Korean Institute of Information Technology
[ Article ]
The Journal of Korean Institute of Information Technology - Vol. 19, No. 9, pp.79-86
ISSN: 1598-8619 (Print) 2093-7571 (Online)
Print publication date 30 Sep 2021
Received 27 Aug 2021 Revised 14 Sep 2021 Accepted 17 Sep 2021
DOI: https://doi.org/10.14801/jkiit.2021.19.9.79

풍력 블레이드에 대한 야외 측정 데이터의 클러터 신호 분리 기법

김용빈* ; 최인식**
*한남대학교 전기전자공학과 석사과정
**한남대학교 전기전자공학과 교수(교신저자)
Clutter Signal Separation Method of Outdoor Measured Data for Wind Turbine Blade
Yong-Bin Kim* ; In-Sik Choi**

Correspondence to: In-Sik Choi Dept. of Electrical and Electronic Engineering, Hannam University, 70 Hannam-ro, Daeduk-gu, Daejeon, 34430, Korea. Tel.: +82-42-629-8568, Email: recog@hnu.kr

초록

본 논문에서는 제주도 지역의 풍력 발전단지에서 측정한 야외 측정 데이터에 존재하는 눈이나 비에 의한 클러터 신호를 효과적으로 분리하는 방법을 제시한다. 풍력 블레이드는 바람이 강한 내륙이나 해상에 주로 설치되기 때문에 혹독한 자연환경에 노출된다. 특히 눈이나 폭우가 내릴 때 레이더 측정 신호는 다량의 클러터 신호를 포함하게 되어 블레이드의 회전속도나 상태 정보를 알아내는데 어려움이 있다. 본 논문에서는 측정 데이터로부터 클러터 신호를 분리하기 위해 클러스터링 알고리즘을 이용하였으며, 알고리즘 적용 결과 클러터 신호와 블레이드에 의해 나타나는 플래시 신호가 효과적으로 분리됨을 확인하였다. 알고리즘의 검증에 사용된 측정 데이터는 내륙에 위치한 가시리 풍력 발전단지, 해안가에 위치한 신창리 해상 풍력 발전단지에서 강풍을 동반한 비와 눈이 오는 날에 측정을 통해 획득하였다.

Abstract

In this paper, we propose the efficient separation method of the clutter signals caused by the snow or rain which are existed in the outdoor measured data at the wind farms of Jeju Island area. The wind turbine blades are exposed to the severe environment since they are located in the land or sea having a strong wind. Especially the snow or heavy rain produce a clutter signal in the measured radar echo, so it is very difficult to recognize the rotation velocity or blade state information. In this paper, we use the clustering algorithm to separate the clutter signal from the measured data. From the result after applying the proposed algorithm, we can see that the clutter signal and the flash signal produced by the blades are efficiently separated. The measured data used for the verification of the proposed algorithm are obtained by the measurement in the weather of snow and rain with a strong wind at the inland Gasi-ri wind farms and offshore Hangwon and Sinchang-ri wind farms.

Keywords:

wind turbine blade, clutter signal, clustering algorithm, signal separation, spectrogram

Ⅰ. 서 론

풍력 발전기 내부에 설치되는 각종 센서가 아닌 외부에 설치된 레이더를 이용하여 풍력 발전 단지의 블레이드 동작 상태를 원격으로 모니터링하는 연구가 활발히 진행되고 있다[1][2]. 풍력 단지는 강한 바람이 부는 곳에 주로 설치되기 때문에 풍력 블레이드는 매우 혹독한 자연환경에 노출되어 블레이드가 손상될 위험이 매우 크다[3].

풍력 발전 단지는 내륙에 설치된 것도 있지만, 요즘은 해상 풍력 발전이 소음 발생으로부터의 자유로움과 항상 일정한 바람의 세기를 이용할 수 있다는 장점으로 인해 더욱 많은 관심을 받고 있다. 해상 풍력 발전은 자연 환경이 육상에 비해 더욱 열악하므로 블레이드의 손상 위험 및 레이더 신호의 왜곡이 더욱 크다고 볼 수 있다.

