1. 서 론

재생에너지 프로젝트의 금융지원 타당성(bankability)은 자원평가(resource assessment)에 사용되는 현장자료의 불확도에 의해 크게 영향을 받는다. 최근 태양광 프로젝트에서 사용되는 ‘현장적응(site adaptation)’이란 용어는 단기간의 정밀한 지상기반 측정자료를 이용하여 장기간의 위성기반 모델자료가 갖는 편차 등 불확도 요인을 감소시키는 일련의 방법을 통칭한다(Fernandez-Peruchena et al., 2020)¹⁾. 풍력자원평가에서는 단기간 현장 측정자료를 인근의 장기간 측정자료 또는 장기간 재해석 자료(reanalysis data)를 이용하여 MCP (Measure- Correlate-Predict) 분석을 수행함으로써 장기간 보정(long-term correction)을 하며, 이 과정이 현장적응에 해당한다(Polo et al., 2016)²⁾.

본 연구는 풍력단지의 발전량을 풍력단지의 대표풍속으로 예측할 때 오차의 편차보정(bias correction)을 위한 현장적응을 수행하였으며, 현재 재해석 자료 중 정확도가 가장 우수한 것으로 평가되는 ERA5의 풍속을 이용하였다. 즉, 풍력단지의 실제 발전량을 풍력터빈의 이론적 성능곡선(power curve)에 대입하여 풍력단지의 대표풍속을 역추산한 후 재해석 자료 풍속과의 편차를 통계적으로 보정하였다. 또한 현장적응의 실효성을 분석하기 위하여 상대적으로 지형에 의한 바람장의 변형이 크지 않은 해상과 해안 풍력단지를 구분하여 비교분석을 수행하였다.

2. 자료 및 방법

2.1 재해석 자료

전지구 재해석 자료(global reanalysis data)는 과거와 현재의 기후 관측자료를 현대적인 예측모형과 결합함으로써 다양한 고도에서의 기온, 압력 및 바람과 같은 대기(atmosphere) 매개변수와 강수, 토양 수분 함량 및 파고 같은 표면(surface) 매개변수를 제공한다. 따라서 재해석 자료는 기후변화와 관련된 과정을 이해하고 모니터링하며 미래 기후변화 시나리오를 제시하는 데 필요한 중요한 자료로 활용되고 있다.

본 연구에서 사용한 바람장 자료는 유럽 유럽중기예보센터(European Centre for Medium Range Weather Forecasts, ECMWF)에서 2016년 발표한 제 5 세대 재해석 자료인 ERA5 (Hersbach et al., 2020)³⁾이다. ERA5는 유럽연합(EU)의 자금 지원으로 ECMWF 산하의 코페르니쿠스 기후변화서비스(Copernicus Climate Change Service)가 개발한 재해석 자료 중 최신판으로(Table 1), 대규모 지상 및 위성 관측자료를 앙상블 자료동화(Ensemble Data Assimilation, EDA) 하였으며 물리과정의 해석방법을 최신화하여 공간 해상도를 31 km까지 대폭 향상시켰다.

Jourdier (2020)⁴⁾는 프랑스 8 지점에 대한 풍력자원평가에서 ERA5의 예측성능이 기존의 재해석 자료인 MERRA-2 뿐만 아니라 고해상도 모델에 비해서도 우수한 결과를 보임을 보고하였으며, Gualtieri (2021)⁵⁾은 전세계 6 지점의 고층기상탑 측정자료와의 비교를 통하여 ERA5의 신뢰도를 확인하였다. 우리나라에서는 Kim et al. (2021)⁶⁾이 한반도 해상의 극치풍속 추정을 위해 ERA5를 사용한 바 있으며, 기존 재해석 자료 대비 극치풍속 예측에 적합함을 보고하였다.

