Journal Archives

기상탑에 설치된 3차원 풍향 풍속계(75 m)와 윈드라이다(80 m)에서 관측된 자료를 이용하여 풍력발전 고도의 풍속을 분석하였다. 기상탑과 윈드라이다의 풍속을 비교한 결과, 두 풍속자료 간의 결정계수(R²)는 0.86으로 높은 양의 상관성을 나타내고 있으며, 기상탑의 풍속이 윈드라이다의 풍속보다는 상대적으로 높게 관측되는 경향을 보였다. 두 자료의 통계적 유의성을 판단하기 위하여 피어슨 상관계수, 스피어만 상관계수, 켄달 상관계수를 활용하여 다양한 상관계수 검정을 수행하였다(피어슨, 스피어만, 켄달의 상관계수는 각각 0.90, 0.92, 0.75). 그 결과 모든 상관계수 검정의 P-value는 유의수준(0.05) 보다 낮은 0에 수렴하는 값을 보였고, 두 자료가 통계적으로 높은 상관성이 있음을 확인하였다. 풍향의 경우 두 관측자료의 경향은 유사하나 윈드라이다에 비해 기상탑 풍향계의 값이 20° 가량 서편향된 것으로 나타나, 풍향관련 분석에서는 윈드라이다 자료를 사용하였다(Fig. 2).

Fig. 2. 
Comparison of two instruments: (a) a scatter plots of wind speed from the met mast versus LiDAR, wind roses of (b) the met mast and (c) LiDAR

관측 고도별 연평균 풍속 시계열(Fig. 3)은 고도가 높아짐에 따라 풍속이 증가하는 경향이 뚜렷하게 나타났으며, 최저 고도(40 m)와 최고 고도(140 m)에서의 풍속 차는 1.8 m/s 정도로 나타났다. 이는 동복･북촌의 지형특성으로 인한 높은 거칠기 길이가 풍속의 연직 경도를 크게 발달시켰기 때문으로 판단된다.^[30] 일반적으로 풍속은 일출과 일몰을 기준으로 크게 변화하는 변곡점을 지닌다. 야간에는 대기가 안정됨에 따라 지표층의 바람이 약해지고, 주간에는 대기가 불안정하여 대기 경계층 내의 혼합이 활발히 이루어져 풍속이 강해지는 경향을 보인다. 동복･북촌의 시간별 풍속 변화의 경우, 야간(19∼06시)에는 대기가 안정한 특성으로 인해 풍속의 큰 변동 없이 낮은 풍속이 일정하게 유지되며, 주간(07∼18시)에는 불안정한 대기상태로 인해 풍속이 시간에 따라 변화하는 경향이 나타났다. 고도별 풍속은 하층에서 상층으로 올라갈수록 상층으로 갈수록 지표면 거칠기 길이로 인한 마찰작용의 영향이 낮아져 풍속이 증가하고 고도에 따라 다른 일변화 양상을 보였다. 또한, 40∼100 m 고도의 풍속은 일출 이후 10시에서 13시까지 유사한 풍속을 나타내는 반면, 이후 시간대에서는 다시 고도별 풍속의 변동폭이 증가하는 특징을 보였는데, 이는 지표면 인근의 태양복사 에너지에 의한 지표면 열 플럭스(Surface heat flux) 증가가 강한 대류운동으로 이어져 상･하층 고도간 풍속의 혼합이 이루어졌기 때문이다. 이런 현상은 보다 많은 풍력발전량을 얻기 위해 풍력발전기 고도를 점점 높여가는 현재의 추세와 상충되기 때문에, 최적의 풍력발전 고도 선정을 목적으로 하는 연구 및 분석에서는 해당 사항을 고려할 필요가 있을 것으로 판단된다.

Fig. 3. 
Diurnal variation of the annual mean wind speed at the each observation height