이렇게 외부에 노출되어 있는 풍력 블레이드를 레이더로 관찰할 때 모니터링 결과에 가장 큰 영향을 주는 것이 날씨라고 할 수 있다. 맑은 날씨에는 클러터 신호가 거의 없어 비교적 양호한 레이더 신호를 획득할 수 있지만, 비 또는 눈이 내리거나 혹은 비와 눈이 강풍과 함께 내릴 때에는 매우 큰 기상 클러터(Weather clutter) 신호가 레이더로 유입되어 블레이드의 모니터링 성능에 나쁜 영향을 미치게 된다.

따라서 풍력 발전 단지에 대한 모니터링 성능을 향상시키기 위해서는 블레이드에 의해 나타나는 플래시 신호(Flash signal)와 클러터 신호를 분리할 수 있는 기술이 필요하다. 지금까지 레이더 신호처리 분야에서는 다양한 클러터에 관한 연구가 있었다. 참고문헌 [4]에서는 FMCW 레이더에 대한 지상 클러터 모델링과 검출 성능에 미치는 영향을 분석하였다. 참고문헌 [5]에서는 기상 레이더 시스템에서 지형 클러터 신호를 강수 신호로부터 분리하는 지형적응 클러터 맵 알고리즘을 제안하였다. 참고문헌 [6]에서는 강우 클러터에 의한 레이더 탐지성능 저하를 해결하기 위한 방법을 제안하였다.

본 논문에서는 눈 또는 비에 의한 기상 클러터 신호를 레이더 수신 신호로부터 분리하는 기법을 제안하였다. 또한 제안한 알고리즘은 제주 지역에서 기상 클러터 환경에서 실제로 측정한 데이터를 이용하여 검증하였다. 본 논문의 구성은 다음과 같다.

1장에서는 풍력 단지에서 클러터 신호 분리가 필요한 이유와 기존의 클러터에 대한 연구들에 대해 설명한다. 2장에서는 클러터 신호 분리에 사용되는 클러스터링 알고리즘에 대해 설명한다. 3장에서는 측정 데이터에 대한 획득 과정과 이를 이용한 시뮬레이션을 통하여 이론의 타당성을 검증하였다. 4장에서는 결론 및 향후 연구 방향에 대하여 기술하였다.


Ⅱ. 관련 이론

표적의 동적 RCS에 클러터 신호가 포함된 경우의 신호는 그림 1(a)와 같이 본래의 신호를 식별하기 어려울 정도로 왜곡됨을 확인할 수 있다. 그러나 이러한 클러터를 포함한 레이더 수신 신호에 대해 STFT(Short-Time Fourier Transform)[7]을 이용하여 스펙트로그램을 획득하면 대부분의 클러터 성분이 블레이드에 의한 플래시 신호와 분리되어 다른 공간에 분포하는 것을 확인할 수 있다.

Fig. 1.

Dynamic RCS and spectrogram of radar signal with noise

이러한 특성을 이용하여 스펙트로그램에서 클러터 성분을 분리하는 가장 간단한 방법은 플래시 성분이 없는 공간을 분리하여 제로패딩(Zero-padding)하는 것이다. 이러한 작업을 위해서는 신호 영역과 클러터에 의한 잡음 영역을 분리할 수 있는 진폭의 기준이 필요하다.

신호 분리를 위한 가장 간단한 방법으로 본 논문에서는 다음과 같은 클러스터링 기반의 알고리즘을 이용한다. 먼저 스펙트로그램 영상을 식 (1)과 같은 행렬로 표현한다[8].

S=sq,pRQ×P(1) 

여기서 q = 1,2,⋯, Q이고 q는 도플러 주파수의 인덱스이고, Q는 도플러 주파수의 샘플 개수이다. p = 1,2,⋯, P이며 p는 시간 샘플의 인덱스이고 P는 시간 샘플의 개수이다. 알고리즘의 첫 번째 단계로써 해당 시간-주파수 영상 S에서 각 클러스터 그룹의 평균값에 대한 초기값을 식 (2)와 같이 계산한다.

μ1=max S  ,μ2=min S(2) 

Sμ1μ2 클러스터로 분류하기 위한 마스크(Mask) H=hq,pZQ×P식 (3)과 같이 구한다.

hq,p=0;sq,p-μ1>sq,p-μ21;others(3) 

여기서 구한 마스크 H를 사용하여 S를 두 개의 그룹으로 분류하고 식 (5)(7)을 이용하여 μ1μ2를 다시 업데이트한다.