2.2 풍력단지 발전량 자료

본 연구에서는 한국남동발전 등 주요 발전사 및 한국전력거래소 등이 공공데이터포털(www.data.go.kr)에 공개하고 있는 풍력단지의 시계열 발전량 자료를 이용하였다. 이들은 풍력으로 생산한 전력을 한국전력거래소에 매전한 기록이며, 풍력단지를 구성하는 개별 풍력터빈 정보, 즉 가동 제한시간(downtime), 고장여부 등 출력에 영향을 미치는 각종 운영정보는 포함되어 있지 않다. Fig. 1은 풍력단지 발전량의 예시로, 가동기간 중간에 가동 제한시간이 있었음을 발견할 수 있으며, 개별 풍력터빈의 가동여부에 따라 최대출력이 2단 또는 4단의 계단형으로 나타나는 형태를 구별할 수 있다. 따라서 풍력 발전량의 현지적응을 위한 발전량 자료는 사전처리(pre-processing)를 거쳐 정규화(normalization)하여야 함을 알 수 있다. 즉, 가동 제한시간은 해석에서 제외하고 발전량은 실제 발전에 참여한 풍력터빈의 합산 용량으로 무차원화 하여야 한다. 그러나 상세한 운영정보가 확보되지 못한 상황에서는 Fig. 1과 같이 시계열 발전량을 가시화한 후 직관적인 판단에 따라 수동으로 전처리를 할 수밖에 없다.

Fig. 1.

Hourly time-series data of the electricity power generation from wind farms

2.3 풍력단지 분석사례 선정

풍력단지 발전량의 현지적응 사례분석시 다음과 같은 사항을 고려하여 대상 풍력단지의 선정하여야 한다.

첫째로 내륙의 복잡지형에서는 비선형적 대기유동장의 변형이 커지기 때문에 재해석 자료와의 적합도가 낮아질 것으로 예상된다. 따라서 내륙산지보다는 해안평지가, 해안평지 보다는 해상에서 재해석 자료의 적합도가 커질 것으로 판단할 수 있다. 참고로 ERA-Interim과 제주도 고층기상탑의 풍속 측정간의 상관성을 분석한 바에 의하면¹¹⁾, 해상에 비하여 육상의 상대오차가 각각 5%, 12%로 산정되었다. 이에 본 연구에서는 주로 해상 및 해안평지에 위치한 풍력단지를 현장적응 분석사례로 선정하였으며, 대조를 위해 대표적인 내륙산지에 위치한 풍력단지도 분석사례에 포함시켰다.

둘째로 풍력단지를 구성하는 풍력터빈의 개수가 많으면 많을수록 개별 풍력터빈의 가동상황을 추정하기 어려워진다. 따라서 현장적응 분석사례로는 소수의 풍력터빈으로 구성되었으며 가동경력이 장기간인 풍력단지를 우선적으로 고려하였다.

셋째로 풍력단지 발전량 현장적응의 대표성을 확보하기 위해 분석사례 선정시 지역별로 대표적인 풍력단지를 선정하였다. 즉, 풍력단지 발전량의 지역적 상관성이 존재함을 확인하기 위하여 본 연구에서는 Kim et al. (2016)¹²⁾과 Kim et al. (2021)¹³⁾의 선행연구에서 사용된 시계열 자료의 상관성을 이용한 군집분석을 수행하여 풍력단지의 지역적인 특성을 파악하였다. 먼저 계층적인 군집분석을 수행하여 적정한 군집수를 결정한 후 풍력단지의 시계열 발전량에 대한 코사인 거리(cosine distance)를 계산하여 비계층적 군집분석인 K-평균을 수행하였다. K-평균 군집분석은 초기조건에 예민하기 때문에 되도록 멀리 떨어진 위치에서 군집의 중심점을 선택하는 K++ 초기화 방법을 적용하였다.

2.4 풍력단지 현장적응 방법

풍력단지 발전량을 산정할 때 재해석 자료의 풍속을 사용할 경우의 발전량 예측오차(ΔP)는 다음 식과 같이 실측 발전량(Preal)과 예측 발전량(Ppred)의 차이로 정의할 수 있다. 이때 예측 발전량은 풍력터빈 허브높이(hub height)에서의 예측풍속(Vpred)을 성능곡선(P=Q(V))에 대입하여 계산한 값이다.

