스마트그리드 최적화 위한 해상풍력터빈 PHM 시스템
[에너지신문] 파리기후협약(COP21) 이후 전 세계적으로 신 재생에너지의 개발·보급이 확산되면서 관련 산업(기술) 분야에서 새로운 비즈니스 모델로 자리 잡아가고 있다.
국내 신재생에너지 보급계획은 2020년 5.0%, 2025년 9.7%, 2035년 11%로 단계적인 목표를 설정하고 있다. 이를 구현하고 글로벌 시장 진출을 위해 2010년부터 제주 스마트 그리드(smart grid) 실증단지(test-bed)를 조성·운영해 오고 있다. 이를 통해 송배전시설, 분산전원장치, AMI(Advanced Metering Infrastructure) 등 관련 기술개발에 주력하고 있다.
아울러 스마트 그리드를 구축하기 위해 5개 분야에서 수요자원 12만KW 확보, 스마트 미터(smart meter) 보급률 50% 달성, 충전 인프라 15만기 보급, 신재생에너지 보급 4.3% 달성, 전력망 신뢰도 10% 향상을 목표로 지능형 전력망 기본계획을 추진하고 있다. 이에 대한 실증 방법으로 해상풍력발전단지에서 생산되는 신재생에너지 전력에 대한 스마트 그리드 최적화를 위한 해상풍력 PHM 시스템 개발이 확산되고 있다.
이 연구에서는 국가 기간산업 분야에서 시설물의 정비계획의 최적화, 비용 절감 및 가용성과 안전성을 제고하기 위한 PHM(고장예지 및 건전성 관리) 시스템의 개요와 해상풍력터빈 모니터링을 통한 PHM 시스템의 적용 사례이다. 이를 토대로 다양한 기후(기상)적 환경과 지리적 접근성의 어려움으로 인해 주요 부품의 가동 상태를 진단하는 데 어려움이 있는 해상풍력터빈 주요 부품의 최적 제어 알고리즘에 대한 개발 필요성과 제3차 신재생에너지 기술개발 및 이용·보급 기본계획(2009
~2030)에 근거를 두고 있는 해상풍력에너지(전력)의 스마트 그리드 최적화를 위한 PHM 시스템 개발 목표에 대해 설명한다.
◆ PHM 시스템 개요 및 적용 분야
발전·철도·항공 등의 산업 분야에서 시설물의 정비계획을 최적화하고, 비용을 절감하는 동시에 가용성과 안전성을 제고하기 위한 PM(Predictive Maintenance: 예지정비) 기술이 있다. PHM(Prog
-nostics and Health Management: 고장예지 및 건전성 관리) 시스템은 PM 기술을 보다 더 고도화해 IoT(사물인터넷)를 이용한 데이터 수집 및 AI(인공지능)를 이용한 빅 데이터 분석 등을 활용한 선진화된 고장진단 기술이다. 전 세계적으로 다양한 산업 분야에서 활발하게 적용되고 있다. PHM 시스템의 핵심 기능은 센서를 이용해 장비나 기계 시스템의 상태를 모니터링하고 고장의 징후를 진단하고, 잔여 내용수명 예측 및 효과적인 건전성 관리 기술로 주목 받고 있다.
이는 1980년대 영국의 민간항공국에서 시작돼 점차 발전하면서 여러 산업 분야에 적용되고 있다. 2009년 미국에서 PHM 학회가 설립되는 등 지속적으로 발전을 거듭하고 있다. 또한 에너지 하베스팅(harvesting), 사물인터넷, 빅 데이터, 인공지능 등 최신 기술과 접목되면서 그 효과가 입증되고 있다.
PHM 시스템의 예지정비 수행 절차는 건전성 감지, 건전성 진단, 건전성 예지, 건전성 관리 단계로 수행된다.
◆ 해상풍력터빈 모니터링을 위한 PHM 시스템
신재생에너지 등을 이용한 분산형 전력공급 방식이 확산되면서 중앙집중식에 비해 불규칙적으로 생성된 에너지를 효과적으로 이용하기 위한 스마트 그리드 구축이 요구되고 있다. 이에 해상풍력발전단지와, 스마트 그리드 실증단지와 연계한 풍력터빈의 운영 최적화를 위한 PHM 시스템을 적용할 필요가 있다.
PHM 시스템의 최종 목표는 해상풍력에너지를 효과적으로 이용하기 위한 스마트 그리드를 구축하는 것이다. 3대 핵심기술과 8개 세부기술로 분류할 수 있다. 이러한 개발 기술에 대한 기술 트리는 해상풍력발전단지 및 터빈의 기후적·지리적 상황에 따른 변수가 많아 적절히 변경하면서 최적의 대응 기술을 구현하는 것이 중요하다. 이러한 기술 트리가 표준 기술로 자리매김될 수 있도록 지속적인 후발 노력이 필요하다.
PHM, AI·빅데이터 분석통한 선진 고장예지 기술
PHM의 최종 목표, 효과적인 스마트그리드 구축
◆ 해상풍력 PHM 시스템의 개발 필요성 및 목표
해상풍력발전단지 내 풍력터빈은 해상에 위치하고 있기 때문에 풍향·풍속·번개·결빙·오염 등에 따라 연중 운영환경이 다양하게 변화할 수 있다. 게다가 사람의 접근이 매우 어려운 관계로 주요 부품의 가동상태(이상 여부 등)를 진단하는 데 어려움이 있다. 이에 해상풍력발전단지 전력 수급 지역의 전력 수요를 예측해 이에 따른 풍력터빈 주요 부품의 최적 제어 알고리즘을 개발하고, 이를 시뮬레이션을 통해 검증할 수 있는 개발 방안이 필요하다. 해상풍력터빈의 최적 운영환경을 유지하기 위해서는 AI 기술 중 특히 Machine learning을 이용해 주요 부품의 운용데이터를 분석할 수 있는 알고리즘 개발 방안이 필요하다.