μ1old=μ1(4) 
μ1=1PQq=1Qp=1Psq,phq,p(5) 
μ2old=μ2(6) 
μ2=1PQq=1Qp=1Psq,p1-hq,p(7) 

이러한 클러스터링 알고리즘을 종합하면, 먼저 식 (3)에서 구한 마스크 H를 이용하여 S를 두 그룹으로 분류한 뒤, 식 (4)(7)에 대입하고 이를 이용하여 다시 식 (3)을 계산하는 과정을 반복하는 알고리즘이다. 이러한 과정을 식 (8)을 만족할 때까지 반복하면 플래시 성분의 스펙트로그램과 클러터 성분의 스펙트로그램의 분리가 가능하게 된다.

μ1old-μ1+μ2old-μ2<10-4(8) 

Ⅲ. 실험 결과

3.1 레이더 측정 시스템

그림 2는 실제 풍력 블레이드의 야외 측정 실험에 사용된 레이더 측정 시스템의 구성도를 보여 주고 있다. 데이터 획득을 위해 DAQ 모듈을 이용하였으며, 노트북을 이용하여 신호처리를 수행한다[1].

Fig. 2.

Configuration of 24GHz radar measurement system

표 1은 레이더 측정 시스템의 스펙을 정리한 표이다[9]. 레이더의 중심 주파수는 24GHz이며 송신 파형은 CW(Continuous Wave)를 사용한다. 또한 DAQ에서의 데이터 샘플링 속도는 40ksps로 설정하였으며, 안테나에서 방사되는 EIRP(Effective Isotropically Radiated Power)는 19dBm이다.

Specification of radar used for measurement

3.2 측정 결과

3.1절에서 설명한 레이더 측정 시스템을 이용하여 제주지역의 신창리 해상 풍력 발전 단지와 가시리 풍력 발전 단지에서 강풍과 비가 오는 날 및 강풍과 눈이 내리는 날씨에 대하여 측정 실험을 수행하였다.

그림 3은 신창리 해상풍력 발전 단지에서의 측정 사진 및 측정 환경을 보여준다. 표적까지의 거리를 정확히 계산하기 위해 레이저 거리 측정기를 이용하여 거리를 측정하였다.

Fig. 3.

Picture for Sinchang-ri wind turbine and measurement condition

그림 4는 강풍을 동반한 강우 클러터(Rain clutter) 환경에서 측정한 레이더 수신 신호와 STFT를 이용해 구한 스펙트로그램을 보여주고 있다. 스펙트로그램에서 특이한 점은 플래시(Flash) 앞과 뒤쪽에 다량의 클러터 잡음 신호가 관측된다는 것이다. 이러한 잡음 신호는 블레이드에 맺힌 물방울이 떨어져 나오면서 발생하는 것으로 판단된다. 또한 이러한 클러터 신호는 블레이드에서 떨어져나오는 속도 뿐만 아니라 바람에 의해서도 영향을 받는 것으로 분석된다.

Fig. 4.

Received radar signal and spectrogram in the rain clutter with strong wind

그림 5는 가시리 풍력 발전 단지에서의 측정 사진 및 측정 환경을 보여주고 있으며, 그림 6은 가시리 풍력 발전단지에서 강풍을 동반한 스노우 클러터(Snow clutter) 환경에서 측정한 레이더 수신 신호와 스펙트로그램을 보여주고 있다[10].

Fig. 5.

Picture for Gasi-ri wind turbine and measurement condition

Fig. 6.

Received radar signal and spectrogram in the snow clutter with strong wind

시간에 따른 레이더 측정 신호를 보면 신창리 해상 풍력 발전 단지에서 측정한 강풍을 동반한 강우 클러터 환경보다 훨씬 더 큰 잡음 신호가 나타남을 알 수 있으며, 스펙트로그램에서도 강우 클러터와는 다르게 낮은 도플러 주파수 대역에서 아주 강한 클러터 잡음이 나타남을 알 수 있다.

3.3 신호 분리 알고리즘 적용 결과

본 절에서는 3.2절에서 클러터 환경에서 측정한 풍력 블레이드의 레이더 신호로부터 클러터를 분리한 결과를 제시한다. 그림 7은 제주도의 가시리 국산화 풍력 발전 단지에서 강풍을 동반한 스노우 클러터 환경에서 측정한 레이더 신호에 대한 스펙트로그램을 보여준다. 그림 6을 측정할 때보다 바람의 세기에 더 강해짐에 따라 훨씬 더 큰 클러터 신호가 관찰됨을 알 수 있다.

