주요 연구 성과
- 이상봉 교수님 연구실, 머신러닝 기반 고해상도 풍력터빈 원거리 후류 예측 기술 개발
- 관리자 |
- 2025-09-15 11:12:47|
- 487
- 2025-09-15 11:12:47|
풍력 발전 단지의 효율적 운영을 위해서는 터빈 간 간섭을 유발하는 원거리 후류(wake)의 형상과 변화 양상을 높은 정확도로, 그리고 실시간에 가까운 속도로 예측하는 능력이 핵심이다. 풍력 터빈의 요(Yaw)각 제어 전략은 총 발전량을 높일 수 있으나, 기존의 LES 등 고충실도 수치해석 방법은 계산 자원이 막대하고, 단지 규모로 일반화하는 데 시간이 오래 걸린다는 한계가 있다. 이러한 맥락에서 예측 정확도와 공간적 고해상도를 동시에 확보하면서도 저비용으로 실시간 추론 가능한 데이터 구동형 예측 프레임워크가 요구되었다.
이은찬 석사과정 학생과 이상봉 교수는 새로운 머신러닝 모델인 ‘채널 보조 푸리에 신경 연산자(Channel-assisted Fourier Neural Operator, CFNO)’를 제시하였고 이를 통해 요각 조건 하 풍력터빈의 원거리 후류를 고해상도 장주기/저비용으로 예측할 수 있음을 보였다. CFNO는 주파수 영역 전역 연산을 수행하는 FNO의 장점을 유지하는 동시에 요각 조건을 모델에 통합시켜 풍력 터빈 후류 예측 문제에 적용하였고, 후류의 비대칭 속도 결손과 와도 구조가 장시간 예측 동안 붕괴되지 않도록 새로운 딥러닝 구조를 도입하여 학습/추론 안정성을 강화한 것이 특징이다. 이를 통해 FNO 대비 원거리 후류 영역에서도 후류 편향과 단면 왜곡을 일관되게 재현할 수 있으며, 고정밀 수치해석 대비 추론 비용을 대폭 절감해 실시간 운용 제어 시나리오의 실질적 활용가능성을 크게 제고하였다.
본 연구는 후류 선회(wake steering) 전략의 효과 정량화, 터빈 간 간섭 최소화, 단지 배치 및 운전 최적화, 출력 예측 불확실성 저감 등 산업적 활용 잠재력이 크다. 또한 이를 활용한 디지털 트윈 기반의 단지 운영 기술 고도화에도 기여할 전망이다. 해당 연구는 Physics of Fluids에 2025년 9월자로 게재되었으며, Editor‘s Pick으로 선정되었다. Physics of Fluids는 유체역학 분야 JCR 상위 6%의 최상위 국제학술지 이다.
https://doi.org/10.1063/5.0287914
이은찬 석사과정 학생과 이상봉 교수는 새로운 머신러닝 모델인 ‘채널 보조 푸리에 신경 연산자(Channel-assisted Fourier Neural Operator, CFNO)’를 제시하였고 이를 통해 요각 조건 하 풍력터빈의 원거리 후류를 고해상도 장주기/저비용으로 예측할 수 있음을 보였다. CFNO는 주파수 영역 전역 연산을 수행하는 FNO의 장점을 유지하는 동시에 요각 조건을 모델에 통합시켜 풍력 터빈 후류 예측 문제에 적용하였고, 후류의 비대칭 속도 결손과 와도 구조가 장시간 예측 동안 붕괴되지 않도록 새로운 딥러닝 구조를 도입하여 학습/추론 안정성을 강화한 것이 특징이다. 이를 통해 FNO 대비 원거리 후류 영역에서도 후류 편향과 단면 왜곡을 일관되게 재현할 수 있으며, 고정밀 수치해석 대비 추론 비용을 대폭 절감해 실시간 운용 제어 시나리오의 실질적 활용가능성을 크게 제고하였다.
본 연구는 후류 선회(wake steering) 전략의 효과 정량화, 터빈 간 간섭 최소화, 단지 배치 및 운전 최적화, 출력 예측 불확실성 저감 등 산업적 활용 잠재력이 크다. 또한 이를 활용한 디지털 트윈 기반의 단지 운영 기술 고도화에도 기여할 전망이다. 해당 연구는 Physics of Fluids에 2025년 9월자로 게재되었으며, Editor‘s Pick으로 선정되었다. Physics of Fluids는 유체역학 분야 JCR 상위 6%의 최상위 국제학술지 이다.
https://doi.org/10.1063/5.0287914
- 다음
- 전은지 교수 연구실, 입자 기반 유동 해석의 복사 평형 경계 조건 구현 및 촉매성 표면 상관관계 분석
- 2025-08-28