기후변화 시나리오를 활용한 한반도 미래 풍력에너지의...

- 833 -

?대한지리학회지 제49권 제6호 2014(833~848)

기후변화 시나리오를 활용한 한반도 미래 풍력에너지의 시공간적 변동성 전망

김유미*·임윤진**·이현경***·최병철****

Spatio-temporal variability of future wind energy over the Korean Peninsular using Climate Change Scenarios

Yumi Kim* · Yoon-jin Lim** · Hyun-Kyoung Lee*** · Byoung-Choel Choi****

요약 : 풍력발전단지의 신규 개발과 안정적인 운영 계획 수립을 위해 기후변화에 따른 미래 풍력에너지의 변동

성 정보를 파악하는 것이 필요하다. 본 연구는 IPCC 5차 보고서에서 새롭게 도입된 대표농도경로(Representa-

tive Concentration Pathway)를 적용한 기후변화 시나리오 자료를 활용하여 2006년부터 2040년까지의 가까운

미래에 대한 풍력에너지(풍력에너지밀도와 잠재전력생산량)의 시·공간적 변동성을 분석하고자 한다. 사용된

기후변화 시나리오는 지역기후모델 HadGEM3-RA를 이용해 생산된 RCP2.6과 8.5자료이다. 시나리오 생산의

기반이 된 지역기후모델을 과거기간에 대하여 ECMWF의 ERA-interim 재분석자료와 비교분석한 결과, 지역

기후모델은 풍력에너지를 육지에서는 과소, 바다에서는 과대 모의하였다. 그리고 변동성 역시 육지에서 과소,

바다에서는 과대 모의하였다. 미래 풍력에너지는 RCP 시나리오별로 다소 차이가 나타나지만 육지에서 증가,

바다에서는 감소할 것으로 예측되었으며 고도가 높은 산지 및 해안지역에서 미래 풍력에너지의 변동성이 증가

할 것으로 분석되었다. 지역별 풍력에너지밀도 분석결과 제주에서 크게 증가할 것으로 예상되었으며 변동성도

크게 증가하였다. 미래 풍력에너지의 변동은 주변 기상장의 변화와 연관 지어 해석이 가능하였으나 큰 변동성

으로 인한 불확실성이 증가할 것으로 판단할 수 있다. 본 연구를 통해서 분석된 결과는 미래 에너지 수급 및 활

용계획 수립에 있어 기초자료로 활용될 수 있으리라 판단한다.

주요어 : 기후변화 시나리오, 풍력에너지밀도, 잠재전력생산량, 변동성

Abstract : The assessment of the current and future climate change-induced potential wind energy is an important issue in the planning and operations of wind farm. Here, the authors analyze spatio-temporal characteristics and variabilities of wind energy over Korean Peninsula in the near future (2006-2040) using Representative Concentration Pathway(RCP) scenarios data. In this study, National Institute of Meteorological Research (NIMR) regional climate model HadGEM3-RA based RCP 2.6 and 8.5 scenarios are analyzed. The comparison between ERA-interim and HadGEM3-RA during the

이 연구는 국립기상연구소 주요사업 “응용기상기술개발연구(Ⅱ)”의 지원으로 수행되었습니다.

* 기상청 국립기상연구소 응용기상연구과 연구원(Researcher, Applied Meteorology Research Division, National Institute of Me-teorological Research, KMA), [email protected]

** 기상청 국립기상연구소 응용기상연구과 연구관(Senior research scientist, Applied Meteorology Research Division, National Institute of Meteorological Research, KMA), [email protected]

*** 기상청 연구사(Research scientist, KMA), [email protected] **** 기상청 국립기상연구소 응용기상연구과장(Director, Applied Meteorology Research Division, National Institute of Meteo-

rological Research, KMA), [email protected]

- 834 -

김유미·임윤진·이현경·최병철

1. 서론

기후변화의 주요인이 되는 온실가스를 감축하기

위해서 신재생에너지 개발 및 활용이 전 세계적으로

중요한 이슈가 되고 있다. 우리나라의 경우 신재생에

너지의 공급 비율이 2012년 현재 약 3.18%이며(에너

지관리공단, 2013) 신재생에너지 비중을 2035년까지

약 11%까지 늘리겠다는 목표로 2차 에너지 기본계획

이 수립되었다(산업통상자원부, 2014). 이 중 바람은

기상 및 기후와 밀접하게 연관된 신재생 에너지원으

로 이를 활용한 풍력발전은 높은 기술 성숙도와 낮은

발전단가 등으로 빠르게 성장하고 있다(신재생에너

지백서, 2012). 최근에는 육상뿐만 아니라 해상 영역

으로 확대하여 정부 주도의 대규모 풍력발전단지 개

발이 단계적으로 추진되고 있다(예, 서남해 2.5GW

해상풍력발전단지).

