• 제목/요약/키워드: Wind speed prediction

검색결과 324건 처리시간 0.03초

입사각의 변화에 따른 터빈 캐스케이드에서 손실계수에 관한 실험적 연구 (An Experimental Study on Loss Coefficient of Turbine Cascade with Incidence Angles)

  • 이주형;허원회;전창수
    • 한국유체기계학회 논문집
    • /
    • 제2권4호
    • /
    • pp.48-56
    • /
    • 1999
  • For the study on loss coefficients of turbine cascade with variation of incidence angle, the wind-tunnel tests were performed under the ranges in velocity of 10 m/s, 15 m/s, 20 m/s and incidence angles from $-20^{\circ}\;to\;20^{\circ}$ by intervals of $5^{\circ}$. Comparing our results with Soderberg's prediction, differences in loss coefficient were $2.5\%\;and\;2.8\%$ each for 10 m/s and 15 m/s. A large disagreement of $30.3\%$ was showed at 20 m/s freestream velocity. The comparisons of these test results with Ainley's prediction showed an $8\%$ difference in the case of 20 m/s freestream velocity. Test results were approximately comparable with Ainley's loss prediction's in incidence angles. Generally, averaged total pressure loss seemed to be decreased as Reynolds number increased. The total pressure loss coefficients were increased parabolically, as incidence angles were increased negatively and positively from $0^{\circ}$, in all speed ranges. At the far low freestream velocities, minimum loss accurred between $-5^{\circ}\;and\;+5^{\circ}$. But this minimum range narrowed the location of this range by shifting to the direction of the angle as freestream velocity was increased.

  • PDF

관절형 허브 로터를 이용한 전진비행조건에서의 플래핑 운동에 대한 실험적 연구 (An Experimental Study on Flapping Motion of Forward Flight Condition used to Articulated Hub Rotor)

  • 이재하;백동민;이욱;최종수;송근웅
    • 한국항공우주학회지
    • /
    • 제41권4호
    • /
    • pp.261-267
    • /
    • 2013
  • 본 논문에서는 헬리콥터 전진비행 조건에서 플래핑모션에 대하여 축소 로터 실험을 통하여 실험결과와 이론적인 예측결과를 비교하였다. 축소로터 성능 실험은 충남대학교 아음속 풍동에서 수행하였으며 1.8 x 1.8m의 개방형 시험부를 사용하였다. 전진비행조건에서의 실험 결과에 의하면 축소로터의 전진비행조건에서의 추력 결과를 고정한 조건에서 동력계수는 차이가 있는 것을 확인 할 수 있었다. 또한, 공력 성능 측정 결과와 이론적인 예측결과의 비교를 통하여 헬리콥터의 플랩핑 각도의 범위에 대하여 비교하여 보았다. Coning 각도, 횡방향과 종방향에 대한 플래핑 각도에 대해서는 실험결과와 예측결과의 유사함을 확인하였다.

Dynamically Induced Anomalies of the Japan/East Sea Surface Temperature

  • Trusenkova, Olga;Lobanov, Vyacheslav;Kaplunenko, Dmitry
    • Ocean and Polar Research
    • /
    • 제31권1호
    • /
    • pp.11-29
    • /
    • 2009
  • Variability of sea surface temperature (SST) in the Japan/East Sea (JES) was studied using complex empirical orthogonal function (CEOF) analysis. Two daily data sets were analyzed: (1) New Generation 0.05o-gridded SST from Tohoku University, Japan (July 2002-July 2006), and (2) 0.25o-gridded SST from the Japan Meteorological Agency (October 1993-November 2006). Linkages with wind stress curl were revealed using 6-h 1o-gridded surface zonal and meridional winds from ancillary data of the Sea- WiFS Project, a special National Centers for Environmental Prediction/National Center for Atmospheric Research (NCEP/NCAR) product (1998-2005). SST anomalies (SSTA) were obtained by removing the seasonal signal, estimated as the leading mode of the CEOF decomposition of the original SST. Leading CEOF modes of residual SSTA obtained from both data sets were consistent with each other and were characterized by annual, semiannual, and quasi-biennial time scales estimated with 95% statistical significance. The Semiannual Mode lagged 2 months behind the increased occurrence of the anticyclonic (AC) wind stress curl over the JES. Links to dynamic processes were investigated by numerical simulations using an oceanic model. The suggested dynamic forcings of SSTA are the inflow of subtropical water into the JES through the Korea Strait, divergence in the surface layer induced by Ekman suction, meridional shifts of the Subarctic Front in the western JES, AC eddy formation, and wind-driven strengthening/weakening of large-scale currents. Events of west-east SSTA movement were identified in July-September. The SSTA moved from the northeastern JES towards the continental coast along the path of the westward branch of the Tsushima Current at a speed consistent with the advective scale.

