풍력발전 인증시험 기술이 한국에너지기술연구원의 국산화를 통해 재탄생했다.

한국에너지기술연구원 풍력연구팀 이광세 박사 연구진은 국내 최초로 국산시험기술을 활용해 해상용 5.5MW급 풍력터빈(효성중공업)의 출력·기계 하중시험을 성공적으로 수행하고 적합확인서를 발급받았다.

대형 풍력발전기 제작사는 KS인증 확보를 위해 설계평가·형식시험·제조평가·최종평가를 수행해야 하는데, 실제 풍력발전기를 설치해 시험하는 출력성능 및 기계적 하중에 관한형식시험은 최근까지 모두 해외 기술로 진행됐다.

해외 기술을 활용한 형식시험은 시간적·비용적 불편함을 초래할 뿐 아니라, 상세 측정에 따른 국내 풍력발전 기술유출의 우려도 상존한다.

해외 주요 성능검사기관은 성능시험의 전 과정을 전용 프로그램을 개발해 사용하는데, 후발기관들에게 진입장벽을 높임과 동시에 경쟁력에 우위를 위해 자체 개발한 소프트웨어의 유출을 엄격히 금지한다.

이에 국내 대형풍력발전기 형식시험은 주로 미국 일리노이에 위치한 미국 최초 안전규격 개발 기관이자 인증회사인 미국의 UL(Underwriters Laboratories)에 의존했다.

'19년 10월 기준 간소화 인증 외 총 38개의 KS 인증을 받은 중대형 풍력발전기의 형식시험은 모두 해외 기술을 이용해 수행됐다.

이를 극복하기 위해 그간 지속적 노력을 기울인 결과, 에너지연의 이광세 박사 연구진은 자체 개발한 시험분석 소프트웨어를 바탕으로 국내 최대용량인 5.5MW 풍력발전기 형식시험 보고서를 작성해 형식시험 적합 확인서를 획득했다.

연구팀은 3차원 운동을 하는 대형 회전체의 다물리(온도, 습도, 대기압, 풍속, 풍황, 출력, 진동, 굽힘 및 비틀림 하중, 제어기 터빈 상태 신호) 신호를 다양한 주파수로 계측하고, 이격 거리가 최대 약 600미터에 이르는 광범위한 지역에 위치하는 상이한 통신 방식의 데이터를 누적해 TB급 빅데이터를 측정과 관리 및 분석하고 있다.

연구팀은 지속적인 연구를 통해 풍력터빈의 블레이드 무게와 운전데이터를 기반으로 하중을 교정 수행하는 기술과 절차를 실증했으며 이를 바탕으로 형식시험 보고서를 작성했다.

최근에는 기계학습 방법론 중 하나인 Q Learning 기법을 이용한 측정 데이터의 효율성을 최적화하는 기법을 개발해 형식시험에 필요한 하중 데이터 취득 비용의 추가 저감이 예상된다.

이번에 연구진이 개발한 소프트웨어를 기반으로 진행한 형식시험 비용은 해외 기관에서 제시하는 비용의 절반 수준에 불과하며, 형식시험에 필수 항목인 출력성능 및 기계적 하중 시험을 수행하는 시간마저 대폭 단축되는 것으로 나타났다.

또한 해외기관에 비해 원활한 소통이 가능하고 신속, 밀착형 업무지원이 가능하기 때문에 연구원은 시험기관으로서의 강점으로 작용할 수 있을 것으로 보인다.