재해석 자료는 공간해상도가 저해상도이지만 풍력자원의 장기간 보정이나 수치기상예측 또는 전산유체역학과 연동하여 고 해상도로의 축소화에 활용될 수 있다. 본 연구에서는 재해석 자료의 전세계 풍속을 지형요소 등의 함수로 회귀 분석하였으며 향후 고 해상도 축소화에의 활용 가능성을 시험하였다. 다중선형회귀와 기계학습 모델로서 신경망, 랜덤 포레스트 모델을 적용하여 다양한 지 형형태별로 회귀 분석한 결과에 의하면 접합도(R2)가 각각 0.71, 0.95, 1.00으로 향상되었으며, 지형요소 중 위도, 셀 면적, 지형고도, 경 도, 지형 개방도 순으로 설명력이 높은 것으로 나타났다. 기본 신경망에 비해 수정 쌍둥이 신경망 모델은 불균질 데이터 대상 성능 개 선 효과가 있는 것으로 나타났다. 그럼에도 불구하고 본 연구에서 활용한 신경망 모델로는 데이터의 비선형성을 재현하는데 한계가 있 었으나 랜덤 포레스트 모델을 통해 이를 극복하였다.

해안 풍력단지 개발에 이어 해상 풍력단지 개발이 추진되고 있는 전라남도 신안군 비금도에 대한 장기간 풍력자원평가를 수행하였다. 해당 권역의 측정자료에 대한 상관분석을 통하여 신안풍력발전소 SCADA 자료와 LIDAR 측정자료를 유의한 풍력자원 측정자료로 선정하였으며, MERRA 재해석자료를 참조자료로 선택하여 Matrix Time Series MCP로 장기보정하였다. 장기보정 자료로부터 34년간의 바람인덱스를 산정하였는데 풍속과 풍력발전량의 변동률은 각각 2.0%, 5.4%이며 그 불확도는 각각 1.2%, 2.8%로 산정되었다. 특히 2010년부터 라니냐의 영향이 증대되며 바람인덱스가 평년 대비 높은 수준을 보이고 있음을 확인하였다.