Optimal wind farm energy and reserve scheduling incorporating wake interactions

이 논문은 FLORIS 시뮬레이션과 2 단계 확률적 프로그래밍을 활용하여 와류 간섭을 명시적으로 모델링하고 와류 조향을 적용함으로써 런던 어레이 해상 풍력발전소의 일전력 및 예비력 시장 참여 최적화를 통해 기존 방법 대비 수익을 3% 이상 향상시키고 불균형 패널티를 줄이는 새로운 스케줄링 접근법을 제안합니다.

핵심

🌬️ 핵심 비유: 비행기 떼와 그림자

풍력 발전소에는 수많은 터빈 (거대한 바람개비) 이 있습니다. 이 터빈들이 바람을 받아 전기를 만드는 모습을 하늘을 나는 비행기 떼라고 상상해 보세요.

1. 기존의 문제 (그림자 효과):

   • 앞선 비행기 (터빈) 가 날아갈 때 뒤쪽의 공기를 헐떡거리게 만듭니다. 마치 비행기 뒤에 **'바람 그림자 (Wake)'**가 생기는 것과 같습니다.
   • 이 그림자 속을 지나가는 뒤쪽 비행기들은 바람이 약해져서 힘lessly 날아갑니다.
   • 기존 방식: 발전소 운영자들은 "우리 터빈은 바람만 받으면 최대 출력을 낸다!"라고 믿고, 앞뒤 터빈 간의 이 '그림자 효과'를 무시하고 계획을 세웠습니다. 마치 "비행기 한 대당 연료 소모는 일정하다"고 믿는 것과 같습니다.
   • 결과: 실제보다 12~13% 더 많은 전기를 팔겠다고 약속했지만, 그림자 때문에 실제 생산량은 부족했습니다. 결국 약속을 지키지 못해 **벌금 (불균형 패널티)**을 내야 했고, 수익이 줄었습니다.

2. 이 논문의 해결책 (스마트한 비행기 떼):

   • 이 논문은 **"앞서 가는 비행기가 조금만 방향을 틀면 (Yawing), 뒤쪽 비행기들이 더 잘 날 수 있다"**는 사실을 이용합니다.
   • 바람 재배치 (Wake Steering): 앞쪽 터빈이 바람을 살짝 비켜서 (방향 틀기) 그림자를 뒤쪽 터빈이 아닌 다른 곳으로 보냅니다.
   • 효과: 앞쪽 터빈은 조금만 출력을 줄이지만, 뒤쪽 터빈들이 훨씬 더 많은 전기를 만들어냅니다. 전체 떼 (발전소) 의 총합은 더 커집니다.

---

📊 이 논문이 제안하는 3 가지 핵심 전략

이 연구는 풍력 발전소가 전력 시장에서 어떻게 행동해야 하는지 두 단계로 나누어 제안합니다.

1. "과장하지 않는 정확한 예측" (Wake-aware)

• 기존: "우리는 100% 출력을 낼 수 있어!"라고 과장해서 전력 시장에 입찰 (Bidding) 을 했습니다.
• 새로운 방법: "앞쪽 터빈의 그림자를 고려하면, 실제로는 85% 정도만 낼 수 있겠구나"라고 정확하게 계산해서 입찰합니다.
• 결과: 약속을 지키지 못해 내는 벌금을 아끼고, 실제 수익이 3% 더 늘어났습니다.

2. "스마트한 방향 전환" (Wake Steering)

• 앞쪽 터빈이 살짝 방향을 틀어서 뒤쪽 터빈들이 더 많은 전기를 만들게 합니다.
• 이렇게 늘어난 전기를 **전력 시장 (에너지)**이나 비상용 예비력 (Reserve) 중 어디에 팔아야 가장 이득일지 계산합니다.
• 결과: 이 전략을 쓰면 기존 방식보다 1~2% 더 많은 수익을 올릴 수 있습니다.

3. "두 가지 시장에서의 게임" (Stochastic Optimization)

• 풍력 발전소는 **① 내일 팔 전기 (Day-ahead Energy)**와 ② 혹시 모를 비상시 대비 전력 (Reserve) 두 가지 시장에 동시에 참여합니다.
• 바람은 예측하기 어렵기 때문에 (비가 올지, 바람이 강할지 모름), 이 논문은 **"만약 바람이 이랬다면? 저랬다면?"**이라는 여러 시나리오를 만들어서, 어떤 경우에도 가장 이득이 되는 전략을 미리 짜둡니다.
• 마치 주사위를 여러 번 굴려서 가장 유리한 게임 전략을 미리 세우는 것과 같습니다.

