• Journal of the Korean Solar Energy Society
• /
• v.28 no.2
• /
• pp.42-49
• /
• 2008

제주 행원 풍력발전단지 내의 풍력발전시스템을 대상으로 연도별 풍력발전시스템의 운전특성과 고장원인이 분석되었다. 이용된 데이터는 2005년과 2006년 4월에서 9월 사이의 기상데이터와 풍력발전기의 운전데이터이다. 그 결과, 풍력자원은 해에 따라 변동이 있음을 확인할 수 있었고, 풍력발전기의 발전량 역시 해에 따라 변동함을 알 수 있었다. 또한 풍력발전기의 고장 또는 정지로 인하여 발전량이 떨어지고 있음을 확인하였고, 후류로 인한 발전량 손실도 추정할 수 있었다. 같은 해에 풍력발전기 1, 2호기를 운전 개시하였지만, 고장 또는 정지원인은 일관성이 없이 다양함을 알 수 있었다. 이 연구에서 시스템이 가장 많은 시간동안 정지한 원인은 기어박스와 요잉장치의 고장으로 분석되었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.1085-1087
• /
• 2012

현재 급격한 화석 에너지의 사용 증가로 인해 자원이 고갈되고 있으며, 심각한 환경오염의 문제가 발생하고 있다. 이러한 화석 에너지의 문제점 때문에 무공해이면서 자원 량이 무한에 가까운 신재생 에너지가 거론되고 있는데, 그 중에서 경제적인 면과 기술력이 가장 발전한 풍력 에너지가 각광 받고 있다. 하지만 풍력 발전은 풍속이 짧은 시간 안에 급격한 변화를 일으켜 풍력 터빈의 손상을 초래하며 정확한 풍력발전량의 예측이 힘들어 전력 생산량이 불규칙하다. 그리하여 전력의 공급과 수요의 균형을 위해 풍력발전량의 정확한 예측이 필요하다. 따라서 이 연구에서는 ANFIS을 적용하고 전력 생산 변화의 빠르기 PRR을 이용하여 풍력발전량을 예측하였다. 실험에서는 ANFIS기법에 PRR속성을 이용하여 단순한 ANFIS 기법 보다 더 정확한 풍력 발전량의 예측 결과를 얻을 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2002.11d
• /
• pp.297-299
• /
• 2002

본 논문에서는 태양광-풍력 복합발전시스템의 구성에 있어서 확률적으로 변화하는 시스템 발전량과 부하량을 고려한 적정 축전지 용량산정기법에 관하여 연구하였다. 서울지역에서의 전형적인 날의 시간대별 일사량과 풍속 데이터에 기초하여 태양광-풍력 복합발전시스템의 출력분포를 산정하였고 배전계통과 연계된 전형적인 일반 주택부하를 가정하여 시스템 발전량과 부하량이 서로 상응하도록 풍력발전기와 태양전지의 용량을 결정하였다. 태양광 풍력 복합발전시스템의 예상 발전량은 각각 Beta 분포와 Weibull 분포에 기초하여 산정하였고 수요부하량을 비교하여 잉여 발전량은 축전지에 충전하고 부족 발전량은 축전지에서 방전하여 가능한한 계통으로부터 인입전력을 공급받지 않기 위한 최소 축전지 용량을 산정하는 기법에 관하여 연구하였다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.696-697
• /
• 2011

신재생에너지는 기후변화협약 및 화석연료의 고갈 등으로 인해 전력계통으로의 도입 필요성은 증가하고 있으나 경제성 부재로 인해 도입 시 많은 제약이 있었다. 그러나 최근 풍력발전기의 경제성이 확보되고 있는 추세이며 일부 유럽 국가를 중심으로 전력계통에 연계하여 운전하고 있다. 특히 스페인의 경우 풍력발전기의 발전량을 예측하는 시스템을 개발하여 풍력발전량의 간헐적인 출력 특성을 보완하고 이용 효율을 향상시킬 수 있도록 다른 발전설비와 연계하여 전력계통을 운영하고 있으며, 풍력발전량을 고려한 예비력을 산정함으로써 경제적이고 안정적인 전력계통을 유지하고 있다. 또한 풍력발전기의 간헐적인 출력 특성을 보완하기 위해 에너지저장장치와의 협조 운영 가능한 시스템을 구축하는 사례가 증가하고 있으며 우리나라의 제주 스마트그리드 실증사업의 Smart Renewable이 이와 같은 경우라 할 수 있다. 본 논문에서는 기계학습이론 중 하나인 SVR을 이용한 풍력발전량 예측 시스템을 개발에 대해 기술하였으며, 행원14호기의 풍력발전량 이력데이터를 이용하여 풍력발전량 예측을 수행하였다.