트윈 세일 드론의 성능추정에 관한 연구 (A Study on the Performance Predictions of Twin Sail Drone)

  • 류인호;양창조;한원희
    • 해양환경안전학회지
    • /
    • 제28권5호
    • /
    • pp.827-834
    • /
    • 2022
  • 최근 무인선을 활용한 해양 조사가 주목을 받고 있으며, 특히 세일을 이용한 소형 무인 드론에 대한 연구가 고조되고 있다. 세일 드론의 용도는 해양 조사, 감시 및 오염방제 등을 들 수 있다. 따라서 본 연구에서는 트윈 세일을 채용한 드론에 대해 선속을 추정하는 방식을 이용하여 항주최적조건을 확인하고 세일드론의 운동성능 및 저항 등 초기설계단계에서 검토해야 할 성능에 대해서 고찰하고자 하였다. 그 결과, 트윈 세일 드론은 항해속도를 2.0 m/s 이하로 유지하는 편이 유리하며 복원성 또한 DNV에서 규정하는 조건을 충족시켰다. 또한, TWA 100°일 때 받음각 20°에서 최고속력은 1.69 m/s, TWA 100°일 때 받음각 25°에서 최고속력은 1.74 m/s를 보였다.

AWS와 MERRA 데이터의 장기간 풍속보정을 통한 풍력터빈 최적배치 및 연간에너지생산량 예측 (Optimal Micrositing and Annual Energy Production Prediction for Wind Farm Using Long-term Wind Speed Correlation Between AWS and MERRA)

  • 박미호;김범석
    • 대한기계학회논문집B
    • /
    • 제40권4호
    • /
    • pp.201-212
    • /
    • 2016
  • 부산지역 가덕도 일대에 30MW 규모의 육상 풍력발전단지개발을 위한 풍황자원분석과 풍력터빈 최적배치를 수행하였다. 후보지역에 설치되어 운용중인 AWS(KMA)에서 측정된 바람 데이터를 이용하였으며, 데이터 품질분석을 통한 신뢰성 검토를 수행하였다. 1년간 측정된 AWS 데이터는 MERRA 재해석 데이터와 선형희귀(Linear regression method) MCP 기법의 적용을 통해 30년으로 장기 보정되었고, 이를 이용한 풍력터빈 최적배치를 수행하였다. 3MW 풍력터빈을 적용하여 총 25 조건의 풍력터빈 배치에 대한 최적배치를 수행하였으며, 다양한 후류모델을 적용하여 발전량해석을 수행하였다. 단지효율은 97.6%~98.7%, 연간이용률은 37.9%~38.3%로 예측되었고, 후류영향이 고려된 연간발전량이 99,598.4 MWh~100,732.9 MWh로 예측됨에 따라, 우수한 경제성을 갖는 풍력발전단지개발이 가능한 지역임을 확인하였다.

