In response to the global transition towards carbon neutrality, there's an increasing emphasis on sustainable energy solutions, with offshore wind power playing a crucial role, especially in South Korea. This study presents an AI-based safety management system specifically designed for offshore wind operators. At the heart of this system is a machine learning algorithm that processes sensor data to automatically recognize human behavior and improve the accuracy of predicting worker actions and conditions. Such predictive analytics not only refines the analysis of behavioral patterns, but also increases the effectiveness of accident prevention. The results of this research are expected to significantly improve safety measures in offshore wind facilities and further sustainable energy initiatives.

환경오염에 대한 관심이 높아지고 새롭게 고조됨에 따라, 에너지 관련해서도 대체에너지 이용에 관한 연구가 부각되고 있다. 신 재생에너지라고 불리는 대체에너지는 무공해, 무한정의 다양한 자연에너지의 특성과 이용기술을 활용하여 화석연료를 사용하는 기존에너지를 대체하는 에너지이다. 이러한 대체에너지 중 풍력 및 태양에너지는 그 자원이 무한정이며 환경에 미치는 영향이 거의 없이 이용할 수 있다. 두 발전시스템은 상호 보완적으로 연계된 발전시스템으로 통상적으로 조합되어 운용되어진다. 본 논문에서는 일정기간의 풍속, 풍향, 계절 등의 기상 조건의 변화에 따른 데이터를 분석하여 목포해안지역에서 경제적이고 효율적인 복합발전시스템의 적용가능성을 제안해 보고자 한다.

We investigate the amount of potential electricity energy generated by wind power in Busan metropolitan area, using the mesoscale meteorological model WRF (Weather Research & Forecasting), combined with small wind power generators. The WRF modeling has successfully simulated meteorological characteristics over the urban areas, and showed statistical significant to predict the amount of wind energy generation. The highest amount of wind power energy has been predicted at the coastal area, followed by at riverbank and upland, depending on predicted spatial distributions of wind speed. The electricity energy prediction method in this study is expected to be used for plans of wind farm constructions or the power supplies.