---

💡 왜 이것이 중요할까요? (일상적인 예시)

• 과거의 상황: 풍력 발전소는 "우리는 전기를 많이 만들어낼 거야!"라고 자신 있게 말했지만, 실제 그림자 효과 때문에 전기가 부족했습니다. 전력 회사 (TSO) 는 "약속한 전기가 안 왔네?"라고 화를 내며 벌금을 매겼습니다.
• 이제의 상황: 이 논문의 방법을 쓰면, 발전소는 **"우리는 그림자까지 계산해서 정확히 이만큼만 낼 수 있다"**고 말합니다. 그리고 앞쪽 터빈을 살짝 비켜주어 전체 생산량을 늘립니다.
• 결론: 발전소는 벌금을 아끼고, 전력망은 안정적으로 전기를 공급받으며, 국가 전체의 친환경 에너지 비용도 줄일 수 있게 됩니다.

📝 한 줄 요약

"앞쪽 터빈이 살짝 비켜주면 (방향 틀기), 전체 풍력 발전소의 수익이 늘어나고 전력망도 더 안정적이게 됩니다. 이제 우리는 바람의 그림자를 무시하지 말고, 오히려 이용해 돈을 벌어야 합니다!"

이 연구는 영국 런던 어레이 (London Array) 같은 실제 해상 풍력 발전소를 대상으로 시뮬레이션하여, 이 방법이 실제로 매출을 1~2% 늘리고 벌금을 3% 줄일 수 있음을 증명했습니다.

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 전 세계적으로 풍력 발전의 비중이 급증함에 따라, 풍력 발전사 (WPP) 는 단순한 전력 판매를 넘어 전력 계통의 안정성을 유지하기 위한 보조 서비스 (예: 주파수 조정 예비력) 시장에도 참여해야 하는 요구가 증가하고 있습니다.
• 핵심 문제:
  1. 후미 효과 (Wake Effects) 의 간과: 기존의 풍력 발전소 스케줄링 모델은 터빈 간의 후미 간섭 (상류 터빈이 만들어낸 바람의 속도 저하 및 난류 증가) 을 고려하지 않고, 터빈 제조사가 제공하는 단순한 '전력 곡선 (Power Curve)'을 기반으로 합니다. 이는 실제 발전량을 과대평가하여 시장 참여 시 불균형 (Imbalance) 패널티를 초래하고 수익을 감소시킵니다.
  2. 수동적 제어의 한계: 기존 방식은 각 터빈이 독립적으로 최대 출력 추종 (MPPT) 을 하는 '탐욕적 제어 (Greedy Control)'를 따르며, 후미로 인한 전체 발전소의 효율 저하를 막기 위한 능동적 제어 전략을 시장 최적화에 통합하지 못했습니다.
  3. 연구 공백: 전력 시장 최적화 연구와 풍력 제어 (Wake Management) 연구가 분리되어 있어, 후미 제어 전략 (예: 후미 방향 전환) 을 시장 입찰 전략에 통합하여 수익성을 극대화하는 종합적인 프레임워크가 부족했습니다.

2. 제안된 방법론 (Methodology)

이 논문은 후미 간섭을 명시적으로 모델링하고 **후미 방향 전환 (Wake Steering)**을 활용한 2 단계 확률적 프로그래밍 (Two-stage Stochastic Programming) 프레임워크를 제안합니다.

• 모델링 도구:
  • FLORIS: 풍력 발전소 시뮬레이션 소프트웨어를 사용하여 후미 속도 결손 (Velocity Deficit) 과 후미 편향을 정밀하게 계산합니다.
  • Cumulative Curl Model: FLORIS 의 기본 모델로, 요 (Yaw) 각도 오정렬에 의한 후미 편향을 효율적으로 예측합니다.
• 2 단계 확률적 최적화 프레임워크:
  1. 1 단계 (Day-ahead): 다음 날의 에너지 시장과 예비력 시장 (MFR, FR) 에 대한 입찰 (Bidding) 을 결정합니다. 풍속, 풍향, 예비력 수요의 불확실성을 시나리오로 생성합니다.
  2. 2 단계 (Real-time balancing): 생성된 시나리오 하에서 실제 발전량과 입찰량의 불일치 (Imbalance) 를 평가하고, 이를 최소화하는 재조정 (Redispatch) 전략을 수립합니다.
• 시나리오 생성 및 축소:
  • 풍속 (정규 분포), 풍향 (von Mises 분포), FR 지속 시간을 기반으로 시나리오를 생성합니다.
  • 계산 효율성을 위해 K-medoids 알고리즘을 사용하여 시나리오를 대표 시나리오 (15 개) 로 축소합니다.
• 제어 전략 비교:
  1. Power Curve: 후미 효과를 무시한 낙관적 추정 (상한선).
  2. Baseline: 후미 효과는 고려하지만 후미 제어는 적용하지 않은 보수적 추정 (하한선).
  3. Proposed (WRC): FLORIS 를 통해 후미 효과를 모델링하고, **후미 방향 전환 (Wake Steering)**을 통해 상류 터빈의 요 (Yaw) 각도를 조절하여 하류 터빈의 발전량을 극대화하는 최적화 전략.

