Home

현재 화석 연료는 고갈되어 가고 있어 이를 대체하기 위해 재생에너지에 관한 연구가 활발하게 진행되고 있다. 재생에너지 중 하나인 풍력발전은 바람을 통하여 풍력 블레이드를 회전시키고 블레이드의 회전 운동을 통하여 전기를 생산한다.

풍력발전에는 육상풍력발전과 해상풍력발전이 있는데 육상풍력발전은 공사 기간이 짧고 설치비용과 운영 및 관리가 수월하다는 장점을 갖고 있지만, 주변 거주민들에게 저주파 소음으로 인한 피해와 적절한 부지를 찾기 어려워 대단지를 조성하기 힘들다는 단점이 있다. 또한, 풍력발전기 블레이드에 붙어있던 얼음이 날아가 주변의 비닐하우스에 피해를 주는 사례도 존재한다. 이러한 육상풍력발전의 단점에서 자유로운 해상풍력발전은 육지보다 해상에서의 풍속이 빠르고 풍력단지를 대규모로 조성할 수 있어 많은 관심을 받고 비중이 매년 증가하는 추세이다. 하지만 해상풍력발전은 설치와 관리 및 운영에 있어 비용적으로 부담스럽다는 단점이 있고 해상에 위치하여 환경의 영향으로 풍력 블레이드에 얼음이나 소금 결정 등이 부착되어 각각의 블레이드 무게가 다르게 증가할 수 있다. 그 결과 무게가 무거운 블레이드는 중력이 크게 작용하여 가속이 붙고 이는 불균형회전을 초래하게 된다.

블레이드의 불균형회전은 전력손실을 일으키고 장시간 이어지면 고장으로 이어지므로 실시간 블레이드의 상태를 관측하는 연구는 국외에서도 많이 진행되었으며 주로 풍력 발전기 내부에 센서를 설치하는 방법을 이용하였다[1][2]. 최근에는 날씨나 기상의 영향이 적고 유지보수에 유리하여 다양한 분야에서 활용되고 있는 레이더를 이용하여 블레이드의 상태를 모니터링하는 연구가 활발하게 진행 중이다[3][4]. 선행연구 [5]에서는 풍력 블레이드의 동작 상태를 추정하기 위한 특성 벡터의 추출 방법을 제시하였다. 선행연구 [6]에서는 합성곱 신경망을 이용하여 구분기를 설계하여 풍력 블레이드의 상태를 구분하는 연구를 진행하였다. 하지만 선행연구 [5][6]에서는 육상풍력발전에 대하여 풍력 블레이드의 상태를 구분하였고, 해상풍력 블레이드의 경우는 연구가 수행되지 않았다.

본 논문에서는 RCS 시뮬레이션 및 coning 모션 생성방법, 실내측정 방법, 실외측정 방법을 설명하고 시뮬레이션과 실내측정, 실외측정 3가지 방법을 통해서 부유형 풍력 블레이드의 상태를 진단하여 3가지 방법의 결과가 유사함을 증명하였다.

전자파 수치해석 시뮬레이션과 실내측정, 실외측정을 통해 얻은 데이터는 STFT를 적용하여 시간-주파수 영역의 스펙트로그램 영상을 획득하였다. 스펙트로그램 영상에서 도플러 주파수와 플래시의 간격을 확인함으로 블레이드의 회전상태를 예측할 수 있다. 시뮬레이션에서 사용한 파라미터 값은 표 1과 같이 적용하였다. 방위각은 풍력 터빈의 옆면을 바라볼 때 0도이며 rpm(Revolution per minute)은 블레이드의 분당 회전수를 나타낸다.

