본 논문에서는 해상풍력발전단지의 풍력터빈 배치에 따른 연간 발전량을 계산하고, 경제성을 최대화하기 위한 풍력발전단지 최적배치를 수행할 수 있는 Matlab 기반의 In-house code를 개발하였다.
개발된 In-house code는 상용 GIS 프로그램인 Global mapper와 CFD 기반 풍력자원 해석 프로그램인 WindSim을 이용하여 구축한 바람자원지도와 수심정보를 입력받아 풍력터빈 배치에 따른 연간발전량을 계산한다. 또한, 연간발전량 계산결과와, 풍력발전단지 건설비용 및 운영비용을 고려하여, 경제성 분석을 수행하고, 경제성을 최대화 하기 위한 최적의 풍력발전단지 내 풍력터빈 배치를 수행하게 된다.
풍력터빈 최적배치의 과정은 우선 풍력발전단지 영역 내에서 경제성이 가장 좋은 지점에 첫 번째 터빈을 배치하게 된다. 그리고, 풍력터빈이 배치되면, 해당 터빈이 위치한 지점으로부터 일정거리를 최소 이격거리로 설정하여 최소 이격거리 내에 속하는 좌표에는 다른 터빈이 배치되지 못하게 최적배치 대상 좌표에서 배제시키게 된다. 이후 배치된 터빈과 기존에 배치된 모든 터빈으로부터의 후류 영향을 고려하여 모든 격자에 대하여 각 격자에서 받게 될 후류 풍속을 계산하게 되고, 계산된 풍속을 이용하여 다음 터빈을 배치하기 위한 연간발전량 계산 및 경제성 분석을 수행하게 된다. 마지막으로 경제성 분석 결과를 바탕으로 다음 터빈을 배치하게 된다.
개발된 In-house code 최적배치 알고리즘의 타당성을 검증하기 위하여 경제성 분석을 고려한 경우와 고려하지 않은 경우의 두 가지 케이스로 최적배치를 진행하였고, 최적배치 결과를 상용프로그램인 WindPRO의 Optimize 모듈을 이용한 결과와 비교하였다.
최적배치는 수심의 변화가 가파른 동해 해상과 수심의 변화가 완만한 서남해 해상을 대상 영역으로 진행하였으며, 동일한 조건에서 최적배치를 진행하기 위하여 WindPRO는 ‘Random Pattern’으로 설정하여 최적배치를 수행하였다. 동해 해상에 대하여 수행한 최적배치 결과를 비교한 결과, 경제성을 고려하지 않은 In-house code를 이용하여 최적배치를 진행한 경우, WindPRO를 이용하여 최적배치를 진행한 결과와 유사한 결과를 보여주었다. 반면에 경제성을 고려한 In-house code를 이용하여 최적배치를 진행한 경우, 발전량은 WindPRO의 최적배치 결과보다 낮게 예측되지만, 경제성 분석 결과를 나타내는 B/C ratio값은 높게 예측되는 것을 확인할 수 있었다.
반면 수심의 변화가 완만한 서남해 해상에 대하여 최적배치를 수행한 결과, 경제성을 고려하지 않은 In-house code를 이용하여 최적배치를 진행한 경우, 풍속이 높은 위치에 우선 배치되고, 이후 후류 영향이 적어 연간발전량이 높게 계산되는 위치에 터빈이 배치되는 것을 확인할 수 있었다. 반면에, WindPRO를 이용한 최적배치의 경우 후류 영향이 고려되기 전, 풍속이 높은 지역에 대부분의 터빈이 배치되는 것을 확인할 수 있었다. 경제성을 고려한 In-house code를 이용하여 최적배치를 진행한 경우, 해상변전소가 설치되는 지점과 가까운 지점에 터빈이 먼저 배치되었으며, 이후 터빈은 풍속이 높은 지점에 배치되는 것을 확인할 수 있었다. 배치 결과에서의 발전량과 경제성 분석 결과를 확인해보면, 수심의 변화가 거의 없기 때문에 최적배치 Case에 따른 큰 차이가 발생하지 않는 것을 확인할 수 있었다.
본 연구를 통해 개발된 In-house code는 경제성 또는 풍력자원을 고려하여 해상풍력발전단지 풍력터빈 최적배치를 수행한다. 최적배치를 수행하기 위하여 상용프로그램에서 구축한 바람자원지도의 입력이 필요하지만, 그 이후 풍력터빈 최적배치는 In-house code 내에서 수행할 수 있다. 또한 경제성과 관련된 요소는 사용자에 의해 입력값을 입력받을 수 있어, 실제 해상풍력발전단지 설계에 경제성을 고려한 최적배치 툴로서 사용될 수 있을 것으로 판단된다.

In this study, a MATLAB-based in-house code was developed for conducting the economic analysis of offshore wind farms and the layout optimization based on the results of economic analysis.
The input to the developed in-house code was water depth data and a wind resource map built using Global Mapper, a commercial
GIS(Geographic information system) program, and WindSim, a CFD(Computational fluid dynamics)-based wind resource analysis program; it calculated the annual energy production according to the wind turbine layout. The code performed layout optimization of a wind farm to
maximize economics considering annual energy production, construction costs, and operation costs.
First, during the layout optimization process, the first turbine was placed at the most
economical point within the area of the wind farm. To dispose a wind turbine, a certain distance from the location of the turbine was set as the minimum spacing, such that other turbines could not be disposed in the coordinates within the minimum spacing. Subsequently, it calculated the wake wind speed,
received from each grid, for all grids by considering the wake effects from the placed turbines and all existing turbines. Using the calculated wind speed, the annual energy production was calculated and economic analysis was performed for the next turbine. Finally, based on the results of the economic analysis, the next turbine was placed.
To verify the validity of the developed in-house code layout optimization algorithm, the layout optimization was conducted in two cases: with and without considering the economic analysis. The results of the two cases were compared with the results using the optimization module of WindPRO, a commercial program.
The layout optimization was carried out on the
east coast, where the change in water depth was steep, and the southwest coast, where the change in water depth was gentle. To perform the layout optimization under the same conditions, WindPRO optimization was performed
using the random pattern method. In case of the two cases on the east coast, the layouts using the in-house code without economic analysis and WindPRO showed similar results. However, in the layout using the in-house code with economic analysis, annual energy production was lower than that in case of WindPRO, but the B/C ratio was higher than that in case of WindPRO.
In the southwest coast, when layout optimization was performed using the in-house code without economic analysis, the turbine was first placed in a region with high wind speed. It was confirmed that the turbine was placed in a location where the annual energy production was high owing to the small wake effect. In the case of layout optimization using WindPRO, it was confirmed that most turbines were placed in a location with high wind speed. However, using the in?house code with economic analysis, the turbine was first placed at a point close to the offshore substation, and then the turbine was placed at a point where the wind speed was high. Comparing the results of each case, there was little change in water depth; therefore, there was no significant difference according to each case.
The in?house code developed in this study was used to perform the layout optimization of wind turbines in offshore wind farms considering economic analysis or wind resources. To perform the layout optimization, it is necessary to input the wind resource map constructed in the commercial program, but thereafter, the layout optimization of the wind farm can be performed using the in?house code. In addition, the economic factors can be input by the user; therefore, it can be considered a potential layout optimization tool that takes into account economics to design an actual offshore wind farm.