모형시험 계측 데이터를 활용한 기계학습 기반 부유식 해상풍력발전시스템 계류선 장력 예측 및 피로수명 평가

Abstract

부유식 해상풍력발전 시스템은 미래 에너지원으로서 큰 기대를 모으고 있지만, 해양 환경으로 인한 계류선의 손상은 시스템 전체의 운동 안정성 및 구조건전성을 위협하는 주요 요인 중 하나이다. 특히, 계류선에 작용하는 장력은 시간에 따라 변화하며, 이러한 변동은 계류선의 피로 손상을 야기하여 시스템의 수명을 단축시킬 수 있다. 기존의 수치해석 기법은 복잡한 해양 환경 조건을 정확하게 반영하는 데 한계가 있어, 실제 해양 환경에서의 계류선 거동을 정확하게 예측하는 데 어려움이 있다. 본 연구에서는 이러한 문제점을 해결하기 위해 실제 해양 환경에서 수행된 모형시험 계측 데이터를 활용하여 기계학습 기반의 계류선 장력에 관한 시간영역에서의 예측 모델을 개발하고, 예측된 장력 데이터를 바탕으로 피로수명 평가 및 잔존수명 예측에 관한 연구를 수행하였다. 조류, 풍하중, 파랑하중이 작용하는 복합해양환경 조건에서 수행된 모형시험 데이터를 수집하고, 이를 바탕으로 계류선 장력과 관련된 다양한 입력 변수(파고, 주기, 풍속, 운동응답 등)간의 상관관계를 분석하였다. 분석된 데이터를 기반으로 인공신경망, 장단기 메모리(Long Short Term Memory) 기반 기계학습 알고리즘을 적용하여 계류선 장력 예측 모델을 개발하였다. 개발된 모델의 예측 성능을 검증하기 위해, 실제 모형시험 데이터와 예측 결과를 비교 분석하였다. 또한, 예측된 장력 데이터를 이용하여 계류선의 피로손상을 평가하 고 Monitas 이론 기반 계류선의 실제 잔존수명을 확률적으로 계산하였다. 향후 연구에서는 장기적인 관점에서 계류선의 상태 감시 시스템 개발에 기여할 수 있도록 연구를 확장할 계획이다.