본 연구는 육상풍력 입지지도를 고도화하기 위하여 초고해상도 풍력이용률 자원지도와 풍력시장 경제성 모델을 활용하여 풍력자원 분류지도를 개발하였다. 풍력자원 분류는 경제성의 유무에 따라 적합성을 상, 하로 구분하되 적합성 상내에서도 우수지역을 추가 분류하여 우선 검토대상지역을 제시하였다. 국내 풍력입지를 분석한 결과, 전국의 25.1%는 경제성이 있었으며 이중에서 1.7%는 우수지역에 해당하였다. 풍력자원의 경제적 적합성 평가 결과는 이용률 지도의 정확도, 설비설치비용(Capital expenditure, CAPEX), 그리고 계통한계가격의 변동성에 따라 적합성 상 지역은 –7.6%p ~ 12.6%p(적합성 우수 지역은 –1.1%p ~ 2.7%p)까지 변화하였다. 풍력 자원은 보조금, 이용률에 가장 크게 영향을 받는 반면, CAPEX의 변화는 경제성 없는 지역이 경제성 있는 지역으로 바뀔 수 있는 확률이 크다는 것도 확인했다.

고리 원자력발전소 1호기 폐쇄 후 잉여 계통접속 용량을 활용한 해상풍력단지를 개발함에 있어서, 본 논문은 해안 단기간 라이다 측정자료를 이용한 해상 풍력자원평가 방법을 제시하였다. 이를 위해 전산유체역학을 이용한 복잡지형에서의 라이다 측정오차 보정, 제3세대 재해석자료를 이용한 장기간 보정, 그리고 후류모델에 따른 발전량 예측오차를 분석하였다. 해안 평탄지형에서 라이다 측정이 수행되었기 때문에 복잡지형 보정오차는 풍속 MAE로 0.03m/s에 불과하였으나 최종 연간에너지생산량은 미보정시에 비해 10% 의 차이가 발생하였다. 특히 장기간 보정과 해안 기상자료를 해상 기상자료로 전달하는 과정의 불확도가 큰 것으로 평가되었다. 풍력 터빈 이격거리가 충분할 경우 기존 육상풍력용 후류모델은 후류손실이 없다고 예측한 반면 심층배열 후류모델은 6%의 후류손실을 예 측하였다. 정리하자면 해상풍력사업의 불확도 최소화를 위해서는 해상기상탑을 설치하고 장기간 측정을 수행하는 것이 필수적임을 재확인하였다.

급경사 복잡지형 산체인 울릉도는 국지기상 특성이 매우 강하기 때문에 풍력자원평가에 사용되는 지상관측자료를 선택할 때 먼저 그 유효성을 평가하여야 한다. 본 논문에서는 종관기상자료인 재해석자료 또는 중규모 수치기상예측 자료와 지상관측자료의 상 관성 분석을 통하여 지상관측자료의 국지기상 대표성을 평가하였다. 또한 지형에 의한 유동장 변형을 정확하게 고려하기 위하여 전산 유동해석을 할 경우에, 종관기상자료를 축소화한 예측결과가 얼마나 지상관측자료와 일치하는지도 평가하였다. 이때 지형복잡지수를 이용하여 지형이 복잡해질수록 국소배치의 예측오차도 증가함을 확인하였다. 울릉도의 지상관측자료는 현포리의 고공 기상탑 측정자 료를 제외하고는 모두 국지기상 특성이 강하게 나타났으며, 전산유동해석으로 지형효과를 반영하더라도 풍계효과는 반영하지 못함에 따라 지상관측자료에 의존한 풍력자원평가에 불확도가 상당히 클 것으로 판단된다. 따라서 풍력발전 후보지에서 반드시 고공 기상탑 을 설치하고 IEC 61400-12를 준용한 측정을 수행하여야 할 것으로 사료된다.

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.