풍력발전에서 작은 변동성을 지닌 풍향은 안정적인 풍력에너지 밀도의 생산을 기대할 수 있기 때문에, 풍력발전고도의 풍향은 풍력에너지 평가에서 중요한 분석요소 중 하나이다. 본 연구에서는 연중, 계절별, 시간별에 대한 풍력발전고도(80 m)의 주풍향을 알아보았다(Table 3). 80 m 고도의 풍향을 분석한 결과, 동복･북촌의 풍향은 북서풍 계열의 바람이 지배적이며(Fig. 2(c)), 계절별로는 봄에 서풍, 가을과 겨울에 북서풍이 우세하다. 겨울은 북서풍의 비율이 37.78%로 타 계절에 비해 주풍향의 비율이 높게 나타나는데, 이는 시베리아 고기압의 영향으로 한반도 전 지역에 걸쳐서 북서풍이 우세하기 때문이다. 반면, 여름은 겨울과 달리 동남동풍이 우세한 경향을 보이며, 이는 동아시아 여름 몬순 의한 남풍기류가 영향을 끼친 것으로 사료된다. 일중 시각에 따른 풍향의 변화를 보면, 특히 주간 시간대(10∼17시)에서 북서풍계열의 바람 비율이 증가하는 특징(약 20%)이 있으며, 북서풍 계열의 비율은 일출 후 점차 증가하여 15시에 최대값을 보인 후 점차 감소하는 경향성을 보인다.

Fig. 4는 풍력발전고도(80 m) 풍속의 월별, 일별, 시간별 변동 특성을 보여준다. 동복･북촌의 풍력발전고도에서 연평균 풍속은 5.3 m/s이며, 이는 선행 연구의 고창(4.9 m/s)과 보성(3.9 m/s) 지점의 연평균 풍속 대비 높은 풍속으로 분석되었다.^[31,32]

Fig. 4. 
Temporal variations of 10-min average wind speed at 80 m (monthly (top) and hourly (right) mean)

계절별로 살펴보면 겨울(DJF)에는 시베리아 계절풍의 영향으로 주야간 관계없이 8 m/s 정도의 강한 풍속이 지속되며, 여름(JJA)은 태양복사 에너지로 인해 지표면 열 플럭스의 교환이 활발하게 일어나 대기혼합이 강해지는 주간의 일부를 제외하고는 대체로 5 m/s 이하의 약한 풍속이 전체 시간대에 분포한다. 봄(MAM)과 가을(SON)은 기후적인 영향보다는 국지적인 영향이 강함에 따라, 주간에는 약 7 m/s 의 강한풍속이, 야간에는 약 4~6 m/s의 풍속이 주로 분포한다. 월별의 경우 최저 평균풍속은 여름인 7월(3.8 m/s)에, 최대 평균풍속은 겨울인 12월(7.68 m/s)에 나타났다. 시각별로는 일출 이후 대기 불안정이 강해지면서 풍속이 점차적으로 증가하여 오후 2시에 최대 풍속을 나타내고 이후 대기가 안정됨에 따라 다시 감소하는 일변화를 나타내어 전형적인 육지 지형의 풍속 일변화 특성을 보이고 있다.^[30]

동복･북촌의 풍력기상자원 잠재량을 분석하기 위하여 풍속 구간별 풍속 발생빈도와 풍력에너지 밀도의 Weibull 분포를 나타내었다(Fig. 5). 주황색 곡선은 풍속의 Weibull 분포, 파란색 곡선은 풍력 에너지밀도의 Weibull 분포를 의미하며, 해당 변수의 풍속구간에 따른 발생빈도를 막대 그래프로 함께 나타내었다. 80 m 고도의 풍속은 0∼32 m/s까지 분포하는데, 이 중 풍력터빈의 종단풍속(25 m/s) 이상의 강한 바람은 해당기간에 직접적으로 제주도에 영향을 준 태풍 ‘차바(CHABA)’(2016.10.05. 제주도 통과)의 영향으로 발생한 것이다. 가장 높은 빈도의 풍속구간은 시동풍속(3 m/s)인 3∼4 m/s 구간(13.4%)이며,이에 따른 시동풍속과 종단풍속 구간 사이의 풍력발전 가용 풍속빈도는 78.9% 정도로 높다. 동복･북촌의 풍속에 대한 형상계수(k)와 척도계수(c)는 1.82과 6.60 m/s이다. 형상계수는 낮을수록 높은 풍속구간의 빈도가 낮고 그 분포가 집중되는 형태를 가지며, 척도계수는 형상계수가 분포할 위치를 결정한다. 동복･북촌은 기존에 분석된 고창(k: 1.63, c: 5.50)과 보성(k: 1.57, c: 4.35)^[31,32]보다 높은 계수를 보이며, 풍속 발생 빈도의 경우 동복･북촌은 특정 풍속구간 3∼5 m/s에 집중된 형태인 반면, 고창과 보성은 1∼3 m/s 구간에서 밀집하여 있다. 이를 시동풍속(3 m/s)에 비추어 볼 때 동복･북촌은 고창과 보성보다 더 많은 풍력발전 생산량을 기대할 수 있다. 동복･북촌의 최대 풍력에너지 밀도를 나타내는 풍속 구간은 10∼11 m/s로, 전체의 풍속 빈도에서는 4.0% 정도인데 반해, 풍력에너지 밀도는 전체의 10.4%를 차지할 정도로 높은 값을 보인다. Table 4에는 연평균과 계절별 평균 풍력에너지 밀도를 나타내었다. 연평균 풍력에너지 밀도는 273.0 W/m²으로 고창(191.4 W/m²)과 보성(98.9 W/m²)^[31,32]의 평균 풍력에너지 밀도보다 풍부하였으며, 이를 Oh et al.(2012)^[33] 가 제시한 80 m 고도의 풍력에너지 밀도 등급표에 따라 분류하면 2등급에 해당한다. 계절별로 보면 여름과 겨울에 각각 최소와 최대 풍력에너지 밀도가 나타나며, 봄과 가을은 200 W/m² 전후의 풍력에너지 밀도를 나타내었다. 특히 겨울의 풍력에너지 밀도는 여름에 비해 3.8배 가량 높은 특징을 보였다.

