회사소식
딥러닝 기반 해상풍력단지 정비 스케줄링 기술 개발
- 작성일2024-09-26
- 조회수487
스마트융합연구소는 딥러닝의 일종인 심층 강화학습을 활용하여 대규모 해상풍력단지에서 정비 스케줄 탐색을 최적화하는 기술을 개발하였다.
이번 기술개발은 이남경 차장이 주저자로서 개발팀을 주도했으며, 에너지 엔지니어링 분야에서 저명한 국제학술지인 'Applied Energy'(Impact Factor 10.1, 상위 6.1%)에 9월 11일 온라인 게재되었다.*
(공동 교신저자: 한국해양대학교 우주현 교수, 국립금오공과대학교 김성렬 교수)
* 논문 제목 : A deep reinforcement learning ensemble for maintenance scheduling in offshore wind farms
* 논문 링크 : https://doi.org/10.1016/j.apenergy.2024.124431
탄소중립의 주요 수단인 풍력은 작년 기준으로 전세계 설치 용량이 1테라와트(TW)를 넘어섰다. 최근 들어 규모의 경제 달성을 위해 해상풍력이 두각을 나타내고 있지만, 해양 환경의 변화무쌍한 기상과 파도, 그리고 풍력단지에서 후단 풍력터빈의 풍속이 약해지는 후류 영향은 효율적인 운영/정비를 어렵게 하는 불가피한 고려 요소들이다.
풍력터빈이 40-50 내지 100-200 기에 이르는 대규모 해상풍력단지에서는 이런 요인들이 큰 발전량 손실로 귀결될 수 있기 때문에 운영/정비 단계에서 언제 어떤 풍력터빈들을 정비할지 결정하는 것은 고도의 조합 최적화 문제로 알려져 있다.
개발팀은 특정 기간에 해당하는 정비 물량의 배분과 단위 기간별 정비대상 풍력터빈의 선정을 위해서 직전의 의사결정에만 의존하는 마르코프 결정 프로세스(Markov Decision Process, MDP)를 고안하였고, 이를 심층 강화학습으로 구현하여 해상풍력단지의 발전량을 최대화하는 구체적인 정비 스케줄을 도출할 수 있었다.
특히, 개발팀은 풍력터빈이 정비를 위해 멈췄을 때에 그 위치에 따라 단지 전체의 발전량이 달라질 수 있다는 점에 착안하여 발전기의 가동/비가동 상태를 2차원적으로 해석할 수 있는 합성곱 신경망(Convolutional Layers)을 추가로 탑재함으로써 정비 스케줄링 성능을 크게 향상시킬 수 있었다. 이를 바탕으로 해상풍력 운영사업자가 기상 상황에 신속하게 대응할 수 있는 정비 스케줄을 마련하는데 실질적인 역할을 할 수 있을 것으로 기대된다.
해당 기술은 지난 4월 특허로 등록되어 지속적인 기술사업화가 추진되고 있으며, 스마트융합연구소는 향후에도 인공지능 기반의 탄소중립 포트폴리오 확대에 기여해 나갈 것임을 밝혔다.
- 한국전력기술 전경사진 01.png (1.02MB ) 다운로드