풍력 발전단지의 효율성 평가를 위하여 풍력-기상자원지도로부터 이론적 잠재량을 계산하고 행원 발전단지 발전량과 비교하였다. 풍력-기상자원지도는 기상청 국립기상연구소에서 개발된 1 km 해상도 자료를 이용하였다. 풍력-기상자원지도와 AWS(구좌) 풍속의 비교 검증 결과는 풍속이 과대 모의되었으며, 행원 발전단지 풍속의 일 변동성은 해륙풍의 영향으로 오후에 최대가 되는 일 변동 특성을 보였다. 풍력-기상자원지도로부터 산출된 발전량과 행원 발전단지 발전량의 비율은 24.8%이나, 발전량 빈도수 분포 형태는 유사하였다. 발전량 차이의 원인은 터빈의 기계적 오류, 풍력-기상자원지도 풍속의 과대 모의에 기인한 것으로 생각된다. 본 연구는 향후의 발전단지 효율성 증가를 위한 터빈의 재배치에 기여 할 것이다.

유럽 및 미주의 풍력자원조사는 풍황탑에 라이다 및 소다와 같은 지상기반 원격탐사를 병행하여 측정불확도를 경감하는 방향으로 진행되고 있다. 본 연구에서는 서해안 김제평야에서 원격탐사 캠페인을 수행하였으며, 풍력자원 평가용 원격탐사장비인 윈드큐브 라이다와 메텍 PCS.2000-64 소다의 상호비교를 통하여 측정불확도를 평가하였다. 소다는 200m 높이에서 자료가용률이 80%로 저하되었으나 결손자료를 처리한 후 라이다와 동일한 로그법칙 풍속분포를 나타내었으며 두 측정장비 간의 평균풍속은 기울기 0.94, R2=0.94로 상관성이 높게 접합되었다. 그리고 풍속오차의 상대표준편차 및 풍향오차의 표준편차는 각각 14%와 25도로 전 측정높이에 대하여 균일하게 나타났다.

In order to analyze the effect of environmental protection on wind energy dissemination quantitatively, the onshore wind resource potential is estimated using Environmental Conservation Value Assessment Map and Korea Wind Resource Map. The onshore wind resource potential of 11 GW is calculated if wind farm development is prohibited within Class 1 area of Environmental Conservation Value Assessment plus 500 m buffer area. Therefore it is worried that environmental protection would be a practical barrier of accomplishing 4,155 thousand TOE target of wind energy dissemination until 2030.

Wind power energy is one of the favorable and fast growing renewable energies. It is most important for exact analysis of wind to evaluate and forecast the wind power energy. The purpose of this study is to improve the performance of numerical atmospheric model by data assimilation over a complex coastal area. The benefit of the profiler is its high temporal resolution and dense observation data at the lower troposphere. Three wind profiler sites used in this study are inhomogeneously situated near south-western coastal area of Korean Peninsula. The method of the data assimilation for using the profiler to the model simulation is the three-dimensional variational data assimilation (3DVAR). The experiment of two cases, with/without assimilation, were conducted for how to effect on model results with wind profiler data. It was found that the assimilated case shows the more reasonable results than the other case compared with vertical observation and surface Automatic Weather Station(AWS) data. Although the effect of sonde data was better than profiler at a higher altitude, the profiler data improves the model performance at lower atmosphere. Comparison with the results of 4 June and 5 June suggests that the efficiency with hourly assimilated profiler data is strongly influenced by synoptic conditions. The reduction rate of Normalized Mean Error(NME), mean bias normalized by averaged wind speed of observation, on 4 June was 28% which was larger than 13% of 5 June. In order to examine the difference in wind power energy, the wind power density(WPD) was calculated and compared.

We classified wind sectors according to the wind features in South Korea. In order to get the information of wind speed and wind direction, we used and improved on the atmospheric numerical model. We made use of detailed topographical data such as terrain height data of an interval of 3 seconds and landuse data produced at ministry of environment, Republic of Korea. The result of simulated wind field was improved. We carried out the cluster analysis to classify the wind sectors using the K-means clustering. South Korea was classified as 8 wind sectors to the annual wind field.