Fig. 5. 
Distribution of the wind power density (blue) and wind speed (derived from the estimated Weibull probability density function

동복･북촌 풍력발전단지의 대기안정도를 Table 2와 같이 세 개의 매개변수를 활용하여 5가지로 분류하였다. Ri의 각 안정도도 구간별 발생비율(Fig. 6)을 분석한 결과, 동복･북촌 풍력발전단지는 불안정한 대기상태의 비율이 약 93.8%로 중립(1.2%)과 안정(5.0%) 상태보다 압도적으로 높으며, 불안정 상태 중에서도 강한 불안정(39.0%)과 불안정(40.5%) 상태의 비율이 약한 불안정(14.3%)보다 높게 나타났다.

Fig. 6. 
Frequency distribution by the atmospheric stability (Stable: blue, Neutral: green, Slightly unstable: light orange, Unstable: orange, Strongly unstable: red)

Fig. 7은 풍속과 풍향에 따른 난류강도 분포를 나타낸 결과이다. 먼저, 풍속에 따른 난류강도의 경우 대체로 3 m/s 이하 구간에서 난류강도 0.3 이상이 밀집하여 있으며, 3~5 m/s 구간에서는 난류강도 0.2, 5 m/s 이상 구간에서는 0.2 이하의 난류강도를 보인다. 이는 난류강도의 특성에 의한 것으로, 난류강도는 풍속의 변동성과 연관되어 저 풍속 구간(3 m/s 이하)에서 풍속의 변동폭이 좁아 다소 강한 난류강도를 보이고 점차 풍속이 높아질수록 풍속의 변동폭 또한 넓어져 난류강도 또한 약해진다. 풍향별 난류강도는 남풍계열에서 0.15 이상의 난류강도가 전체적으로 분포하고, 특히 남풍계열의 5∼10 m/s 풍속구간은 난류강도가 0.3 정도로 큰 값을 보였다. 이는 기상탑의 남쪽에 위치하는 풍력터빈의 후류영향으로 판단된다.

Fig. 7. 
Observed turbulence intensity by wind direction and wind speed derived from the met-mast at 80 m

Fig. 8에 대기안정도의 발생비율을 시간별, 월별, 풍향 및 풍속에 따라 나타내었다. 일반적으로 일출시간이 되면 지표면에 도달하는 태양복사에너지가 증가하여 기온 상승에 따른 난류발생이 증가한다. 증가한 난류는 대기의 상･하층간의 대류작용을 활발하게 만들어 주간에 불안정한 대기 상태를 유발한다. 이에 따라 주간에는 강한 불안정의 발생 비율이 약 55% 이상을 보인다. 반대로 야간에는 안정과 중립 상태가 증가하고, 강한 불안정 비율은 약 20%대로 감소한다(Fig. 8(a)).

Fig. 8. 
Frequency of different stability conditions at DBWF by (a) hour of the day, (b) month, (c) wind directions and (d) wind speeds. stability classes are defined based on the Richardson number

대기안정도의 월별 변화는 전체적으로 불안정한대기상태가 지배적이며 특히 여름과 겨울에 그 발생비율이 높다. 안정 및 중립 상태의 비율은 상대적으로 봄과 가을에 15~18%로 소폭 증가하는 경향을 보였다(Fig. 8(b)).