바람의 구조적인 변화는 가용할 수 있는 잠재 에너

지원의 변화를 가져올 수 있으므로, 이를 정량적으로

파악하는 것은 풍력발전단지를 설계하거나 운영하는

데 있어 필수적이다. 특히, 풍력발전단지의 평균 수

명이 20~30년임을 고려할 때 미래 잠재 풍력에너지

에 대한 분석은 풍력발전단지 설계 및 효율적인 운영

을 위해 선행되어야 한다.

이미 국외의 경우 수치모델을 이용한 물리·역학적

다운스케일링이나 경험식을 이용한 통계적 다운스

케일링 방법을 이용하여 미래 풍력에너지의 변동성

분석 연구가 활발히 진행 중이다(Batard et al. 2012;

Pryor et al. 2005, 2012a,b; Pryor and Schoof 2010;

Hueging et al. 2013). 한 예로, Bloom et al.(2008)은

PRECIS 지역기후모델을 활용하여 지중해 부근의 미

래 지상 10m 풍속과 잠재풍력에너지를 분석하여 에

게해 지역에서 풍력에너지밀도(WED, Wind Energy

Density)가 증가하고 그 외에 지역에 대해서는 감소

할 것이라고 전망하였다. Pryor et al.(2012)는 미국을

6개 영역으로 나누어 WED와 풍속에 대하여 모델별

로 모의 성능을 분석한 결과, 미 서부에서 강도가 약

한 풍속을 잘 모의하였고, 과거 대비 극한풍속의 차

이가 크게 나타나지 않음을 확인하였다. 최근에는

Hueging et al.(2013)이 지역기후 모델 앙상블 기법을

활용하여 유럽전역의 미래 잠재 풍력에너지의 변동

성에 대하여 분석하였다.

이에 비해, 국내에서는 미래 풍력에너지의 변동성

에 대한 이해가 부족한 실정이다. 이전 연구들은 주

로 현재의 풍력 잠재량을 진단하거나, 과거 변동성

분석에 집중되어 온 경향이 있었다(김현구 2008; 김

도우·변희룡, 2008; 김진영 등, 2010; 허철운 등,

2010; 변재영 등, 2010; 김현구·강용혁, 2012; 이승

호, 2012). 최근에는 변재영 등(2014)이 RCP 기후변

화 시나리오 자료에 근거한 미래 풍속과 지면도달일

사량 자료에 대한 공간 평균 자료를 분석하여 한반도

지역 전체에 대한 미래 풍력과 태양광 에너지의 감소

period of 1981-2005 indicates that the historical simulation of HadGEM3-RA slightly overestimates (underestimates) the wind energy over the land (ocean). It also shows that interannual and intraseasonal variability of hindcast data is generally larger than those of reanalysis data. The investigation of RCP scenarios based future wind energy presents that future wind energy density will increase over the land and decrease over the ocean. �e increase in the wind energy and its variability is particularly signi�cant over the mountains and coastal areas, such as Jeju island in future global warming. More detailed analysis presents that the changes in synoptic conditions over East Asia in future decades can inf luence on the predicted wind energy abovementioned. It is also suggested that the uncertainty of the predicted future wind energy may increase because of the increase of interannual and intra-annual variability. In conclusion, our results can be used as a background data for devising a plan to develop and operate wind farm over the Korean Peninsula.

Key Words : Climate Change Scenario, Wind Energy Density, Potential Electronic Production, Variability

- 835 -


를 전망하고 있으나, 사용된 자료에 대한 검증 및 공

간적 변동성이나 경년 변동 경향, 그리고 그 원인에

대한 해석이 요구되고 있다.

