http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
서범근(Seo, Beom-Keun),변재영(Byon, Jae-Young),최영진(Choi, Young-Jean) 한국신재생에너지학회 2010 한국신재생에너지학회 학술대회논문집 Vol.2010 No.11
북한은 자급자족의 형태로 지하자원과 수력을 이용하여 에너지원으로 사용하고 수입연료를 자제하는 실정이다. 하지만 기존의 발전 설비들의 노후화와 지하자원의 확보의 어려움이 증가 되어 신재생에너지의 개발을 확대하고 있다. 이에 우리나라에서는 남북의 기술교류 확대 및 미래 에너지 자원의 확보를 위하여 북한 자원자원에 대한 연구가 이뤄지고 있다. 기존의 연구에서는 북한지역의 관측값을 활용하거나 저해상도의 바람지도들이 작성되었다. 북한 지역의 바람의 분포를 세밀히 파악하기 위하여 기존의 바람지도 보다 상세한 풍력-기상자원지도가 필요하기 때문에 연구를 진행하였다. 북한의 풍력-기상자원지도를 개발하기 위해 미국 NCAR에서 개발한 중규모 모형인 WRF(Weather Research & Forcasting)을 활용하였다. 좋은 풍력자원을 갖춘 장소에 풍력 단지를 조성하기 위해서는 고해상도의 기상자원지도를 이용해서 파악하는 것이 필요하므로 해상도를 1km으로 설정하여 수행되었다. 본 연구의 결과로 지상 80 m에서의 1km 해상도를 갖는 풍력-기상자원지도를 작성하였다. 개발된 풍력-기상자원지도의 검증을 위해서 우리나라에서 확보가 가능한 북한 27개 지점의 지상 10 m 바람자료들을 활용하였다. 풍속에 대한 검증은 Bias와 RMSE을 이용하였으며, 풍향의 검증은 MAE을 활용하였다. 연 평균의 북한의 풍력-기상자원지도를 보면, 북한의 산맥을 중심으로 다른 지역보다 높은 풍속 분포를 보이고 있으며, 황해도를 포함한 북한의 서해안지역에서 비교적 높은 풍속의 분포를 나타내고 있다. 계절별로 살펴보면 봄철과 겨울철에 여름과 가을철보다 높은 풍력자원이 나타나며, 여름철이 가장 낮은 풍력자원을 갖는 것으로 분석되었다.
남한전역 1Km×1Km 격자지점에 대한 수치기상모의풍속의 정확도 향상을 위한 통계적 보정법
김혜중,김현식,최영진,이승우,서범근,Kim, Hea-Jung,Kim, Hyun-Sik,Choi, Young-Jean,Lee, Seong-Woo,Seo, Beom-Keun 한국통계학회 2011 응용통계연구 Vol.24 No.6
본 논문은 수치기상모형에 의해 계산된 수치기상모의풍속($1km{\times}1km$ 해상도)의 정확도를 향상시키기 위한 통계적 보정법을 제안하였다. 이를 위해 남한전역을 $1km{\times}1km$ 격자로 나눈 지점(345,682지점)에 적합한 통계적 바람장 모형으로 부터 남한지역의 바람장을 추정하는 절차와 격자지점별/월별 보정인자를 계산하여 추정된 바람장과 수치 기상모의풍속간의 간극을 보정하는 절차로 이루어진 보정인자법을 개발하였다. 또한 75개 기상관측소지점에서 계산된 수치기상모의풍속자료에 보정인자법을 적용시켜 본 논문에서 제안된 보정법의 유용성을 보였다. This paper suggests a method for tuning a numerically simulated wind speed data, provided by NIMR(National Institute of Meteorological Research) and generated from a numerical meteorological model to improve a wind resource map with a $1Km{\times}1Km$ resolution. To this end, "tuning factor method" is developed that consists of two procedures. First, estimate monthly wind fields based on a suitably designed statistical wind field model that covers 345,682 regions obtained by $1Km{\times}1Km$ lattice sites in South Korea. The second procedure computes the tuning factor and then tunes the generated wind speeds of each month as well as each lattice site. The second procedure is based on the wind fields estimated by the first procedure. The performance of the suggested tuning method is demonstrated by using two wind data(both TMY and numerically simulated wind speed data) of 75 weather station areas.
WRF-FDDA-LES를 이용한 풍력-기상자원지도 개발
변재영(Byon, Jae-Young),최영진(Choi, Young-Jean),서범근(Seo, Beom-Keun),김순아(Kim, Su-Na) 한국신재생에너지학회 2010 한국신재생에너지학회 학술대회논문집 Vol.2010 No.11
기후변화의 주요인이 되는 온실가스 감축을 목표로 화석연료를 대체하기 위한 대체 에너지 개발을 위한 많은 노력이 진행되고 있다. 풍력 에너지와 같은 신재생에너지는 이러한 하나의 해결 수단이 될 수 있으며 풍력 에너지 사업의 활성화를 위해서는 정확한 풍력 정보 제공이 우선이다. 풍력-기상자원지도는 풍력 발전에 유용한 정보 제공을 위한 목적으로 중규모 수치 모델을 이용하여 작성된다. 본 연구에서는 중규모 수치 모델의 정확도 향상을 위한 자료동화 방법으로써 Four-Dimensional Data Assimilation (FDDA) 방법을 이용한다. 풍력-기상자원지도는 공간분해능 1 km 해상도로 개발된다. 풍력-기상자원지도는 1998-2008년까지의 평균적인 상태에 대하여 모의를 하기 위하여 통계적인 방법으로 11년 기간의 평균과 유사한 기간을 선정하였다. 풍력-기상자원지도는 연 평균, 월 평균 풍속과 주 풍향, 주풍향 발생 비율 등의 정보를 제공한다. 우리나라 풍속의 평균 분포는 내륙 산악지역, 남해안, 제주도에서 강풍이 발생하며 주 풍향은 대체로 북서풍이다. 주 풍향의 발생비율은 산악 지역과 남 동해안에서 높아 풍력 발전의 최적지 정보를 제공한다. 1 km 해상도의 모델과 관측의 오차는 서해안 등의 해안지역보다 강원 산악지역에서 오차가 더욱 증가하였다. 이러한 산악 지역의 오차는 복잡한 지형에서는 1km 미만의 수 백 m 해상도 수치모의가 필요함을 지시한다. 따라서 본 연구에서는 WRF-LES 모형을 이용하여 333m 해상도의 기상자원지도를 개발한다. 333m 해상도의 자원지도 영역은 강원도 지역에 대하여 모의되었다. 333m 해상도의 풍속 분포는 1km 해상도의 풍속 분포와 비교하였을 때 풍속의 분포가 보다 세밀하게 표현되었다. 정량적인 검증을 하였을 때 관측소에 따라 차이는 있었으나 1km 해상도에서 과대 모의된 풍속의 분포가 현저히 개선이 되었으며, 시간적인 경향도 잘 일치함을 보였다.