로 인한 것으로써, 병진 운동과는 달리 요 운동은 계류선 등에 의한 운동 상쇄 효과가 미비하다는 점을 알 수 있다.

Fig. 6 The wind rose of FINO3 met mast and FLS​​​​​​​

4.2.3 FLS의 모션 데이터

전술한 바와 같이 FLS의 부유체에서 발생하는 피치와 롤 거동은 대칭적으로 발생하는 경향이 있으며, 시간 평균 시 이러한 거동 효과는 상쇄된다[18]. 실제로 아래 Fig. 7은 2021년 9월 21일부터 2021년 11월 1일까지 측정된 데이터를 이용하여 시간 평균시 발생하는 거동 효과의 상쇄 현상을 보여준다. 확보된 FLS의 raw 데이터에 따르면 FLS의 롤 성분의 운동 범위는 –28.84 °에서 29.85 ° 이다. 하지만, 같은 데이터를 10분 평균하면 롤 성분의 운동 범위가 –3.31 °에서 4.04 °로 약 87 % 줄어드는 것을 확인할 수 있다. 이러한 거동 상쇄 효과는 피치 성분의 운동 데이터에서도 확인할 수 있었다. 반면 요 성분에서는 시간평균 효과가 상대적으로 적었다.

Fig. 7. Effect of motion cancellation in float body according to time average​​​​​​​

5. FLS 모션 보정 알고리즘 결과

5.1 풍속 알고리즘

Fig. 8은 전술한 Nassif 보정 알고리즘을 통해 보정한 FLS 풍속 데이터의 선형 회기분석 결과를 보여준다. 그림에서 볼 수 있듯이, 보정 알고리즘 적용을 통해 기울기 값이 약 2.1 % 개선되었음을 확인할 수 있다. 결정계수(Coefficient of Determination, R2) 또한기존 0.973에서 0.9733으로 소폭 향상되었다.

Fig. 8. Comparison with wind speed before and after motion compensation​​​​​​​

FLS의 난류 강도 예측의 정확도는 카본 트러스트의 Stage 취득을 위한 KPI에 포함은 되어 있으나 수치에 대한 명확한 기준은 없다. 하지만 단지적합성평가(Site suitability assessment) 또는 풍황자원평가(Wind resource assessment)를 위해서는 FLS 설치위치 근접한 풍황자료와 비교하여 난류강도에 관한 KPI를 제시하는 것을 추천하고 있다. 지상기반 라이다의 난류강도 측정값은 평균적으로 기상탑 풍속계의 측정값과 유사하지만 분산은 라이다 시스템의 기술적 오차로 인해 높고 편향성을 유발한다[19]. FLS의 경우 파랑에 의한 부유체 운동으로 발생하는 오차가 라이다 시스템의 오차보다 더 높으며, 분산이 더욱 커지면서 편향성이 높아져 상관성이 더욱 악화된다[15]. 난류강도의 정확도를 높이기 위해 세계적으로도 많은 연구가 수행되고 있으나 Stage 취득을 위한 허용기준을 선정하기에는 기술적으로 부족하여 더욱 많은 연구를 통해 신뢰성 제고가 필요한 상황이다. 본 연구에서는 풍속 보정에 따른 FLS의 난류 강도의 보정 효과를 FINO3 기상탑의 난류 강도와 비교하였고 Fig. 9는 비교한 결과를 보여준다.

Fig. 9. Comparison with turbulence intensity before and after motion compensation results​​​​​​​

Fig. 9를 통해 확인되듯이, Nassif 보정 모델을 적용하여 보정된 풍속 데이터의 난류강도는 보정 전보다도 낮은 것을 확인할 수 있다. 선형 회기분석을 통해 확인한 바에 따르면 Nassif 모델을 이용한 풍속 보정 시선형 회기의 기울기가 보정 전 대비 약 11 % 낮아지며 결정계수 수치도 약 5 % 낮아진 점을 확인할 수 있다. 특히 난류강도가 높은 상황에서는 보정 정확도가 더 낮아지는 것을 확인하였다.

5.2 풍향 보정 알고리즘

Fig. 10은 FLS의 요 성분 데이터를 이용해 보정한 풍향 데이터의 정확도를 보여준다.

Fig. 10 Comparison with wind direction before and after motion compensation results​​​​​​​

그림에서 볼 수 있듯이, 요 성분 데이터를 이용하여 데이터를 보정할 경우, 풍향에 대한 선형 회기식의 기울기가 0.146에서 약 7배 증가한 0.958로 측정 정확도가 향상되는 것을 확인할 수 있다. 이점은 결정계수의 변화로도 확인된다. 실제로 보정 전 결정계수는 0.0141 수준이지만 보정 후에는 0.8982로 약 64배 증가하는 것을 확인할 수 있다. 또한, 보정 정확도를 확인할 수 있는 절편 값(Offset)도 기존 107.089도에서 10.240도로 약 10배 수준 향상되었다.

Fig. 11은 보정된 풍향 데이터를 이용하여 출력한 바람장미를 보여준다.

Fig. 11. The wind rose of FLS compensation results​​​​​​​

그림을 통해 확인할 수 있듯이, 풍향 데이터 보정 시 앞서 제시한 고정식 기상탑과 동일한 주풍향을 제시할 뿐 아니라 그 외 방위에서 측정되는 바람의 발생빈도 역시 고정식 기상탑과 유사한 수준으로 제시하는 것을 확인할 수 있다.

5.3 KPI 요구 기준에 따른 비교

Carbon Trust의 KPI 평가 기준 분류 시 풍속, 풍향, 시스템·데이터 가용률 등에 대해서 선회회귀, 결정계수(R²) 등을 활용하여 평가하며 Table 6에 KPI 평가 기준을 보여준다[12].

