기후위기 대응과 탄소중립 실현을 위한 전략으로 해상풍력발전이 주목받고 있 으며, 한국 정부도 이를 국가 에너지 정책의 핵심 축으로 삼아 대규모 확대를 추진 중이다. 그러나 해상풍력은 어업, 환경, 지역사회 등 다양한 해양 이용 주 체들과의 이해 충돌 속에서 추진되고 있으며 이로 인한 갈등은 사업 지연 또는 무산으로 이어지는 사례가 늘고 있다. 본 연구는 해상풍력 발전과 관련된 법 적·사회적 갈등 중에서도 어업손실 보상제도에 초점을 맞추어 현행 제도의 문제점을 분석하고 제도 개선 방향을 제시하였다. 연구 결과 현재의 어업손실 보상제도는 법적 근거가 미흡하고 보상 대상 범위 가 제한적이며, 손실 산정 기준 역시 현실과 괴리가 크다는 문제가 확인되었다. 특히 민간사업자의 경우 법적 보상 협의 의무가 명확하지 않아 사업자와 어민 간 갈등이 장기화되고 있다. 해외 주요국 사례(영국, 대만, 덴마크)를 분석한 결 과 이들 국가는 제도화된 협의 절차, 어민 참여형 평가 시스템, 정교한 피해 산정 기준을 통해 갈등을 최소화하고 있었다. 이에 본 논문은 해상풍력 어업손실 보상제도의 법제화, 현실적 산정 기준 마련, 어업 증빙을 위한 정보화 기반 구축을 핵심 과제로 제안한다. 이는 단순한 보 상을 넘어 지역사회와의 상생과 지속가능한 해상풍력 확산을 위한 제도적 기 반이 될 수 있다.

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.