3. 주요 기여 (Key Contributions)

1. 후미 인식형 전력 추정 (Wake-aware Power Estimation): 시장 참여를 위해 FLORIS 와 같은 엔지니어링 후미 모델을 도입하여, 기존 전력 곡선 방식의 과대평가 오류를 수정하고 현실적인 발전량 예측을 가능하게 했습니다.
2. 수익성 향상을 위한 후미 방향 전환 (Wake Steering): 후미로 인한 손실을 능동적으로 완화하고, 이를 통해 얻은 추가 전력을 에너지 시장과 예비력 시장에 전략적으로 배분하여 발전소 전체의 수익을 극대화하는 제어 전략을 시장 최적화 프레임워크에 통합했습니다.
3. 확장된 시장 분석 (FRR 시장 포함): 기존 연구들이 주로 1 차 주파수 제어 (FCR) 에 집중했던 것과 달리, 2 차 주파수 복원 예비력 (FRR) 시장까지 분석 범위를 확장하여 후미 역학이 보조 서비스 시장 참여에 미치는 영향을 규명했습니다.

4. 연구 결과 (Results)

영국 런던 어레이 (London Array) 해상 풍력 발전소를 사례 연구 (Case Study) 로 활용하여 2015 년 4 월 11 일과 12 일의 데이터를 기반으로 시뮬레이션을 수행했습니다.

• 전력 추정 오차: 기존 'Power Curve' 방식은 실제 발전량을 12~13% 과대평가했습니다. 이로 인해 불균형 패널티가 발생하여, 실제 수익은 Baseline 방식보다 3% 낮아졌습니다.
• 후미 방향 전환의 효과: 제안된 후미 제어 (WRC) 전략을 적용한 경우, Baseline 방식 대비 수익이 1~2% 증가했습니다. 이는 후미 간섭을 관리함으로써 추가적인 전력을 확보하고 이를 고가치 시장 (예비력 등) 에 효과적으로 배분할 수 있음을 보여줍니다.
• 입찰 전략: 풍향과 풍속의 변동성이 클 때, 모델은 에너지 시장 입찰보다 예비력 (FR) 시장 입찰을 선호하는 경향을 보였습니다. 이는 불확실성이 높을 때 불균형 패널티 리스크를 회피하기 위한 합리적인 의사결정입니다.
• 실시간 대응성: 후미 전파 시간 (약 2 분) 이 2 차 예비력 (FRR) 의 요구 시간 규모 내에 있음을 확인하여, 후미 방향 전환이 보조 서비스 제공에 실시간으로 적용 가능함을 입증했습니다.

5. 의의 및 결론 (Significance)

• 시장 참여의 정확성 향상: 풍력 발전소가 전력 시장에 참여할 때 후미 효과를 고려하지 않으면 막대한 불균형 패널티와 수익 손실이 발생할 수 있음을 정량적으로 증명했습니다.
• 경제적 가치 창출: 후미 제어 기술 (Wake Steering) 이 단순히 발전 효율을 높이는 것을 넘어, 전력 시장에서의 입찰 전략과 결합될 때 직접적인 경제적 이익 (1~2% 수익 증가) 을 창출할 수 있음을 보였습니다.
• 계통 안정성 기여: 풍력 발전 비중이 높아지는 상황에서, 풍력 발전소가 능동적으로 후미를 관리하며 예비력을 제공하는 것은 계통 안정성 유지에 필수적임을 강조했습니다.
• 향후 과제: 연구는 정상 상태 (Steady-state) 후미 모델을 사용했으므로, 대기 조건의 비정상적 변화나 터빈의 구조적 피로 (Fatigue) 증가에 따른 장기적 유지보수 비용에 대한 분석은 향후 연구 과제로 남겼습니다.

요약하자면, 이 논문은 풍력 발전소의 물리적 특성 (후미 간섭) 과 시장 경제적 의사결정을 통합한 새로운 최적화 프레임워크를 제시하여, 풍력 발전의 시장 참여 효율성과 수익성을 동시에 향상시키는 방안을 제시했습니다.