Table 6 Acceptance Criterion for accuracy and availability assessment​​​​​​​

Table 7은 모션 보정 알고리즘을 활용하여 FLS에서 측정된 데이터에 대한 보정 전·후를 Carbon Trust의 KPI 기준에 따라 분류한 결과를 비교하여 보여준다.

Table 7 Comparison of Motion Compensation Algorithm Application Results and KPI Acceptance Criterion​​​​​​​

KPI 평가 기준 중 풍속에 대한 선형회귀 기울기 값의 경우 10분 평균화만으로도 0.975로 Stage 2 기준을 만족하지만 모션 보정 알고리즘을 활용하는 경우 선형회귀식의 기울기 값이 0.996으로 보정되어 Stage 3 기준까지도 만족하는 것으로 확인하였다. 풍속의 결정계수의 경우 보정 전·후 값은 각각 0.9730, 0.9733으로 Stage 2를 만족하였다.

풍향에 대해서는 요 성분 데이터를 활용하여 보정을 수행하지 않는 경우 선형 회귀식의 기울기, 절편값과 결정계수의 값은 각각 0.146, 107.089, 0.0141로 산출되어 KPI의 Stage 2도 만족하지 못하는 것으로 확인되었다. 반면 풍향 보정 알고리즘을 활용하여 보정하면 선형 회귀식의 기울기, 절편값과 결정계수의 값이 0.958, 10.240, 0.8982로 기울기는 Stage 3 그리고 절편값은 Stage 2를 만족하는 것을 확인하였다.

6. 결론

본 연구는 해상풍력단지 경제성 확보 방안 마련의 일환으로, FLS의 측정데이터 보정 알고리즘의 정확도를 검증하기 위해 수행되었다. 측정데이터 보정은 Nassif 모션 보정 알고리즘을 통해 수행되었으며, 보정용 FLS 실측 데이터와 검증을 위한 고정식 기상탑 실측 데이터는 독일의 프라운호퍼로부터 제공받았다.

보정 전 측정데이터를 통해 FLS의 거동은 대칭적으로 발생하며, 이에 따라 시간 평균시 FLS의 거동으로 인한 풍속 오차가 일부 상쇄되지만, 카본트러스트가 요구하는 Stage 3 기준을 일부 만족하지 못한다는 점을 확인하였다. 하지만 비교적 구현이 간편한 Nassif의 FLS의 모션 보정 알고리즘을 활용하여 풍속 데이터를 보정하면 선형 회귀식의 기울기와 결정계수가 기존 대비 2.1 %, 0.03 % 향상되며, 기울기의 경우 카본 트러스트가 요구하는 Stage 3 기준을 충분히 만족한다는 점을 확인할 수 있었다. 하지만, 난류강도에 대한 측정 정확도는 오히려 낮아지는 점을 확인하였다.

FLS의 풍향 보정을 위해 요 데이터를 활용하여 보정을 수행하였고 그 결과 선형 회귀식의 기울기 값과 절편값이 기존 대비 각각 약 7배, 10배 보정되는 것을 확인하였다. 또한 결정계수도 기존 대비 약 64배 향상되었다. 본 논문의 연구를 통해 FLS 데이터의 보정된 결과값과 KPI 기준을 비교하였을 때 풍속의 경우 기울기 값에 대해 Stage 3을 만족하며 결정계수의 경우 Stage 2를 만족하였다. 풍향의 경우 기울기는 Stage 3, 절편은 Stage 2를 만족하는 것을 확인할 수 있었다.

하지만 서론에서 언급한 바와 같이 본 연구에서 부유체 라이다 시스템의 모션 보정 알고리즘으로써 사용한 Nassif 모델은 특정 라이다 시스템에 특화되지 않은 일반적인 모델이다 보니 측정 신뢰도를 높이는 데한계가 있음을 분명히 알 수 있었다. 특히 Nassif 알고리즘을 적용했을 때 난류 강도 측정 정확도가 선형 회기 기울기 값을 기준으로 약 11 % 더 낮아진 점을 보면 바람의 난류 강도를 측정하는 부분에서 취약하다는 점을 확인할 수 있다. 물론 카본트러스트가 제시한 부유식 라이다 시스템에 대한 KPI에는 난류 강도에 대한 항목은 없지만, 바람의 난류 강도는 분명 풍력단지를 구성할 풍력터빈의 등급을 결정할 뿐 아니라 풍력터빈 간의 거리 등을 결정할 때 고려되는 매우 중요한 인자이므로 반드시 측정 신뢰도를 높여야 한다. 이러한 목표를 달성하기 위해서는 부유식 라이다 시스템의 모션 보정 알고리즘 개발의 기초 연구로서 수행된 본 연구 결과를 바탕으로 한 추가적인 연구 수행이 필요하며, 특히 부유체의 운동 데이터뿐만 아니라 측정 장비의 작동 특성과 주변 환경 특성 등을 추가 고려한 알고리즘 개발 추진이 필요하다고 판단된다. 추가적인 연구 수행을 통해 카본트러스트가 규정한 KPI를 만족하면서 동시에 난류 강도 측정 정확도를 고정식 기상탑 수준으로 높인 부유식 라이다 시스템 전용 모션 보정 알고리즘 개발이 완료되면 국내 해상풍력 시장의 활성화에 기여할 뿐 아니라 관련 분야에서의 국제시장 경쟁력 확보를 기대할 수 있다.

후기

본 연구는 산업통상자원부(MOTIE)와 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구 과제입니다. (No. 20213030020340 & 20228520020020)