실제로 기후학적인 역학구조의 변동성은 우리나라

지역의 지역적인 풍속 및 풍력발전량의 변화를 가져

올 수 있다. 이순환 등(2011)은 기후학적인 접근을 통

해 엘리뇨/라니냐의 강도변화와 연관된 풍속의 변동

성을 분석한 결과 라니냐의 강도가 커지면 지상풍속

이 감소하며, 기후변화에 대한 풍속은 중규모의 강제

력이 미약한 산악지역에서 가장 민감하게 나타난다

고 하였다. Kim et al.(2013)은 풍력에너지의 공간 분

포는 몬순 시스템에 영향을 받으며 한반도의 풍력에

너지는 지난 1981년부터 2010년까지 약하게 증가하

는 경향을 보이고 있다는 결과를 보인바 있다(0.0002

ms-1yr-1).

국립기상연구소는 미래 기후변화 평가를 위하여

새로운 온실가스 시나리오 RCP를 선정하여 국제 기

후변화 시나리오 개발사업(CMIP5)에 따라 전지구

기후변화 시나리오를 개발하여 IPCC 5차 기후변화

평가보고서 발간에 참여하였다. 또한 한반도 지역기

후변화와 영향평가 및 적응대책을 위해서 지역기후

상세화 실험을 통해 아시아 영역뿐만 아니라 한반도

영역에 대한 12.5km 해상도의 지역 기후 시나리오를

산출하고 우리나라 기후변화를 분석하고 미래 전망

을 평가하였다. 분석 결과 미래 한반도 주변의 몬순

시스템은 약간 북상하는 것으로 나타났으며, 기온 상

승 및 강수량 증가를 예상하고 있다(국립기상연구소,

2013).

본 연구에서는 풍력발전단지의 최적화된 설계 및

효율적인 운영계획 수립을 위한 기초자료 제공을 목

적으로 향후 20~30년 후의 미래 풍력에너지 변화의

시·공간적인 변동성을 분석하고자 한다. 이를 위해

국립기상연구소 RCP 기후변화 시나리오 자료를 이

용하여 미래 풍력에너지의 공간 분포 및 경년 변동성

을 조사하였으며 지역적으로 나타나는 변화를 기후

변화와 연관지어 파악하고자 하였다.

2. 분석 자료 및 방법

1) 분석 자료

본 연구에서 사용된 자료는 국립기상연구소 Had-

GEM3-RA 지역기후모델로 산출된 기후변화 시나리

오이다. IPCC 5차 평가 보고서는 대표온실가스 농도

시나리오(RCP 시나리오)를 선정하여 미래 기후변화

전망의 불확실성을 줄이고자 하였다. RCP 시나리오

는 인간 활동이 대기에 미치는 복사량으로 온실가스

농도가 정해진 시나리오이며, 현재 추세로 온실가스

가 배출되는 경우를 RCP8.5, 지구가 회복력을 가질

수 있는 최대 한계 값인 RCP2.6, 온실가스 저감 정책

이 어느 정도 실현되는 경우의 정도에 따라 RCP4.5,

6.0으로 선정하여 적분된 총 4개의 시나리오가 IPCC

　보고서에 채택되었다. 현재 기상청은 2013년부터

모델자료의 안정성 확보를 위하여 200년과 400년 제

어적분1)된 자료를 생산하여 제공하고 있다.

본 연구에서는 40 0년 제어적분된 RCP2.6과

RCP8.5 시나리오 기반의 10m 고도 풍속을 활용하

여 기후변화에 따른 미래 풍력에너지의 불확실성 범

위를 알아보고자 한다. 그림 1에 제시된 영역에 대하

여 가까운 미래에 해당하는 2040년까지 기간에 대한

풍력에너지의 공간 변동성 분석을 수행하였다. 사용

된 시나리오에 대한 자세한 내용은 국립기상연구소

(2013)와 변재영 등(2014)를 참고하기 바란다.

미래 기후변화 시나리오 자료의 적용 가능성을

확인하기 위해 과거 기간(1981~2005년)에 대하여

ECMWF의 ERA-interim 재분석 자료와 비교검증을

수행하였으며, 한반도 지역에 대한 지역적인 풍력 에

너지 변화와 대규모 순환과의 연관성을 알아보기 위

하여 전지구 기후변화 시나리오를 추가적으로 분석

하였다. 사용된 자료에 대한 구체적인 내용은 표 1에

제시하였다.