동복･북촌 풍력발전단지에서의 주 풍향인 북서풍 방향에서는 안정 상태의 비율이 낮게 나타났다(Fig. 8(c)). Barthelmie(2006)^[34]는 Vindeby 풍력발전단지 프로젝트를 통하여 지형의 존재가 대기안정도를 결정하는 중요한 요인이라고 설명하고, 특히 해안선과 인접한 지역에서는 바다의 영향으로 중립과 불안정 상태의 비율이 높음을 규명하였다. 이와 관련하여, 동북･북촌 풍력발전단지의 북서 방향으로는 해상과 인접한 지형환경으로 인해 해상의 긴 취송거리(fetch length)에 영향을 받은 유동이 직접적으로 풍력발전단지 내로 유입되기 때문에 대기안정도의 불안정한 상태가 지배적인 것으로 판단된다. 주풍이 남풍계열 일 때에도 안정상태의 비율이 낮은 것을 볼 수 있는데, 이는 앞서 언급한 풍력터빈의 후류 영향으로 인해 불안정한 대기상태의 비율이 높아진 것으로 사료된다.

Fig. 8(d)는 풍속변화에 따른 안정도 발생비율을 나타낸 것이다. 안정상태의 비율은 17 m/s 이하에서 10% 미만의 비율을 보이고, 중립은 11 m/s 이하에서 극히 작은 비율을 차지한다. 그리고 약 5 m/s 미만의 저 풍속구간에서는 강한 불안정의 대기상태가 약 50% 이상으로 지배적이다. 풍력터빈의 최대 출력을 보이는 정격풍속(12∼13 m/s)구간에서는 불안정의 발생비율이 70% 이상으로 증가했다. 마지막으로 고 풍속 구간(14 m/s 이상)에서는 강한 불안정, 중립 및 안정 상태의 비율은 극히 줄어들고, 약한 불안정의 비율이 확연하게 증가하였다.

40 m와 80 m 높이의 풍속계 자료를 이용하여 풍속전단계수를 계산하고, 이를 대기안정도에 따라 분석하였다(Fig. 9(a)). 대기안정도는 고도별 풍속을 고려하므로 풍속전단계수와 유사한 패턴을 가진다. 따라서 안정도가 강한 불안정, 불안정, 약한 불안정 그리고 중립 상태로 갈수록 풍속전단계수가 증가하는 경향을 보이며, 평균적으로 안정 상태는 불안정한 상태보다 풍속전단계수가 높게 나타는 분포를 나타낸다. 중립 상태에서 풍속전단계수는 중앙값, 25퍼센타일, 75퍼센타일 값이 각각 0.52, 0.39, 0.66으로 대기 안정도 중 가장 넓은 범위에 분포하는 특성을 보인다. 그리고 불안정한 대기 상태에서는 특이점(outlier)의 발생빈도가 높게 나타났다.

Fig. 9. 
Variation of (a) wind shear exponent (u40/u80) and (b) mean wind speed at height of 80 m with Richardson number range from -5.0 to 5

풍력발전고도의 풍속과 안정도의 관계를 살펴보면(Fig. 9(b)), 강한 불안정 상태에서는 약 10 m/s 이하의 저 풍속 구간에 집중적으로 분포되어 있다. 불안정한 대기상태가 약해지면서 풍속이 강해지고 이에 따라 고 풍속 구간의 분포 비율이 증가하는 경향을 보인다. 이러한 경향은 특히, 약한 불안정 상태의 Boxplot 중앙값, 25퍼센타일, 75퍼센타일 값이 각각 9.63, 6.58, 13.58 m/s 로 뚜렷하게 나타났다. 또한 평균적으로 불안정한 계열은 안정 상태보다 강한 풍속이 빈번하게 발생하고, 강한 불안정과 안정 상태에서는 풍속의 특이점 발생빈도가 높은 특징을 보였다.

