동적 모델링 없이 풍력발전 연간 전력분포 예측

본 논문은 풍력발전소의 연간 전력 생산을 확률적으로 예측하는 방법을 제시한다. 서론에서는 풍력발전이 전력계통 운영과 계획에 미치는 영향과, 풍력터빈 출력의 확률밀도함수(pdf)를 필요로 하는 다양한 응용 분야를 소개한다. 기존 연구는 주로 풍속 예보나 연간 풍속 분포를 이용해 정적 파워 커브만을 적용했으며, 이는 터빈의 동적 거동을 무시한다는 한계가 있다. 이를 보완하고자 저자는 풍속 시계열 모델과 DFIG(이중 공급 유도 전동기) 기반 가변속 풍력터빈의 동적 모델을 결합한 확률적 하이브리드 시스템을 구축한다. II. 풍속 모델에서는 ‘와이드밴드’ 접근법을 채택한다. 느린 평균 풍속 v(t)는 ARMA(3,2) 프로세스로 모델링하고, 0 이하로 떨어지는 것을 방지하기 위해 반사 조건을 적용한다. 고주파 난류 성분 w(t)는 평균 v와 표준편차 κ·v를 갖는 정규 과정으로, SDE dw = −(w−v)/T dt + κ·√(2/T) dξ 로 기술된다. 여기서 T = L/v는 난류 길이 스케일 L에 기반한 시간 상수이며, ξ는 백색 가우시안 노이즈이다. 이 모델은 풍속의 장기 평균 변동과 단기 난류를 동시에 포착한다. III. 풍력터빈 모델은 세 개의 주요 서브시스템(로터, 발전기, 기어박스)으로 구성된다. 기계적 파워는 P_m = ½ ρ π R² C_p(λ,θ) v³ 로 계산되고, 회전속도 ω와 전기‑기계 파워 P_g 사이의 동역학은 ω̇ = (P_m − P_g)/J 로 표현된다. 발전기 효율 η는 0.9로 가정한다. 제어는 로터 속도 제어, 피치 제어, 상태 제어의 세 가지 요소로 구성되며, 각각의 제어 로직은 간단한 비례 제어와 포화 제한을 포함한다. IV. 제어 스키마는 세 가지 작동 모드(무부하, 부분 부하, 전부하)로 구성된 하이브리드 스위칭 체계이다. 모드 전이는 평균 풍속(5초 및 60초 평균)과 회전속도에 기반한다. 무부하 모드에서는 전력 출력이 0이며, 부분 부하 모드에서는 목표 전력이 ω와 v에 따라 비선형적으로 결정된다. 전부하 모드에서는 피치 제어가 활성화되어 기계적 파워를 제한하고, 전력 출력이 정격값에 도달하도록 유지한다. 컷인·컷오프 풍속 기준(v_ci,min, v_ci,max, off_cut_v-5, off_cut_v-60)도 명시되어 있다. V. 시뮬레이션에서는 연간 1년(8760시간) 동안의 평균 풍속 시계열을 Monte‑Carlo 방식으로 생성하고, 각 시간에 대해 동적 모델과 정적 파워 커브를 적용해 전력 출력을 계산한다. 풍력농장은 1대, 5대, 10대로 구성했으며, 각 터빈은 동일한 느린 풍속 성분 v(t)와 독립적인 난류 성분 w_i(t)를 받는다. 파라미터는 실제 DFIG 터빈(정격 2.03 MW, 로터 반경 37.5 m 등)과 풍속 모델(공기 밀도 1.134 kg/m³, 난류 길이 300 m, κ=0.15)에서 가져왔다. 결과는 다음과 같다. 평균 풍속이 낮은 경우(5.46 m/s) 동적 모델과 정적 파워 커브가 거의 동일한 연간 전력 생산 누적분포함수(CDF)를 보였다. 평균 풍속이 높은 경우(10 m/s)에도 차이는 미미했으며, 특히 무전력 상태가 거의 발생하지 않아 정적 모델이 과소평가하는 현상이 크게 나타나지 않았다. 풍력농장 규모를 확대해도 두 모델 간 차이는 작았다. 이는 연간 수준에서 풍력터빈의 동적 거동이 전력 생산 확률분포에 큰 영향을 미치지 않음을 의미한다. 다만, 단시간(초단위) 전력 변동이나 급격한 풍속 변화에 대한 정확한 예측이 필요할 경우 동적 모델이 여전히 필요할 수 있다. VI. 결론에서는 Monte‑Carlo 샘플링을 이용한 확률적 풍속 모델이 연간 풍속 시계열을 생성하는 데 유용함을 강조하고, 연간 전력 생산 분포를 평가할 때는 복잡한 동적 모델 대신 정적 파워 커브를 사용해도 충분하다는 실증적 근거를 제시한다. 또한, 현재 풍속 모델이 장기 상관성을 충분히 반영하지 못하고, 높은 평균 풍속 조건에서 낮은 풍속 이벤트가 과소평가되는 한계점을 지적한다. 향후 연구에서는 보다 정교한 풍속 시계열 모델과 전력계통 연계 시뮬레이션을 결합해 동적 효과를 재평가하고, 다양한 풍력터빈 유형에 대한 일반화 가능성을 검증할 필요가 있다.