- 836 -


2) 분석 방법

본 연구에서는 기후변화 시나리오 자료를 활용하

여 미래 풍력에너지밀도(WED, Wind Energy Densi-

ty)와 잠재전력생산량(PEP, Potential Electric Produc-

tion)을 분석하였다. 본 연구에서 분석하고자 하는 풍

력에너지밀도와 잠재전력생산량은 풍력발전단지를

운영해 나가는데 기준이 되는 요소이다. 풍력에너지

밀도는 풍력발전기의 날개가 회전하는 면적에 통과

하는 에너지를 지칭한다. 즉, 풍력에너지밀도는 풍력

발전단지에 적합한 곳임을 알려주는 지표인 셈이다.

본 연구에서는 지상 10m 고도의 풍속을 활용하여 풍

력에너지밀도를 산출하였다. 풍력에너지밀도(WED)

는 다음 식을 이용하여 계산하였다.

WED=12ρV 3 [Wm-2]

ρ는 공기밀도, V 평균풍속이다. 본 연구에서는 공

기밀도의 값을 표준대기밀도 1.225kg m-3으로 가정

하였다.

실제 설치되어있는 풍력발전기 터빈의 고도는

80m 혹은 그 이상에 위치한다. 따라서 10m 고도의

풍속을 풍력발전기 터빈고도에 해당하는 80m로 풍

속으로의 변환이 필요하다. 풍속변환은 다음의 풍속

외삽식을 활용하였다.

V(h)V0(h0)

=⎛⎝

hh0

⎞⎠

α

그림 1. 분석대상영역과 지역기후모델에 사용된 지형 자료(단위: m)

표 1. 분석에 사용된 자료

Model Scenario PeriodSpatial

resolutionTime

resolutionVariable

GCM(HadGEM2-AO)

historical1981-2005(25yr)

1981-2004(24yr, seasonal)1.34°

mon

PSL(Sea level pressure)RCP2.6

2006-2040(35yr)RCP8.5

RCM(HadGEM3-RA)

historical1981-2005(25yr)

1981-2004(24yr, seasonal)0.11 ° sfcWind

(Surface wind speed)

RCP2.62006-2040(35yr)

RCP8.5

ERA-interim1981-2005(25yr)

1981-2004(24yr, seasonal)0.125 °

- 837 -


V는 풍력발전기 높이의 풍속, V0는 지상 풍속, h는

풍력발전기 높이, h0는 지상 풍속 높이, α는 지표면

거칠기 길이이다. 지표면 거칠기는 토지이용에 따라

결정되는 값으로 본 연구에서는 MODIS 토지이용도

자료를 활용하여 지표면 거칠기 길이를 산출하였다.

Hueing et al.(2013)의 경우 거칠기 길이를 육상, 해상

두 가지로 일괄 적용했으나, 지형의 복잡성을 고려하

여 거칠기 길이를 반영한 자료를 사용했다. 풍력발전

기의 잠재전력생산량(PEP)은 다음 식을 활용하였다.

PEP=12ρπR 2V 3 [W]

R은 풍력발전기 날개의 회전반경이며 본 연구에서

는 국내 풍력발전단지 중 약 48%로 가장 많은 설치

비율을 차지하고 있는 Vestas 社의 풍력발전기를 샘

플로 선정하였고, 이 풍력발전기 날개의 회전반경은

36m이다.

기후모델의 결과물을 활용할 때 자료의 신뢰도를

높이기 위하여 기후모델이 현재기후를 얼마나 잘 모

의하는지 관측 자료와 비교하여 확인하는 과정이 필

요하다(Carter et al. 1999; 이경미 등, 2012). 본 연구

에서는 지역기후모델(HadGEM3-RA)의 과거 모의

자료에 대하여 ECMWF의 ERA-interim 재분석자료

를 활용하여 연평균 풍력에너지밀도(WED)와 잠재

전력생산량(PEP)에 대한 지역기후모델의 모의성능

과 불확실성 범위를 알아보기 위하여 상호비교를 수

행하였다. 또한 WED와 PEP의 연평균과 경년변동성

을 분석하였다. 경년변동 분석은 표준편차를 평균값

으로 나누어서 계산하였으며(σ/mean) 자료간의 비교

가 통계적으로 유의미한지의 여부를 확인하기 위하

여 T-test와 F-test를 수행하였다.

3. 결과 및 고찰

1) 과거 기후모의 평가

HadGEM3-RA 모델의 기후변화 시나리오의 미래

풍력에너지 변동성 분석에 앞서, HadGEM3-RA를

통해 적분된 기후자료에 대한 특성 분석이 필요하다.