풍력터빈 허브높이(H)에서의 예측풍속은 다음과 같이 고도 100m에서 산출된 재해석 자료의 풍속(Vera5)으로부터 풍속분포의 지수법칙(power-law)을 이용하여 보정할 수 있다.

Jourdier (2020)⁴⁾와 Gualtieri (2021)⁵⁾가 보고한 바와 같이 ERA5는 산지지형에서 풍속을 과소 예측하는 경향이 나타나기 때문에 이를 보정할 필요가 있다. 즉, 풍속의 고도분포지수(vertical wind profile exponent, 𝛼)는 다음과 같이 고도보정(αalt)과 지형의 가감속 효과에 따른 지형보정(αtopo)의 합으로 가정할 수 있다.

동일한 가정에 의해 풍력단지 발전량의 오차에 대응하는 풍속오차(ΔV)는 고도보정 및 지형보정 등의 모든 편차요인을 포함하여 다음과 같이 정의할 수 있다.

위에서 풍력단지의 실측 발전량(Preal)에 대응하는 풍력단지의 대표풍속(Vreal)은 풍력터빈 성능곡선의 역함수(V=q(P))로 산출할 수 있다. 식(4)로부터 재해석 자료의 예측풍속과 풍력단지의 대표풍속 사이의 회귀식을 다음과 같이 표현할 수 있으며, 이때 선형회귀식의 기울기(a)는 식(2)의 풍속보정식과 동일한 수학적 의미를 갖는다.

실제 풍력단지는 여러 대의 풍력터빈이 수 km² 이상의 넓은 영역을 차지하기 때문에 식(2) 또는 식(5)로 산정한 풍속은 풍력단지 내에 설치된 모든 풍력터빈의 고도보정 및 지형보정이 누적된 풍력단지의 대표풍속에 해당한다.

풍력단지 대표풍속의 현장적응은 실측 발전량과 예측 발전량의 상관도가 최대가 되도록 재해석 자료의 풍속을 현장상황에 맞도록 보정하는 것이다. 상관도 분석은 시간별 발전량과 함께 일누적 발전량 및 월누적 발전량을 분석하였다. 풍력발전은 대기유동의 난류특성에 의해 시간별 발전량의 변동성이 매우 크다. 그러나 일누적 또는 월누적으로 발전량을 합산할 경우 지역별 풍력자원에 비례하는 유의미한 풍력자원 특성이 나타나므로 시간별 상관도에 비해 일누적 또는 월누적에서 더 높은 상관도를 기대할 수 있다.

3. 결과 및 토의

3.1 풍력단지 군집분석

Fig. 2는 K-평균 군집분석에 의해 분류된 풍력단지를 색상으로 구분하여 보여주며, 계층적 군집분석으로부터 적정한 군집수는 5개임을 확인하였다. 군집수를 5개 이상으로 늘리면 기존의 군집으로부터 소규모의 군집이 분할되는데, 소수개의 풍력단지가 별도의 군집으로 분류되어 나오기 때문에 군집으로서의 의미가 낮음을 확인하였다. 군집분석에는 총 104개의 풍력단지를 고려하였으며, 지역별로는 서해안 28개소, 영남지역 17개소, 강원산지 32개소, 제주도 27개소로 분류되었다. 강원산지는 해발고도가 가장 높은 백두대간을 기준으로 서측 18개소와 동측 14개소로 구분되었다. 이러한 군집분석 결과를 기준으로 현장적응 분석사례는 서해안, 서남해안, 영남해안, 제주해상, 그리고 강원산지로부터 각 1개소의 풍력단지를 선정하였으며, 이때 2.3절의 선정기준을 고려하였다. 분석사례로 선정된 풍력단지의 위치는 Fig. 2에 검은색 원으로 표시하였다.

Fig. 2.