스마트 그리드와 연계된 해상풍력발전단지의 최적 운영을 위해서는 빅 데이터 분석 및 IoT 기술 적용이 필수적으로 요구된다. 특히 해상풍력발전기는 지리적으로 사람의 접근이 매우 어려우므로 고장 발생 시 정비 및 교체 비용이 높기 때문에 통상의 정기점검보다 주요 부품의 고장진단 및 수명 예측이 가능한 PHM 시스템 기술이 필요하다. 풍력발전기 기어박스의 경우 고장 시 교체 비용과 손실이 막대하나, 현재는 진동센서를 기반으로 한 원격 고장진단 기술력이 부족해 이를 해결할 수 있는 예측 기술 개발이 매우 시급한 상황이다. 그러나 아직 PHM 시스템 관련 핵심(원천·표준) 기술이 개발되지 않아 특허 및 표준화 등 지재권이 확립되지 않은 상황이다. 이에 스마트 그리드 최적화를 위한 PHM 시스템 관련 지식재산권 확보 전략이 필요하다.
풍력발전기 및 풍력단지의 유지보수 관련 다양한 기술 분야 중 핫 이슈가 되고 있는 세부기술군의 기술순환주기에 따른 유망 기술을 인지할 수 있는 기회를 포착할 수 있다. 아울러 세부기술 분야별 기술순환주기에 따른 기술발전 단계별 중장기 로드맵(road map)을 기반으로 원천·상용화·공공 등 기술발전 단계별 R&BD를 통해 연구개발 및 수익 창출 기반을 마련할 수 있을 것이다.
해상풍력발전단지에서 생산되는 신재생에너지(전력)의 스마트 그리드 최적화를 위한 PHM 시스템 개발은 제3차 신재생에너지 기술개발 및 이용·보급 기본계획(2009~2030)에 근거를 두고 있다.
핵심 개발 목표는 △해상풍력발전단지의 최적 운용시스템 구축을 통해 스마트 그리드 효율성 50% 이상 향상△유효수명 예측에 따른 예방정비를 통해 유지보수에 소요되는 시간 최소화이다.
아울러 AI 알고리즘을 적용한 PHM 기술개발을 통해 글로벌 해상풍력에너지 시장에 솔루션(제품 및 SW 등)을 출시하거나, 기술이전 및 기술 컨설팅 등을 통해 관련 기업의 매출액 신장에 기여할 수 있을 것이다.
다른 측면으로는 해상풍력발전 관련 세부기술 분야별 기회기술 및 기술순환주기에 따른 유망 기술을 도출해 국내외 시장진출 기회를 마련할 수 있을 것이다. 아울러 해상풍력발전 관련 세부기술 분야별로 스마트 그리드 관련 전후방 특허 기술을 도출해 특허권을 선점함으로써 IP 포트폴리오를 확보할 수 있을 것이다.
◆ 발전플랜트기술 파급 기대…IOT 기술 필수
해상풍력발전단지는 접근이 어려운 지리적 여건 때문에 고장 발생 시 정비 및 부품 교체 비용이 많이 든다. 이 때문에 설비 부품의 고장진단 및 수명 예측이 가능한 PHM 시스템을 구축할 필요가 있다. AI 알고리즘을 적용한 빅 데이터 기반 상태 진단 및 유효수명 예측을 위한 PHM 기술은 풍력발전단지 뿐만 아니라 태양열발전단지, 복합청정화력발전단지 등 발전 플랜트 산업 분야에 기술파급효과를 기대할 수 있다.
이를 위해서는 AI, 빅 데이터 분석기술 및 IoT 기술 적용이 필수적으로 요구된다. 이를 통해 스마트 그리드와 연계된 해상풍력발전단지의 최적 운영을 기대할 수 있다. 나아가 국제 에너지기술 시장에서 경쟁력 우위를 확보할 수 있는 기반을 마련할 수 있을 것이다.
스마트 그리드와 연계된 해상풍력발전단지의 최적 운영을 통해 빅 데이터 분석 및 IoT 기술적용 가능성 타진 효과를 기대할 수 있다. 특히 해상풍력발전기의 경우 주요 부품의 고장 발생 시 정비 및 교체 비용이 높기 때문에 고장진단 및 수명 예측이 가능한 PHM 기술 적용에 매우 유리한 점이 있다. 그러나 전력 수요 예측에 따른 해상풍력터빈 내 주요 부품의 최적 제어 알고리즘 개발 및 시뮬레이션 과제는 1년 동안의 전력 수요 예측 데이터를 확보해 이를 분석해야만 보다 정확한 예측치를 구할 수 있다. 따라서 추후 과제로 장기간의 시스템 운용기록을 빅 데이터 분석 기법으로 정량화해 이 데이터를 기반으로 주요 부품의 최적 제어 알고리즘 개발을 지속할 필요가 있다.
<이 기고는 한민족과학기술자네트워크(KOSEN Report)에 실린 글을 수정한 것입니다.>