본 연구에서는 400년 제어적분된 HadGEM3-RA의

RCP 2.6과 8.5 기후변화 시나리오의 과거기후 예측

자료와 같은 기간의 ECMWF　ERA-interim 자료와

비교 분석을 통해 사용될 자료의 특성을 알아보고자

하였다. 검증을 위해 사용된 기간은 1981년부터 2005

년까지 25년이다.

그림 2는 HadGEM3-RA의 1981년부터 2005년까

지 25년간 풍력에너지밀도(WED)와 잠재전력생산량

(PEP)의 연평균 공간분포도이다. WED는 지상 10m

고도의 풍속을 변환한 값이며 PEP는 지상 10m 고도

의 풍속을 토지피복에 따른 지표 거칠기 길이가 반

영된 80m 고도의 상층바람을 이용하여 계산된 값

이다. 따라서 WED와 PEP의 값이 바다에서는 유사

한 값을 보이지만, 육지에서는 차이를 나타내었다.

HadGEM3-RA의 과거기후 모의결과, WED는 육지

에서 약 5~35Wm-2, 바다에서 약 40~320Wm-2의

분포를 보인다. PEP는 육지에서 50~300kW, 바다에

서 300~1,000kW의 범위로 분포하고 있다(그림 2).

또한, 태안반도 일부, 제주도, 동해 남부 해안, 전남

서해안 부근에서 WED, PEP가 타 지역에 비해 비교

적 높게 나타났으며, 특히 제주에서 400~1,000kW

의 높은 PEP 분포를 보이고 있다.

ERA-interim 재분석 자료와의 비교 분석 결과, 대

체로 육지에서 ERA-interim의 WED가 6.58Wm-2 내

외로 크게 나타났으며 반대로 바다에서는 Hindcast

자료가 약 42.64Wm-2 정도 큰 값을 보였다(표 2). 강

원 남부 해안, 남해안 일부, 제주도에서 ERA-interim

재분석자료가 Hindcast 보다 다소 크게 모의하고 있

었지만, WED와 PEP 둘 다 대체로 육지에서 과소모

의, 바다에서는 과대모의 하는 경향을 나타내었다.

이 결과는 해상과 육지의 일부를 제외하고 대부분의

지역에서 95% 수준에서 유의한 것으로 확인되었다.

HadGEM3-RA(Hindcast)기반 WED, PEP의 경년

변동 분석 결과 고도가 높은 산지의 풍상, 풍하측 및

해안가 근처에서 변동성이 큰 것을 확인하였다(그림

3). 풍속의 세제곱에 비례하는 WED와 PEP는 큰 경

년 풍속의 경년변동에 비해 큰 결과를 나타내었지만

- 838 -


대체로 풍속의 경년변동 분포와 유사한 패턴을 보이

며 강원 동해안, 남해안, 제주, 태안반도 등지에서 높

은 값을 보였으며, 가장 큰 값을 보이고 있는 지역은

대체적으로 고도가 높은 백두산 부근이었다. PEP의

경년변동 분포 또한 WED와 유사한 분포 패턴을 보

이고 있지만 남한 내륙 일부에서는 변동성이 적음을

나타내고 있었다. ERA-interim 자료와의 비교 분석

결과, Hindcast 자료가 ERA-interim에 비하여 큰 경

그림 2. HadGEM3-RA의 연평균 WED(단위: W m-2), PEP(단위: kW)의 연평균 분포(좌), ERA-interim과 HadGEM3-RA의

편차 및 t-test 결과(우) (검은점 T-test, 95% 수준에서 유의)

HadGEM3-RA(Hindcast) HadGEM3-RA(Hindcast) - ERA-interim

WED

PEP

표 2. ERA-interim과 HadGEM3-RA(Hindcast)의 연평균 WED, PEP와 편차

Area ValueERA-interim Hindcast Hindcast - ERA-interim

WED PEP(kW) WED PEP(kW) WED PEP(kW)

Landmean 25.98 347.59 19.39 241.42 -6.58 -101.38stdev 22.31 217.49 25.23 170.48 14.87 147.57

Seamean 154.79 588.48 197.43 701.47 42.64 116.78stdev 43.94 151.92 66.41 207.84 35.40 138.89

- 839 -


년변동 값을 나타내고 있었으며, WED의 경우에는

Hindcast 결과가 ERA-interim자료에 비해 약 2배 정

도 큰 변동성을 보이고 있었다.