Fig. 7.

Spectrogram in the snow clutter with strong wind

클러터 신호를 분리하기 위해 앞에서 설명한 클러스터링 알고리즘을 적용하여 플래시 성분과 클러터 성분을 분리한 후 클러터 성분을 ‘0’으로 만드는 방법을 사용하였다.

그림 8그림 7에서 알고리즘을 이용하여 분리한 클러터와 플래시 성분의 스펙트로그램과 사용된 마스크를 보여주고 있다. 그림 8(b)는 클러터 신호가 그림 7에 비해 많이 줄어들었음을 보여준다.

Fig. 8.

Seperated spectrogram of snow clutter and flash

그림 9는 제주도의 신창리 해상 풍력 발전 단지에서 강풍을 동반한 강우 클러터 환경에서 측정한 레이더 신호에 대한 스펙트로그램을 보여준다. 그림 4를 측정할 때보다 바람의 세기에 더 강해짐에 따라 훨씬 더 큰 클러터 신호가 관찰됨을 알 수 있다.

Fig. 9.

Spectrogram in the rain clutter with strong wind

그림 10그림 9에서 알고리즘을 이용하여 분리한 강우 클러터와 플래시 성분의 스펙트로그램과 사용된 마스크를 보여주고 있다. 그림 10(b)는 클러터 신호가 그림 9에서 잘 분리되어 플래시 성분만 깨끗하게 추출되었음을 보여주고 있다.

Fig. 10.

Seperated spectrogram of rain clutter and flash


Ⅳ. 결 론

본 논문에서는 강우와 스노우 클러터가 관측되는 환경에서 레이더 모니터링 성능을 향상시키기 위해 클러터 신호를 효과적으로 분리해 내는 방법을 실험을 통해 검증하였다. 본 연구팀이 직접 제작한 24 GHz 도플러 레이더를 이용하여 제주 지역의 신창리 해상 풍력발전 단지와 가시리 국산화 풍력발전 단지에서 실험을 수행하였으며 매우 간단한 신호처리 기법인 클러스터링 알고리즘을 적용하여 클러터 신호와 플래시 신호가 효과적으로 분리될 수 있음을 보였다. 본 논문에서 제안하는 방법은 풍력 블레이드의 속도 정보를 추출해 내는 연구[11]에 효과적으로 적용될 수 있을 것으로 기대된다.

Acknowledgments

본 연구는 한국전력공사의 사외공모 기초연구(개별)에 의해 지원되었음 (과제번호: R19XO01-50).

이 논문은 2021년도 정부(미래창조과학부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임 (No. 2021R1I1A3043120).

본 논문은 2021년 대한전기학회 춘계학술대회에서 “날씨에 따른 풍력 블레이더의 레이더 측정 신호 분석[3]”과 2021년 한국전자파학회 하계학술대회에서 “풍력 블레이드 레이더 측정 신호의 클러터 제거 기법[10]”으로 발표된 논문을 확장한 것이다.