Map of wind farms classified by the K-means clustering analysis (black circles: case study sites) and the dendrogram of hierarchical clustering (right-hand-side graph)

3.2 풍력단지 현장적응

(1) 제주도 탐라해상풍력

탐라해상풍력은 한국남동발전 등이 특수목적법인을 구성하여 제주 한경면 두모리-금등리 공유수면에 건설한 해상 풍력단지로, 두산중공업의 3 MW급 풍력터빈 10기로 구성되어 있다. ERA5 재해석 자료(33.25°N, 126.00°E)의 풍속을 보정하여 예측한 풍력 발전량과 이론적인 성능곡선의 상관도가 가장 높을 때의 고도분포지수를 현장적응 적정값으로 추정하였다.

Fig. 3은 제주도 탐라해상풍력의 분석사례이며 빨간색 표식은 풍력터빈의 이론적 성능곡선으로, 풍속의 고도분포지수(𝛼, 식(2)) 또는 풍속 보정식의 기울기(a, 식(5))를 조정하여 풍력단지 발전량의 현장적응을 수행하는 방법을 개념적으로 보여준다. 즉, 임의로 음과 양의 지형보정 고도분포지수를 추가하였을 때의 풍력단지 실제 발전량 산포도의 변화를 Fig. 3(a)와 (c)에 도시하였다. 해상 풍력단지는 지형효과가 없기 때문에 Fig. 3(b)와 같이 단순 고도보정한 경우의 적합도가 가장 높았으며, 이때의 고도분포지수는 해상에서의 일반적인 지수값인 αalt=0.14임을 확인하였다. 고도보정에 추가하여 음의 지형보정을 하였을 때에는 대표풍속이 가속보정 되어 실측 발전량의 분포가 이론적 성능곡선의 우측으로 이동할 뿐 아니라 산포도 커지며, 양의 지형보정은 그와 반대로 감속보정에 의해 실측 발전량의 분포가 좌측으로 이동하며 산포도 줄어드는 경향이 나타난다. 지수법칙을 이용한 풍속보정에 따라 예측 발전량의 산포의 폭이 변화하기 때문에 현장적응의 접합도 정량지표로는 평균제곱근오차(RMSE) 대신 피어슨 상관계수를 사용하였다.

Fig. 3.

Site adaptation of the Tamra offshore wind farm by adjusting the wind profile exponent (hourly data)

Fig. 4는 시간별, 일누적, 월누적 예측 발전량과 실제 발전기록의 상관성을 산포도로 보여준다. 각각의 피어슨(Pearson) 상관계수는 0.87, 0.93, 0.96으로, 평균시간이 길수록 풍력자원의 변동성은 상쇄되고 평균적인 잠재량에 따른 유의한 특징이 나타나며 이에 따라 상관계수도 증가하였다.

Fig. 4.

Comparisons of the wind power output by average period between the prediction and the actual record (Tamra offshore wind farm case)

(2) 인천시 영흥풍력

영흥풍력은 인천시 옹진군 영흥도에 건설된 해안 풍력단지로, 한국남동발전 부지 내에 두산중공업 3 MW급 풍력터빈 10기, 삼성중공업 2.5 MW급 4기, 그리고 유니슨(Unison) 2 MW급 3기로 구성되었으며 총 발전용량은 46 MW이다. ERA5 재해석 자료(37.25°N, 126.50°E)의 풍속을 보정하여 현장적응한 예측 발전량과 실제 발전기록의 산포도를 Fig. 5에 도시하였으며, 시간별, 일누적, 월누적 상관계수는 각각 0.83, 0.92, 0.92로 산정되었다. 여러 종류의 풍력터빈 17기로 구성된 풍력단지임에도 불구하고 ERA5를 이용한 풍력단지 발전량 현장적응은 해안 풍력단지 수준의 높은 접합도를 보였다. 영흥도는 최대 해발고도 156 m인 구릉지형이며 풍력단지가 위치한 남부 해안은 서쪽과 남쪽으로 개방된 평탄지형이기 때문으로 유추된다.

Fig. 5.