HadGEM3-RA 기반의 미래 기후 시나리오 적용

을 위한 Hindcast자료와 재분석자료 비교 분석 결과,

과거기후에 대한 HadGEM-RA 기반의 모의능력은

ECMWF의 ERA-interim에 비하여 풍력에너지에 대

한 정보를 육지에서는 과소모의, 해양에서는 과대모

의 하였으며, 과다한 경년변동성을 가지는 특징을 확

인할 수 있었다.

2) 미래 풍력에너지 전망

그림 4는 2006년부터 2040년까지 기간의 Had-

GEM3-R A 기반 RCP2.6, 8.5 미래기후 시나리오

를 앞서 분석한 과거기간(1981-2005년)의 모의자료

와 비교 분석한 결과를 나타낸다. 기후변화 시나리오

를 생산하는 지역기후모델은 고유의 계통오차를 가

진다. 따라서 미래 풍력에너지 전망은 풍력에너지밀

도와 잠재전력생산량의 값을 그대로 분석에 활용하

지 않고 과거 대비 미래의 변화량으로 표현하였다.

가까운 미래의 35년 평균 자료는 과거기간에 비하여

WED와 PEP는 동해안, 태안반도 일부, 전남 서해안

그림 3. HadGEM3-RA의 WED(단위: 10-3 Wm-2), PEP(단위: 10-3 MW) 경년변동(좌), ERA-interim과 HadGEM3-RA의 WED,

PEP의 경년변동 편차(우). (검은점 F-test, 95% 수준에서 유의)

Hindcast Hindcast - ERA-interim

WED

PEP

- 840 -


일부 및 제주에서 증가하였고, 강원 산지(태맥산맥),

내륙일부, 남해안에서는 WED, PEP가 감소할 것으

로 예상된다. 이러한 경향은 시나리오에 따라 차이를

보이는데, WED는 RCP2.6이 RCP8.5보다 육지에서

더욱 증가할 것으로 나타나났다. RCP2.6과 8.5 두 시

나리오 모두 남해안, 서해 북부, 동해 북부 해안가에

서 WED가 감소할 것으로 예측되었으나 통계적으로

T-test 95% 수준에서 유의하지 않은 것으로 분석 되

었다. 또한, PEP의 경우 RCP8.5의 육지 및 해안에서

증감 경향이 대비되어 나타나는 경향을 보였으나 통

계적으로 유의한 영역이 RCP2.6에 비해 적게 나타났

다.

계절별에 따른 변화율을 분석한 결과에서는, 육지

에서는 WED, PEP가 4계절 모두에서 증가하는 것으

로 나타났으며, 바다에서는 WED와 PEP의 RCP2.6

겨울철을 제외한 나머지 계절에서 WED, PEP가 감

소하는 것으로 분석되었다(그림 5). WED, PEP가 육

지에서 RCP2.6의 경우 겨울철, RCP8.5일 때는 가을

철에 변화율이 가장 큰 것으로 분석되었다. 바다에서

는 RCP2.6의 가을철, RCP8.5의 봄철이 가장 감소폭

이 큰 계절로 나타났다.

시나리오 기반의 미래 WED와 PEP의 경년변동은

RCP2.6보다 RCP8.5에서 모두 커지는 것으로 나타났

다. 이러한 경향은 육지와 바다에서 동일하게 나타났

으며 두 시나리오 모두 20% 내외의 증가율을 보였으

며, 통계적으로 유의한 것으로 확인되었다. 다만, 변

화율이 ±60% 이상일 것으로 분석된 지역에서는 유

의하지 않은 것으로 나타났다(그림 6).

3) 지역별 미래 풍력에너지 변화

지역별로 자세한 분석을 위하여 미래 WED의 증감

폭이 크게 나타나는 곳을 대상으로 1981년부터 2040

년까지 약 60년간 WED의 시계열을 분석하였다. 그

중 4개 지역을 선택하여 각 지역의 계절별 WED의 변

동을 파악하였다. 지역 분석은 과거 대비 미래 WED

변화가 두드러지게 나타난 지점을 선택하여 중심으

로부터 반경 20km 영역의 값을 대상으로 하였다. 과

거 대비 상대적인 WED의 변화를 파악하기 위하여

과거의 WED 평균값을 100으로 가정하였고 평균

그림 4. RCP2.6과 RCP8.5의 WED, PEP의 연평균 분포((a)~(d)),(단위: WED Wm-2, PEP kW), RCP2.6, 8.5 시나리오와

Hindcast의 WED, PEP 연평균 변화율((e)~(h)),(단위: %) (WED T-test 95%, PEP T-test 90%에서 유의)

RCP2.6 RCP8.5 RCP2.6-Hindcast RCP8.5-Hindcast

(a) (b)

(c) (d)

(e) (f)

(g) (h)

WED

PEP

- 841 -


값과의 편차를 5년 이동 평균하였다. 검은선은 과거

(hindcast), 파란선은 RCP2.6, 붉은선은 RCP8.5이

다. 회색으로 박스 친 영역은 표준편차 ±1 영역이다.