References

  • Youngjae Choi, Yongbin Kim and In-Sik Choi, "Measurement of the rotational speed of industrial wind turbine blades using a low cost 24 GHz Doppler radar", 2021 European Conference on Antennas and Propagation (EuCAP), Dusseldorf, Germany, pp. 22-26, Mar. 2021.
  • J. Muñoz-Ferreras, Z. Peng, Y. Tang, R. Gómez-García, D. Liang, and C. Li, "Short-Range Doppler-Radar Signatures from Industrial Wind Turbines: Theory, Simulations, and Measurements", IEEE Transactions on Instrumentation and Measurement, Vol. 65, No. 9, pp. 2108-2119, Sep. 2016. [https://doi.org/10.1109/TIM.2016.2573058]
  • Yong-bin Kim and In-Sik Choi, "Analysis of measured radar signal depending on the weather for wind turbine blade", Proc. of 2021 KIEE Spring Conference, Jeju, Korea, pp. 121-123, May 2021.
  • S. Song, B. S. Kim, S. Kim, M. Kim, Y. Kim, and J. Lee, "Ground clutter modelling and its effect of detection performance in FOD FMCW radar", Journal of the Korea Society for simulation(JKSS), Vol. 27, No. 4, pp. 61-68, Dec. 2018.
  • H. Kim, J. Jung, Y. Kwang, J. Kim, J. Kim, and J. Ko, "Performance analysis on Terrain-adaptive clutter map algorithm for ground clutter rejection of weather radar", Journal of KIEES, Vol. 25, No. 12, pp. 1292-1299, Dec. 2014. [https://doi.org/10.5515/KJKIEES.2014.25.12.1292]
  • H. Oh, "Improvement of detection performance of a ground radar in the weather clutter using radar-received-signal analysis", Journal of KIEES, Vol. 30, No. 1, pp. 79-87, Jan. 2019. [https://doi.org/10.5515/KJKIEES.2019.30.1.79]
  • S. J. Lee and I. S. Choi, "Performance Comparison for Radar Target Classification of Monostatic RCS and Bistatic RCS", The Journal of Korean Institute of Electromagnetic Engineering and Science, Vol. 21, No. 12, pp. 1460-1466, Dec. 2010. [https://doi.org/10.5515/KJKIEES.2010.21.12.1460]
  • Y. J. Choi, "A Study on the feature extraction of the target motion using a continuous wave radar", Ph. D. dissertation of Hannam University, pp. 76-84, Feb. 2021.
  • Yongbin Kim, Youngjae Choi, and In-Sik Choi, "Measurement analysis for scale model of wind turbine blade using 24 GHz Doppler radar", Journal of KIIT, Vol. 18, No. 6, pp 55-63, Jun. 2020. [https://doi.org/10.14801/jkiit.2020.18.6.55]
  • Yong-bin Kim, Youngjae Choi, and In-Sik Choi, "Clutter rejection method of measured radar signal for wind turbine blade", Proc. of 2021 KIEES Summer Conference, Jeju, Korea, pp. 605, Aug. 2021.
  • B. J. Kim, S. J. Kang, and J. Y. Park, "Statistical Blade Angular Velocity Information-based Wind Turbine Fault Diagnosis Monitoring System", KEPCO Journal on Electric Power and Energy, Vol. 2, No. 4, pp. 619–625, Dec. 2016. [https://doi.org/10.18770/KEPCO.2016.02.04.619]
저자소개
김 용 빈 (Yong-Bin Kim)

2020년 2월 : 한남대학교 전자공학과(공학사)

2020년 3월 ~ 현재 : 한남대학교 전기전자공학과(석사과정)

관심분야 : 레이더 신호 측정 및 분석, 레이더 신호처리

최 인 식 (In-Sik Choi)

1998년 2월 : 경북대학교 전자공학과(공학사)

2000년 2월 : POSTECH 전자전기공학과 (공학석사)

2003년 2월 : POSTECH 전자전기공학과 (공학박사)

2003년 ~ 2004년 : LG전자 선임연구원

2004년 ~ 2007년 : 국방과학연구소 선임연구원

2007년 ~ 현재 : 한남대학교 전기전자공학과 교수

관심분야 : 레이더 신호처리, 레이더 시스템 설계, RCS 해석 및 분석, EMI/EMC 해석

Fig. 1.

Fig. 1.
Dynamic RCS and spectrogram of radar signal with noise

Fig. 2.

Fig. 2.
Configuration of 24GHz radar measurement system

Fig. 3.

Fig. 3.
Picture for Sinchang-ri wind turbine and measurement condition

Fig. 4.

Fig. 4.
Received radar signal and spectrogram in the rain clutter with strong wind

Fig. 5.

Fig. 5.
Picture for Gasi-ri wind turbine and measurement condition

Fig. 6.

Fig. 6.
Received radar signal and spectrogram in the snow clutter with strong wind

Fig. 7.

Fig. 7.
Spectrogram in the snow clutter with strong wind

Fig. 8.

Fig. 8.
Seperated spectrogram of snow clutter and flash

Fig. 9.

Fig. 9.
Spectrogram in the rain clutter with strong wind

Fig. 10.

Fig. 10.
Seperated spectrogram of rain clutter and flash

Tabel 1.

Specification of radar used for measurement

Parameter Value
 Center freq. 24 GHz
 EIRP 19 dBm
 IF Amp. gain 40 dB
 IF Amp. bandwidth 10 kHz
 Antenna beamwidth 33 deg.
 Antenna gain 15 dBi
 Sampling frequency 40 ksps