LAPS와 관측자료를 이용한 고해상도 경기도 농업기상정보 분석시스템 (High Resolution Gyeonggi-do Agrometeorology Information Analysis System based on the Observational Data using Local Analysis and Prediction System (LAPS))

  • 천지민;김규랑;이선용;강위수;박종선;이채연;최영진;박은우;홍순성
    • 한국농림기상학회지
    • /
    • 제14권2호
    • /
    • pp.53-62
    • /
    • 2012
  • 고해상도 기상자료 제공과 농림 분야에서의 요구를 충족시키기 위하여 LAPS를 이용하여 경기도 지역을 100m 해상도로 분석하였다. 구축된 시스템은 수치예보과에서 생산되는 6시간 간격 예측자료를 초기추정치로 사용하고, 각 관측자료를 동화하여 지표 온도와 습도 바람을 분석한다. 기존 분석시스템의 기상관측자료의 수집 방식을 개선하여 자료 수집에 소요되는 시간을 성공적으로 단축시킴으로써 약 20분 내에 기온, 상대습도, 풍향, 풍속에 대한 고해상도 분석결과 제공이 가능하게 되었다. 그러나 앞으로 LAPS 분석결과를 이용하여 관측이 가능한 지역 이외에 어느 지역에서든 정확한 농업기상정보를 산출할 수 있게 하려면 다양한 기상자료의 활용과 지표이용도의 개선, 관측지점의 영향반경을 최적화 시키는 과정들이 추가로 연구되어야 할 것이다. 현재 구축된 시스템의 분석결과 정확도는 떨어지지만 LAPS의 내부 알고리즘에 대한 미세한 조정으로 향상이 가능하므로 농업기상요소 생성을 위한 최적화 작업들을 수행한다면 정확도 향상을 꾀할 수 있을 것이다. 또한 다양한 기상요소에 대한 분석이 가능하기 때문에 특별한 기상요소들을 필요로 하는 농림 분야의 요구를 충족 시킬 수 있도록 분석요소의 확장이 가능 할 것이다.

인공신경망과 중규모기상수치예보를 이용한 강수확률예측 (Predicting Probability of Precipitation Using Artificial Neural Network and Mesoscale Numerical Weather Prediction)

  • 강부식;이봉기
    • 대한토목학회논문집
    • /
    • 제28권5B호
    • /
    • pp.485-493
    • /
    • 2008
  • 한반도 영역을 대상으로 RDAPS모형의 수치예보자료, AWS의 관측강수, 상층기상관측(upper-air sounding)의 관측자료를 이용하여 권역별 강수발생확률을 예측할 수 있는 인공신경망 모형을 제시하였다. 사용된 자료의 기간은 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 하였다. 500/750/1000 hPa에서의 지위고도, 500-1000 hPa에서의 층후(thickness), 500 hPa에서의 X와 Y방향 바람성분, 750 hPa에서의 X와 Y방향 바람성분, 표면풍속, 500/750 hPa/표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도등을 신경망의 예측인자로 사용하였다. 신경망의 구조는 3층 MLP(Multi Layer Perceptron)로 구성하여 역전파알고리즘(Back-propagation)을 학습방법으로 사용하였다. 신경망예측결과 한반도전체에 대한 예측성과의 개선은 H가 6.8%상승하였고, 특히 TS와 POD는 각각 99.2%와 148.1% 상승함으로서 강수예측에 대한 신경망모형이 효과적인 도구가 될 수 있음을 확인하였다. KSS 역시 92.8% 개선됨으로서 RDAPS 예측에 비하여 뚜렷이 개선된 결과를 보여주고 있다.

전산 유체 역학 모델을 이용한 도시지역 흐름 및 열 환경 수치모의 검증 (The Verification of a Numerical Simulation of Urban area Flow and Thermal Environment Using Computational Fluid Dynamics Model)