과거(1981-2005) 평균 WED에 대한 미래(2006-

2040) WED의 상대적 비율을 각 영역에 대해 표 3으

로 정리하였다. 고창, 대관령, 제주지역은 과거와 비

교했을 때 WED가 증가하는 경향을 보였다. 반면 충

주는 미래로 갈수록 WED가 뚜렷하게 감소함을 확

인할 수 있었다. 4개 지역 중 가장 큰 폭으로 WED가

증가하는 지역은 제주이며, 감소폭이 큰 지역은 충주

이다(표 3). 각 지역별로 과거 WED와 상대적 변화가

큰 계절을 그림 7로 정리하였다.

과거 WED가 상승하는 곳은 고창, 대관령, 제주

이며 반대로 과거 WED가 감소하는 곳은 충주이

다. 과거 WED가 상승하면 미래 WED도 증가하는

경향을, 과거 WED가 감소하면 미래의 WED도 감

(a) (b)

(c) (d)

그림 5. HadGEM3-RA(Hindcast)와 RCP2.6, RCP8.5의 WED, PEP 계절별 평균 변화율(단위: %)

(a) 봄, (b) 여름, (C) 가을, (d) 겨울

- 842 -


그림 6. RCP2.6 시나리오와 Hindcast의 WED, PEP의 경년변동 변화율(좌, 단위: %), RCP8.5 시나리오와 Hindcast의 WED,

PEP의 경년변동 변화율(우, 단위: %) (검은점, F-test 95% 수준에서 유의)

RCP2.6 - Hindcast RCP8.5 - Hindcast

WED

PEP

표 3. 과거 대비 미래 WED의 상대적 변화율(단위: %), (* p=0.05, ** p=0.1)

지역 계절 RCP2.6 RCP8.5

고창

봄 120.24* 125.06*

여름 130.43* 130.66*

가을 126.60* 142.23*

겨울 129.32* 137.39*

충주

봄 88.86* 82.60

여름 82.21 74.87

가을 76.84 71.53

겨울 86.83 82.36

대관령

봄 111.80* 132.16*

여름 106.74* 127.84*

가을 114.34* 147.41*

겨울 124.71* 152.49*

제주

봄 132.47* 146.26*

여름 137.89* 145.51*

가을 139.54* 154.71*

겨울 135.71* 146.81*

- 843 -


소하는 경향을 보였다. 증감패턴을 보았을 때 적게

는 5년 길게는 15년 주기로 나타났다. 고창의 가을철

WED 시계열(그림 7-(a))은 과거 평균 WED보다 약

70% 이상 증가하는 경향을 보였다. 전반적으로 증

가하는 추세이지만 2020년 중반부터 2030년 중반까

지 과거 WED 평균수준으로 감소하였다. 충주의 봄

철 WED(그림 7-(b))는 과거 평균 WED보다 미래

WED가 감소하는 경향을 보이고 있다. 2010년대 후

반부터 2020년대 초반을 제외한 나머지 기간에는 표

준편차 범위 안에서 감소하고 있다. 대관령의 겨울철

WED 시계열(그림 7-(c))은 고창과 유사한 증가 패

턴을 보이고 있었으며 2020년에는 과거 WED에서

약 70~120% 정도 증가할 것으로 예측되었다. 그림

7-(d)는 제주의 가을철 WED 시계열이다. 제주는 4

그림 7. 남한의 지역별 풍력에너지밀도(WED) 변화 시계열 - (a) 고창 가을, (b) 충주 봄, (c) 대관령 겨울, (d) 제주 가을 (검은

선 hist, 파란선 RCP2.6, 붉은선 RCP8.5, 회색 박스 영역 표준편차 ±1, 단위: %)

(a) (b)

(c) (d)

- 844 -


개 지역 중 가장 급격하게 증가하는 경향을 보이고 있

으며 2020년까지 과거 WED대비 약 200%, 2배 증가

하는 것으로 분석되었다. 2020년 초반부터 중반까지

는 과거 WED 수준까지 감소할 것으로 보인다.