Comparisons of the wind power output by average period between the prediction and the actual record (Youngheung wind farm case)

(3) 전라남도 신안풍력

신안풍력은 전라남도 신안군 비금도에 건설된 해안 풍력단지로 미쓰비시(Mitsubishi) 1 MW급 풍력터빈 3기로 구성되어 있다¹⁴⁾. ERA5 재해석 자료(37.75°N, 126.00°E)의 풍속을 보정하여 현장적응한 예측 발전량과 실제 발전기록의 산포도를 Fig. 6에 도시하였으며, 시간별, 일누적, 월누적 상관계수는 각각 0.85, 0.91, 0.93으로 산정되었다.

Fig. 6.

Comparisons of the wind power output by average period between the prediction and the actual record (Shinan wind farm case)

(4) 경상북도 경포풍력

경포풍력은 경상북도 포항시 남구 장기면에 건설된 풍력단지로 해안선으로부터 200 m 떨어진 구릉성 해안에 위치하고 있으며 STX중공업의 1.5 MW급 풍력터빈 2기로 구성되어 있다. ERA5 재해석 자료(36.00°N, 129.50°E)의 풍속을 보정하여 현장적응한 예측 발전량과 실제 발전기록의 산포도를 Fig. 7에 도시하였으며, 시간별, 일누적, 월누적 상관계수는 각각 0.65, 0.80, 0.89로 산정되었다.

Fig. 7.

Comparisons of the wind power output by average period between the prediction and the actual record (Gyeongpo wind farm case)

(5) 강원도 강원풍력

강원풍력은 강원도 평창군 대관령면 횡계리에 건설된 내륙산지 풍력단지로, 베스타스(Vestas)의 2 MW급 풍력터빈 29기로 구성되었으며 총 발전용량은 98 MW이다¹⁵⁾. ERA5 재해석 자료(37.75°N, 128.75°E)의 풍속을 보정하여 현장적응한 예측 발전량과 실제 발전기록의 산포도를 Fig. 8에 도시하였으며, 시간별, 일누적, 월누적 상관계수는 각각 0.75, 0.85, 0.94로 산정되었다. 강원풍력은 내륙산지에 설치된 풍력단지임에도 불구하고 현장적응 상관도가 높게 산정된 이유는 남북으로 뻗은 백두대간 능선의 완만한 서쪽 사면에 위치하고 있어서 주풍향인 편서풍 방향으로 주변 산지지형의 간섭효과가 크지 않기 때문으로 판단된다.

Fig. 8.

Comparisons of the wind power output by average period between the prediction and the actual record (Gangwon wind farm case)

(6) 현장적응 사례분석 종합

현장적응 분석사례로 선정된 군집별 대표 풍력단지에 대한 결과를 Table 2에 종합하였다. 해상에 위치하여 지형영향이 가장 적은 탐라해상풍력의 상관계수가 가장 높게 나타났으며 경포풍력은 동해안에 위치하고 있음에도 불구하고 우리나라의 종관풍인 서풍이 내륙에 의해 차폐되는 형태이기 때문에 오히려 대관령 고산지대에 위치한 강원풍력보다 상관도가 낮게 나타났다. 현장적응을 위한 재해석자료 풍속의 선형보정 기울기(a)를 보면 산지지형에서는 1.37로 산정되었다. 이는 재해석 자료의 풍속이 지형에 의한 풍속증가를 충분히 반영하지 못하였기 때문에 현장적응 단계에서 이를 보상하고자 1.0 보다 큰 값으로 산정된 것으로 해석된다.