• Journal of the Korean earth science society
• /
• v.34 no.7
• /
• pp.633-644
• /
• 2013

This study evaluates wind farm efficiency at Haengwon in Jeju Island. The actual energy production at Haengwon wind farm is compared with the estimated energy production based on Korean wind map which is developed at the National Institute of Meteorological Research/KMA. The validation of wind map at Gujwa located near the Haengwon wind farm shows that the wind speed is overestimated. The diurnal variation of wind speed shows a maximum value in the afternoon due to the effect of sea-land breeze. The ratio of the actual energy production at Haengwon wind farm and the estimated energy production based on the Korean wind map is 24.8%, while the distribution of energy frequency is similar each other. The difference of energy production is caused by mechanical error of the turbine and the overestimation of the simulated wind map. This study will contribute to the repowering of turbines for improving the efficiency of wind farm in the future.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.553_554
• /
• 2009

풍력발전은 현재까지 가장 경제성이 있는 신재생에너지 기술이지만, 전적으로 바람에 의존함으로서, 발전전력의 양과 시스템의 효용성이 절대적으로 풍력자원의 특성에 지배된다. 본 논문은 제주한경풍력단지의 풍력발전량을 추정하기위하여, 인근에 위치한 고산기상대의 풍속측정 자료와 한경풍력의 풍력발전량을 분석하였다. 분석된 결과를 이용하여 예측된 풍속의 높이를 보정하여 미래 풍력발전량을 추정하였다.

• Journal of Energy Engineering
• /
• v.14 no.2 s.42
• /
• pp.123-132
• /
• 2005

An economic feasibility study is performed for the wind power generation with the examination of the wind speed and its distribution at Daekwanryung at which a wind fm is under construction. In this analysis, the distribution of wind speed is the key issue. The wind distribution which is usually expressed in terms of Weibull distribution with shape factor and scale factor needs to be reexamined to find the proper values of them according to the empirical wind speed data. After this kind of analysis is done, annual power generation of wind is calculated. Due to the lack of cost information, we applied EWEA data instead or the actual information from the site. The result would be of use to determine the 'reference price' of wind power under the current system of 'compensating subsidy for renewable power generation'.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.157-159
• /
• 2012

산업혁명 이후 현대사회의 급격한 발전과 화석에너지의 무분별한 사용으로 인해 화석자원이 고갈되고 있으며 환경오염 문제가 심각한 실정이다. 이러한 자원의 고갈과 환경오염 문제를 해결하기 위해 최근에 친환경적이며 자원량이 무한대에 가까운 신재생에너지 자원에 대한 개발이 많은 관심을 받고 있다. 신재생에너지 중에서 풍력에너지는 바람의 가변성으로 인해 짧은 시간 안에 전력 생산량이 급증하거나 급강하는 ramp 현상이 발생하여 풍력발전량의 예측이 어렵다. 따라서 안정적인 전력 공급을 위해서는 풍력발전량의 정확한 예측이 필요하다. 이 연구에서는 정확한 풍력발전량의 예측을 위하여 전력 생산 변화의 빠르기를 나타내는 PRR을 속성으로 사용하고 ANFIS기법을 적용하여 풍력발전량을 예측하였다. 실험 결과 기존의 ANFIS기법을 적용한 경우 보다 PRR속성을 이용하여 적용한 경우 더 정확한 풍력발전량의 결과를 얻을 수 있었다.

• Plant Journal
• /
• v.12 no.3
• /
• pp.32-38
• /
• 2016

In this study, the effect of wake on the energy production of a downstream wind turbine was analyzed on the base of operation practices of wind farm in the coastal complex terrain which has 2 row array of wind turbines. And changes in the variation of wind speed and turbulence intensity was analyzed. In case wind turbines are spaced 4-rotor diameter-apart in the prevailing wind direction, reduction in energy production was confirmed due to the decrease of wind speed and the increase of turbulence intensity by wake. Especially a radical change of wind direction caused wind turbine a sudden stop and energy production significantly reduced. It is considered improvement of yaw brake can prevent the sudden stop and increase energy production.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.2
• /
• pp.329-338
• /
• 2021

This study predicts the amount of wind power generation for rational operation plan of wind power generation and capacity calculation of ESS. For forecasting, we present a method of predicting wind power generation by combining a physical approach and a statistical approach. The factors of wind power generation are analyzed and variables are selected. By collecting historical data of the selected variables, the amount of wind power generation is predicted using deep learning. The model used is a hybrid model that combines a bidirectional long short term memory (LSTM) and a convolution neural network (CNN) algorithm. To compare the prediction performance, this model is compared with the model and the error which consist of the MLP(:Multi Layer Perceptron) algorithm, The results is presented to evaluate the prediction performance.