Fig. 10은 고도별 대기안정도에 따른 난류강도를 확인하기 위하여 고도별로 Ri의 대기안정도를 분류한 난류강도와 이에 따른 Boxplot을 나타낸 결과이다. 먼저, 난류강도는 전체적으로 40 m 가 80 m 보다 더 강하게 나타난다. 이는 풍력발전단지 주변에 밀집한 식생과 관측사이트 인근 위치한 채석장 등의 지표에 의한 유동 왜곡이 난류를 발생시켜 40 m 고도에 반영된 것으로 판단된다. 반면, 80 m 고도는 40 m 고도에 비해 상대적으로 지표와 먼 이격거리로 인하여 40 m에서 관측된 난류보다 낮은 난류가 관측된 것으로 사료된다. 또한 매우 불안정 상태에서 안정으로 갈수록 난류강도의 분포가 점차적으로 낮아지는 경향을 보였다. 이를 정량적으로 확인하기 위해 Boxplot을 살펴본 결과, 불안정한 계열은 안정 상태보다 높은 난류강도 분포를 보였으며, 불안정한 계열의 난류강도 평균값은 약 0.2(40 m)와 0.14(80 m)이고 안정 상태보다 불안정상태의 25퍼센타일과 75퍼센타일 간의 차이가 작아 집중된 분포형태를 나타낸다. 또한, 불안정 상태의 계열에서는 특이점의 발생빈도가 높게 나타났다. 대기안정도가 중립인 경우에 난류강도가 가장 약했으며, 이 경우 40 m 고도 난류강도의 중앙값, 25퍼센타일, 75퍼센타일 값은 각각 0.13, 0.11, 0.17이다.

Fig. 10. 
Variation of turbulence intensity at height of (a) 40 m and (b) 80 m with Richardson number range from -5.0 to 5.0

대기안정도에 따른 난류특성을 좀 더 자세히 살펴보고자 기상탑의 50 m와 75 m 고도에 설치된 3차원 풍향･풍속계 자료를 이용하여 난류운동에너지 분포를 Fig. 11에 도시하였다. 상대적으로 75 m 보다 50 m 고도에서 조금 더 강한 난류운동에너지를 보이며, 난류운동에너지 규모는 불안정 계열, 안정, 중립 순서로 강하게 나타난다. 특히, 강한 불안정에서 약한 불안정 상태로 갈수록 높은 난류운동에너지의 비율이 증가한다. 난류운동에너지가 가장 높게 나타난 약한 불안정 상태에서의 난류운동에너지 중앙값, 25퍼센타일, 75퍼센타일 값은 각각 2.71, 0.64, 6.05(m²/s²)이다. 또한, 난류운동에너지의 불안정상태는 강해질수록 특이점의 빈도수가 증가하고 25퍼센타일과 75퍼센타일 간의 차이가 줄어들면서 난류운동에너지의 변동성이 작아지는 특징을 보였다.

Fig. 11. 
Variation of turbulence kinetic energy at height of (a) 50 m and (b) 75 m with Richardson number range from -5.0 to 5.0

본 연구에서는 3개의 매개변수(대기안정도, 난류강도, 풍속전단계수)를 이용하여 안정도 분류기준(Table 2)에 따라 풍력터빈의 출력성능을 분석하였다(Fig. 12). 불안정한 계열(u1, u2, u3)의 대기안정도를 모두 불안정(Unstable)로 분류하였으며, 실제 풍력발전량 자료는 기상탑과 가장 가까운 15호기 터빈의 SCADA 자료를 이용하였다.

Fig. 12. 
Scatter and 0.5 m/s bin averaged power curve derived from measured wind turbine generation of number 15 with (a) Richardson number, (b) turbulence intensity and (c) wind shear exponent, respectively

그 결과, 저 풍속구간(3∼6 m/s)에서는 안정상태, 약한 난류강도 및 낮은 풍속전단계수의 빈도가 많아지고, 풍속이 강해지면서 불안정한 대기상태, 중립 또는 강한 난류강도, 그리고 낮은 풍속전단계수의 빈도가 많아지는 특징을 보였다. 저 풍속구간에서 안정도별 출력성능은 낮은 출력으로 인하여 뚜렷한 차이가 없었으나, 7∼10 m/s 구간에서는 불안정 대기상태와 높은 난류강도가, 11∼13 m/s(정격 풍속부근)에서는 안정 대기상태와 낮은 난류강도, 그리고 강한 풍속전단계수가 높은 출력성능을 나타냄을 확인할 수 있었다. 대기안정도와 난류강도가 출력에 미치는 영향은 풍속전단계수보다 뚜렷하게 나타났다. 특히, 난류강도 분류에 따른 풍력발전량은 저 풍속에서 정격풍속으로 풍속이 증가하면서 강한 난류강도와 약한 난류강도 범주 간에 교차하는 지점을 보이며 출력성능의 차이를 보였다. 즉, 저 풍속 구간의 강한 난류강도는 높은 풍력 발전량을 산출하고, 정격풍속구간에서의 강한 난류강도는 풍속의 큰 변동성으로 인해 풍력터빈의 출력저하를 야기하였다. 이러한 풍력 발전량의 변동성은 불안정 상태 또는 강한 난류강도를 보이는 대기환경에서 더욱 빈번하게 발생했으며 대기안정도에 따른 출력성능의 차이를 발생시키는 것으로 보인다.