Table 3은 총 41개 풍력단지에 현장적응을 확대 적용한 결과이다. 모든 풍력단지에 대한 현장적응 분석결과를 보면, 예측 발전량과 실제 발전기록 간의 상관계수가 시간별, 일누적, 월누적인 경우에 각각 0.67, 0.78, 0.85이며, 이는 시간별 상관계수를 기준으로 일누적과 월누적의 상관도가 각각 16%, 27% 증가한 수준이다. 지형 형태별로는 해안 또는 해상 풍력단지의 상관계수가 가장 높고, 다음으로 산지와 내륙 순서이다. 이는 앞서 토의한 바와 같이 백두대간 고산지대에서는 동고서저 지형특성에 따라 종관풍의 유입방향인 서쪽이 열려있기 때문에 재해석 자료의 설명력이 내륙에 비해 높게 나온 것으로 풀이된다. 지역적으로는 전라-경기-제주(서부)-경상-강원-제주(동부) 순으로 상관계수가 높게 나타났으며, 이는 우리나라의 탁월한 종관풍인 서풍을 기준으로 풍력단지가 풍상측에 위치하는가, 풍하측에 위치하는가에 따라 재해석 자료의 설명력에 유의미한 차이가 있음을 강하게 시사한다. 특히 제주도 동부에 위치한 풍력단지의 현장적응 상관계수가 가장 낮게 나타났는데, 이는 종관풍인 서풍을 기준으로 해발고도 1,947 m의 한라산채가 풍상측에 위치하고 있어 지형적인 차폐영향을 가장 크게 받았기 때문인 것으로 생각된다. 현장적응을 위한 재해석자료 풍속의 선형회귀 결과는 앞서와 마찬가지로 지형효과가 크지 않은 해안 또는 내륙에서는 미소한 감속보정이 필요한 반면, 산지지형에서는 지형에 의한 가속효과를 보상하기 위해 1.0 보다 큰 보정계수가 산정되었다.

4. 결 론

본 연구에서는 제5세대 재해석 자료인 ERA5를 이용하여 풍력단지 대표풍속을 예측하고 풍력단지의 실제 발전량으로 회귀분석하여 대표풍속의 편차를 보정함으로써 발전량 예측의 정확도를 향상시키는 현장적응을 수행하였다. 이를 위해 풍력터빈의 이론적 성능곡선과 풍력단지의 실제 발전량으로부터 풍력단지의 대표풍속을 역추산하고 이를 재해석 자료의 예측풍속과 회귀분석하였다. 이러한 현장적응 방법은 풍속의 연직분포를 지수함수로 가정하여 예측 발전량과 실제 발전기록의 상관계수가 최대가 되도록 고도분포지수를 조정하는 것과 동일한 물리적 의미를 가지며, 선형회귀의 수학식도 동일한 의미로 해석된다.

국내 41개 풍력단지를 군집분석하여 각 군집의 대표 풍력단지를 선정하여 현장적응에 대한 사례분석을 실시한 결과, 실제 발전량과 예측 발전량의 상관계수 평균값은 시간별, 일누적, 월누적 발전량일 경우 각각 0.68, 0.79, 0.85로 산정되었다. 풍력단지 발전량의 현장적응은 지형적 영향이 없는 해상 또는 해안에 위치한 풍력단지에서 가장 높은 상관도를 보였으며 산지와 내륙으로 들어갈수록 상관도가 낮아지는 경향을 확인하였다. 또한 우리나라의 탁월한 종관풍인 서풍을 기준으로 풍상측에 위치한 풍력단지의 현장적응 상관계수가 풍하측에 위치한 풍력단지보다 유의미한 수준으로 높게 산출되었다. 강원도 소재의 풍력단지는 비록 내륙 산지에 위치하고 있지만 두드러진 능선을 따라 설치되었기 때문에 동고서저의 지형적 특성으로 인하여 종관풍이 풍력터빈으로 입사될 때 주위 지형의 간섭을 약하게 받으므로 현장적응 상관계수가 제주도보다 더 높게 산정된 것으로 해석된다.

공공데이터포털에 공개된 풍력단지 발전기록은 가동현황 등의 상세정보가 누락된 시간별 발전량이므로 합리적인 추정에 의한 데이터의 정규화가 필요하다. 국내 풍력단지의 장기간 발전기록을 현장적응에 활용하기 위해서는 적절한 필터링과 가변적 정규화 등의 전처리 방법을 개발할 필요가 있다. 또한 재해석 자료와 중규모 수치기상예측 자료, 전산유동해석 자료를 종합적으로 사용하여 축소화(downscaling)하는 방법을¹⁶⁾ 적용할 경우 현장적응의 정확도가 대폭 향상될 수 있을 것으로 기대된다.