풍력 발전 신뢰성 예측을 위한 2차 반마르코프 연쇄 모델

초록

본 논문은 풍속을 2차 반마르코프 연쇄(상태·지속시간)로 모델링하고, 이를 기반으로 풍력 터빈(Aircon HAWT‑10kW)의 신뢰성·가용성·정비가능성 지표를 분석한다. 이탈리아 Lastem 관측소의 10분 간격 풍속 데이터를 이용해 모델 파라미터를 추정하고, 몬테카를로 시뮬레이션으로 실제 에너지 생산량과 비교한다. 분석 결과, 제안된 모델은 풍속의 비정상적 지속시간과 상태 전이 특성을 잘 포착하여, 신뢰성 지표를 해석적·수치적으로 모두 제공할 수 있음을 보여준다.

상세 분석

이 연구는 기존 1차 마르코프 혹은 단순 반마르코프 모델이 풍속의 장기 의존성 및 상태 체류 시간 분포를 충분히 반영하지 못한다는 점을 지적한다. 이를 보완하기 위해 저자들은 “상태와 지속시간 모두를 고려한 2차 반마르코프 연쇄”를 도입하였다. 구체적으로, 현재 풍속 상태 (i)와 바로 직전 상태 (j)뿐 아니라, 이전 상태에 머문 시간 (t)까지 고려함으로써 전이 확률을 (P{X_{n+1}=k \mid X_n=i, X_{n-1}=j, T_n=t}) 형태로 정의한다. 이러한 구조는 풍속이 급격히 변하거나 장시간 일정한 구간을 유지하는 현상을 자연스럽게 모델링한다.

데이터는 이탈리아 라스템(LASTEM) 관측소에서 10분 간격으로 수집된 5년치 풍속 시계열이며, 풍속을 0–1 m/s, 1–3 m/s, …, 15 m/s 이상 등 8개의 구간으로 이산화하였다. 각 구간은 풍력 터빈의 출력 구간과 직접 매핑될 수 있어, 상태 전이와 동시에 에너지 생산량을 추정할 수 있다. 파라미터 추정은 최대우도법과 베이지안 사전분포를 결합한 EM 알고리즘으로 수행했으며, 특히 체류 시간 분포는 지수·와이블 혼합 모델을 적용해 비정규성을 반영하였다.

신뢰성(Reliability), 가용성(Availability), 정비가능성(Maintainability) 함수는 각각 고장 전까지의 연속 운전 시간, 전체 운전 시간 대비 정상 운전 비율, 고장 후 복구까지 소요되는 시간 분포로 정의된다. 2차 반마르코프 모델을 이용하면 이들 함수를 상태‑시간 이중 마트릭스 형태로 해석적으로 도출할 수 있다. 예를 들어, 고장 상태를 “풍속이 터빈 정격 이하로 떨어져 출력이 0이 되는 구간”으로 설정하고, 해당 상태에 도달할 확률을 전이 행렬과 체류 시간 누적분포를 통해 계산한다.

모델 검증을 위해 저자들은 10,000회의 몬테카를로 시뮬레이션을 수행했으며, 시뮬레이션 결과는 실제 관측된 에너지 생산량과 높은 상관관계(R² ≈ 0.92)를 보였다. 특히, 고장 발생 빈도와 평균 복구 시간은 실제 유지보수 기록과 오차가 5% 이하로 일치했다. 이러한 결과는 2차 반마르코프 모델이 풍속의 복합적인 시간 의존성을 포착함으로써, 전통적인 마르코프 기반 신뢰성 평가보다 더 정밀한 예측을 가능하게 함을 시사한다.

마지막으로, 저자들은 모델의 확장 가능성을 논의한다. 풍속 외에도 온도·압력·풍향 등 다변량 시계열을 동일한 2차 반마르코프 구조에 포함시킬 수 있으며, 이를 통해 풍력 발전소 전체의 포트폴리오 신뢰성을 종합적으로 평가할 수 있다. 또한, 실시간 데이터 스트리밍 환경에서 파라미터를 순차적으로 업데이트하는 온라인 학습 알고리즘을 적용하면, 변동성이 큰 기후 조건에서도 지속적인 신뢰성 관리가 가능하다.