바람환경에 따른 출력성능 차이를 확인하고자 대기안정도, 난류강도, 풍속전단계수에 따른 출력 아노말리를 Fig. 13에 제시하였다. 대기안정도에 따라서(Fig. 13(a))는 약 6~11 m/s 의 풍속구간에서 불안정 상태의 출력이 높게 나타난다. 특히, 11 m/s 구간에서 극값을 보이며 134 kW 의 차이를 보인다. 12 m/s 이상의 풍속구간에 대해서는 기준이 되는 중립 상태의 자료가 부족하여 분석이 어려우므로, 앞의 Fig. 12(a)를 참고해 보면 정격풍속 구간의 출력 성능은 대기안정도가 안정상태 일때 불안정상태 보다 높게 나타났다.

Fig. 13. 
Anomaly of the measured power output compared to the neutral or moderate conditions with (a) Richardson number, (b) turbulence intensity and (c) wind shear exponent, respectively

난류강도에 따라서는(Fig. 13(b)), 저 풍속 구간에서는 높은 난류강도가 고 풍속 구간에서는 낮은 난류강도가 높은 출력을 보였다. 특히, 약 10.5 m/s를 기준으로 두 난류강도 범주의 출력성능 교차가 발생했다. 또한, 9 m/s구간에서 148 kW로 극값을 보였다. 출력의 변동폭은 낮은 난류강도(-140~53 kW)가 높은 난류강도(-24~35 kW)보다 크게 나타났다. 풍속전단계수에 따라서는(Fig. 13(c)), 저 풍속에서는 강한 풍속전단계수가 9 m/s를 기점으로 약한 풍속전단계수보다 높은 출력을 보인다. 정격풍속 이상의 구간에서는 약한 풍속전단계수의 자료가 부족하여 Fig. 12(c)를 참고하였다. 약 11.5 m/s이상에서는 강한 풍속전단계수의 출력이 높게 나타났다. 전반적으로 출력의 표준편차는 저 풍속 구간에서부터 풍속이 강해지면서 증가를 하다가, 약 10 m/s구간에서 최댓값을 보였다. 반면에 그 이상의 고 풍속 구간에서는 출력의 표준편차가 감소하는 경향을 나타내는데, 이는 풍력터빈 제어시스템이 수행하는 정격풍속에서의 출력제어에 기인한다. 즉, 풍력터빈은 정격출력을 기점으로 최대 발전량을 생산하기 때문에, 그 이상의 고 풍속에서는 발전량의 변동성이 감소하는 경향을 보인다.

대기안정도가 풍력발전단지의 효율에 미치는 영향을 분석하기 위해 동복･북촌 풍력발전단지 내 위치한 풍력터빈 15기의 SCADA 자료를 이용하여 풍향에 따른 대기안정도별 풍력발전단지의 출력효율을 나타내었다. 풍력발전단지 출력효율의 경우 주풍향인 북서풍 계열에서는 육지의 영향을 거의 받지 않은 해풍이 동복･북촌 풍력 발전단 지로 유입되어 가장 탁월한 출력효율을 보였다. 반면, 남서풍계열은 모든 안정도에서 가장 낮은 효율(10~30%)을 보이는데, 이는 남서풍이 불 때 한라산의 영향으로 인한 육상의 긴 취송거리가 연직경도를 크게 발달시키고 풍속규모 또한 감소시켰기 때문으로 판단된다(Fig. 14(a)).

Fig. 14. 
Influence of stability (Ri) on DBWF efficiency with (a) overall wind direction and (b) undistributed wind direction

기상탑의 인근 풍력터빈 및 장애물의 영향을 고려하여, 이에 해당하는 교란영역의 풍향을 배제하고 대기안정도에 따른 출력효율을 더욱 상세하게 살펴보았다(Fig. 14(b)). 평균적으로 대기안정도가 약한 불안정, 불안정, 안정 및 강한 불안정 순서로 높은 출력효율을 보이며, 특히, 주풍향(북서풍)에서는 약한 불안정 상태에서 80% 정도로 가장 우수한 출력효율이 나타났다.