풍력 블레이드의 정상상태와 불균형상태 시뮬레이션을 통해 얻은 RCS 데이터를 신호처리 후 얻은 스펙트로그램 영상은 그림 8과 같다. 스펙트로그램 영상에서 중심주파수의 형태가 정현파 신호처럼 나타나는 것은 coning에 의해 블레이드의 중심과 기둥에서 나타나는 신호이다. 정상상태와 불균형상태의 스펙트로그램 영상에는 차이점이 나타나게 되는데 첫 번째로 도플러 주파수 값의 차이이다.

Fig. 8. 
Spectrogram of simulation data

블레이드에 의한 도플러 주파수는 식 (4)와 같고 여기서 v는 블레이드의 회전속도, R은 블레이드의 길이, rps는 블레이드의 초당 회전수, λ는 레이더 신호의 파장이다.

무게가 추가된 블레이드는 중력가속도로 인해 아래로 회전할 땐 속도가 증가하고 위로 회전할 땐 속도가 감소하게 된다. 그리하여 도플러 주파수는 최댓값이 증가하고 최솟값이 감소하게 된다. 플래시 신호의 최댓값이 그림 8(b)에서 그림 8(a)보다 크게 나타나고 최솟값은 낮게 나타나는 것을 확인할 수 있다. 두 번째로 플래시의 간격을 관측해 보면 정상상태의 블레이드는 일정하게 나타나지만, 불균형상태의 블레이드는 간격이 일정하지 않은 것을 확인할 수 있다. 시뮬레이션을 방법 이용한 결과 정상상태와 불균형상태의 블레이드를 2가지의 차이점으로 확인하였다.

실내측정의 정상상태와 불균형상태의 스펙트로그램 영상은 그림 9와 같다. 시뮬레이션에서는 Coning에 의해 정현파 형태의 포락선 신호가 나타났는데, 실내측정의 경우 3D 모션 플랫폼의 움직임에 의한 포락선 신호가 나타나지 않는 것은 플래시 신호를 정밀하게 관찰하기 위해 관측시간을 2[sec]로 설정하였기 때문이다. 실내측정의 스펙트로그램 영상에서는 플래시의 간격의 차이를 눈으로 구분하는 것은 어렵다.이런 경우에는 플래시 사이의 간격을 추출하여 플래시 간격 그래프를 통하여 블레이드 상태 구분이 가능하다[10]. 하지만 실내측정에서도 시뮬레이션과 같이 불균형상태에서 무게가 추가된 블레이드와 추가되지 않은 블레이드에 나타나는 플래시 신호의 도플러 주파수는 차이가 나타난다.

Fig. 9. 
Spectrogram of indoor measurement data

그림 10은 실외측정에서의 각 상태에 대한 스펙트로그램 영상을 나타낸다. 실외측정도 실내측정과 같이 파도의 움직임이 중심주파수에 나타나지만, 플래시 관측을 위해 관측시간을 감소하였다. 실외측정의 불균형상태의 스펙트로그램 영상은 플래시의 간격이 정상상태보다 일정하지 않은 것을 육안으로도 확인할 수 있고, 실내측정과 마찬가지로 무게가 추가된 블레이드가 나타내는 플래시 신호의 도플러 주파수는 무게를 추가하지 않은 블레이드의 플래시 신호와 차이가 나타나는 것을 확인하였다.

Fig. 10. 
Spectrogram of outdoor measurement data

본 논문에서는 부유형 풍력 블레이드의 회전상태를 확인하기 위해 전자파 수치해석 시뮬레이션, 실내측정, 실외측정 방법을 통하여 얻은 RCS 데이터를 신호처리하여 분석하였다. 3가지 방법 모두 도플러 주파수 값의 변화와 플래시 신호의 간격을 확인하여 정상상태와 불균형상태를 구분할 수 있음을 확인하였다. 이를 통해 각각의 방법은 유사한 결과를 갖는 것을 확인하였다. 향후 연구에서는 실내측정과 실외측정 데이터를 충분히 획득하고 이를 CNN(Convolutional Neural Network)을 이용한 구분기를 통해 구분성능을 확인할 예정이다.