  • 김도형;김근회;변재영;김백조;김재진
    • 한국지구과학회지
    • /
    • 제38권7호
    • /
    • pp.522-534
    • /
    • 2017
  • 이 연구의 목적은 강남 선정릉지역에서 전산유체역학모델(CFD)을 사용하여 도시지역의 흐름 및 열 환경 모의를 검증하는 것이고, CFD 모델의 모의결과와 선정릉 지역의 관측 자료와 비교하는 것이다. CFD 모델은 국립기상과학원과 서울대가 공동으로 연구 개발된 모델이다. CFD_NIMR_SNU 모델은 기상청 현업 모델인 국지예보모델(LDAPS)의 바람성분과 온도성분을 초기 및 경계조건으로 적용되었고 수목효과와 지표 온도를 고려하여 2015년 8월 4일에서 6일까지 강남 선정릉 지역을 대상으로 수치실험을 진행하였다. 선정릉지역에서 수목효과 적용 전후의 풍속을 비교하였을 때 평균 제곱근 오차(RMSE)는 각각 1.06, $0.62m\;s^{-1}$로 나타났고 수목효과 적용으로 풍속 모의정확도가 향상되었다. 기온은 LDAPS 과소 모의하는 경향을 나타내고 CFD_NIMR_SNU 모델에 의해 향상된 것을 확인하였다. CFD_NIMR_SNU 모델을 이용하여 복잡한 도시지역의 흐름과 열 환경을 자세하고 정밀한 분석이 가능하며, 도시 환경 및 계획에 대한 정보를 제공 할 수 있을 것이다.

Prediction of pollution loads in the Geum River upstream using the recurrent neural network algorithm

  • Lim, Heesung;An, Hyunuk;Kim, Haedo;Lee, Jeaju
    • 농업과학연구
    • /
    • 제46권1호
    • /
    • pp.67-78
    • /
    • 2019
  • The purpose of this study was to predict the water quality using the RNN (recurrent neutral network) and LSTM (long short-term memory). These are advanced forms of machine learning algorithms that are better suited for time series learning compared to artificial neural networks; however, they have not been investigated before for water quality prediction. Three water quality indexes, the BOD (biochemical oxygen demand), COD (chemical oxygen demand), and SS (suspended solids) are predicted by the RNN and LSTM. TensorFlow, an open source library developed by Google, was used to implement the machine learning algorithm. The Okcheon observation point in the Geum River basin in the Republic of Korea was selected as the target point for the prediction of the water quality. Ten years of daily observed meteorological (daily temperature and daily wind speed) and hydrological (water level and flow discharge) data were used as the inputs, and irregularly observed water quality (BOD, COD, and SS) data were used as the learning materials. The irregularly observed water quality data were converted into daily data with the linear interpolation method. The water quality after one day was predicted by the machine learning algorithm, and it was found that a water quality prediction is possible with high accuracy compared to existing physical modeling results in the prediction of the BOD, COD, and SS, which are very non-linear. The sequence length and iteration were changed to compare the performances of the algorithms.

Numerical, Machine Learning and Deep-Learning based Framework for Weather Prediction

  • Bhagwati Sharan;Mohammad Husain;Mohammad Nadeem Ahmed;Anil Kumar Sagar;Arshad Ali;Ahmad Talha Siddiqui;Mohammad Rashid Hussain
    • International Journal of Computer Science & Network Security
    • /
    • 제24권9호
    • /
    • pp.63-76
    • /
    • 2024
  • Weather forecasting has become a very popular topic nowadays among researchers because of its various effects on global lives. It is a technique to predict the future, what is going to happen in the atmosphere by analyzing various available datasets such as rain, snow, cloud cover, temperature, moisture in the air, and wind speed with the help of our gained scientific knowledge i.e., several approaches and set of rules or we can say them as algorithms that are being used to analyze and predict the weather. Weather analysis and prediction are required to prevent nature from natural losses before it happens by using a Deep Learning Approach. This analysis and prediction are the most challenging task because of having multidimensional and nonlinear data. Several Deep Learning Approaches are available: Numerical Weather Prediction (NWP), needs a highly calculative mathematical equation to gain the present condition of the weather. Quantitative precipitation nowcasting (QPN), is also used for weather prediction. In this article, we have implemented and analyzed the various distinct techniques that are being used in data mining for weather prediction.