인공신경망을 통합한 풍력발전 개발모델 연구
Study on a Development Model of Wind Power Generation Integrating an Artificial Neural Network
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
우리나라의 풍력발전은 정부와 지자체의 높은 관심에도 불구하고 입지선정과 풍력자원의 활용에서 임기응변식 풍력단지조성 및 실증단계에 머물러 있다. 이 연구는 국내 풍력의 자원화에 영향을미치는 인자인 바람의 벡터적 특성, 계통연계, 지리적 특성 등을 사용하여 풍력발전의 경제성을 예측하는 인공신경망 모델을 개발하였으며, 이를 통해 경제성 측면에서 광역적 풍력자원 분포도를구축하였다. 분포도에서 확인한 풍력발전 유망위치에 대해 최대의 경제성을 확보하기 위한 단지규모, 계통연계 방안, 풍력터빈의 종류를 최적화하는 최적화 기법을 구축하였다. 최적화 기법은 풍력사업 영향인자들 간의 민감도분석을 통해 각종 주요인자를 정량화하고 경제성 분석 결과를 도출할수 있다. 최적화 기법을 통해 서남해 및 제주도 부근의 경제성이 높은 육상 및 해상 풍력개발 가능단지를 도출하였다.
Abstract
Despite the Korean government’s keen interest in wind power generation, wind farm construction continues to be ad hoc in terms of both selection of location and utilization wind resources in the country. In this study, an artificial neural network (ANN) model was developed to predict the economics of wind power generation using wind vector characteristics, grid linkage, and geographical characteristics. A regional wind power resource distribution map was constructed considering economic feasibility. An optimization method was established to optimize the size of the wind power complex, grid connection, and type of wind turbine to secure maximum economic benefits for promising wind power locations. The optimization method used could quantify various key factors and support economic analysis through a sensitivity analysis between the various impact factors of wind power projects. The optimization method led to identifying locations for onshore and offshore wind farms with high economic potential in the Southwest Sea and near Jeju Island.
참고문헌 (22)
- Chowdhury, S., "Unrestricted wind farm layout optimization (UWFLO):Investigating key factors influencing the maximum power generation", Renewable Energy, 38(1), pp.16~30 (2012)
- Emami, A., "New approach on optimization in placement of wind turbines within wind farm by genetic algorithms", Renewable Energy, 35(7), pp.1559~1564 (2010)
- Gorsevski, P. V., "A group-based spatial decision support system for wind farm site selection in northwest ohio", Energy Policy, 55(1), pp.374~385 (2013)
- Haaren, R. V., "GIS-based wind farm site selection using spatial multi-criteria analysis (SMCA):evaluating the case for New York State", Renewable and Sustainable Energy Reviews, 15(1), pp.3332~3340 (2011)
- "Industry News" (2023)[URL]
- Jackson, P. S., "Turbulent wind flow over a low hill", Journal of the Royal Meteorological Society, 101, pp.929~955 (1975)
- Jain, A. K., "Artificial neural networks: a tutorial", Computer, 29(3), pp.31~44 (1996)
- Kang, K. S., "Economic analysis of offshore wind farm considering domestic development conditions of Korea", Journal of Wind Energy, 2(1), pp.37~43 (2011)
- 김경민, "재생에너지 시나리오 모델링 기반 확률론적 정태 안정도 해석", 전기학회논문지, 70(8), pp.1075~1081 (2021), 대한전기학회
- 김형원, "새만금 가력도 풍력발전단지에 대한 연간발전량 예측 및 검증", 풍력에너지저널, 9(4), pp.32~39 (2018), 한국풍력에너지학회[DOI]
- Kim, K.S., "Development of the Integrated Optimization Model of Wind Farm by using Artificial Neural Network", Ph.D, pp.2017
- "KMA" (2023)[URL]
- Latinopoulos, D., "A gis-based multicriteria evaluation for wind farm site selection: a regional scale application in greece", Renewable Energy, 78(1), pp.550~560 (2015)
- 이륜경, "C-Vine Copula 기반의 풍력 발전 투입을 위한 확률론적 조류 계산", 전기학회논문지, 71(1), pp.35~44 (2022), 대한전기학회
- Mosetti, G., "Optimization of wind turbine positioning in large windfarms by means of a genetic algorithm", Journal of Wind Engineering and Industrial Aerodynamics, 51(1), pp.105~116 (1994)
- Energy Fundamental Plan, "MOTIE", MOTIE, ~ (2019)
- Carbon-neutral Energy Technology Roadmap, "MOTIE", MOTIE, ~ (2021)
- "Ngii" (2023)[URL]
- 박웅식, "다중 배제분석을 이용한 강원도 내 풍력발전단지 유망후보지 선정", 한국태양에너지학회 논문집, 35(2), pp.1~10 (2015), 한국태양에너지학회
- 송원, "국가바람지도와 상용 단지설계 프로그램을 활용한 국내해상풍력단지 공급가능 잠재량 산정", 한국태양에너지학회 논문집, 36(4), pp.21~29 (2016), 한국태양에너지학회
- "Wasp" (2023)[URL]
- Wüstenhagen, R., "Social acceptance of renewable energy innovation: an introduction to the concept", Energy Policy, 35(5), pp.2683~2691 (2007)