4) 미래 풍력에너지 변화와 기압의 관계

지역적인 풍력 에너지와 밀접한 상관관계가 있는

대규모 순환에서의 주요변수는 지표부근의 기압경

도이다. 북대서양 동부와 영국 등 유럽 서부의 풍력

에너지 변화는 북대서양 진동(NAO, North Atlantic

Oscillation)과 같은 기압배치 변화와 연관이 있다고

언급하였다(Wanner et al. 2001; Brayshow et al. 2011;

Hueging et al. 2013). 이에 착안하여 남한 풍력에너지

의 변화의 원인과 상관관계를 이해하기 위하여 한반

도 주변의 기압 변동양상을 분석하였다.

그림 8은 2005년부터 2040년까지의 미래의 연평

균 해면기압과 과거 25년과의 편차를 나타낸다. 평균

적으로 우리나라 주변 기압은 감소할 것으로 전망되

었으며, 특히 RCP 2.6의 경우 북태평양 고기압의 중

심이 북서쪽으로 확장 모의 하고 있었다. 이러한 한반

도 주변 평균 기상장의 변화는 과거에 비해 한반도 상

공에 기압경도를 강화시켜 풍속 및 풍력에너지가 커

지는 결과를 가져오는 것으로 확인되었다(그림 4). 그

러나 그림 9에서 보여주는 평균적인 기압경도이 강화

가 반드시 그림 4의 풍력에너지의 증가를 가져오지는

않았다. 즉, RCP 8.5가 2.6에 비하여 우리나라 주변

에서 큰 기압경도를 보이고 있으나 평균적인 에너지

의 양은 크지 않았다. 이는 RCP 8.5자료가 풍속이 크

지 않은 여름과 가을철에 기압경도를 강화시키고 풍

속이 큰 겨울과 봄철에 상대적으로 기압경도 폭이 크

지 않기 때문으로 생각되며, 또한 RCP 8.5 시나리오

처럼 온실가스 증가로 인해 커진 경년변동으로 인해

RCP 2.6 에 비해 상대적으로 큰 기압경도에도 불구

하고 풍력에너지의 증가가 크지 않을 것으로 사료된

다.

4. 요약 및 결론

본 연구에서는 미래 에너지 수급 및 효율적인 풍력

에너지 활용을 위하여 미래 풍력에너지의 경향성 및

변동성을 분석하였다. RCP 2.6과 8.5 시나리오를 적

용하여 산출된 HadGEM3-RA 지역기후모델 자료를

활용하여 미래 풍력에너지밀도(WED), 잠재전력생

산량(PEP) 및 이들의 변동성을 통해 미래 풍력에너지

의 변동성을 알아보고자 하였다.

기후변화 시나리오의 미래 풍력에너지 예측에 앞

서 기후변화 시나리오 작성을 위해 사용된 Had-

GEM3-RA 모델의 과거 모의능력을 ERA-Interim 자

료와 비교하였다. 연평균풍력에너지밀도, 잠재전력

생산량 모두 ERA-interim에 비해 HadGEM3-RA가

육지에서는 과소 모의를, 바다에서는 과대 모의를 한

그림 8. 해면기압(Sea level pressure, 단위: hPa)의 과거(hindcast)와 미래(RCP2.6, RCP8.5)의 편차(Shading)와 과거 해면

기압(Contour)의 연평균 분포(검은점, T-test 95% 수준에서 유의)

RCP2.6 - Hindcast RCP8.5 - Hindcast

- 845 -


RCP2.6 - hist RCP8.5 - hist

그림 9. 연·계절 평균 별 과거 해면기압경도(Sea level pressure gradient, Contour, 단위: hPa·500km-1)와 과거와 미래

(RCP2.6, RCP8.5)의 해면기압 경도의 편차(Color, 단위: hPa·500km-1, 검은점 F-test 95% 수준에서 유의).

Year

Spring

(MAM)

Summer

(JJA)

Autumn

(SON)

Winter

(DJF)

- 846 -


것으로 분석되었다. 경년변동(Inter-annual Variabil-

ity) 또한 HadGEM3-RA 모델이 육지에서 과소, 바다

에서 과대 모의한 것으로 분석되었다. 다만 경년변동

분석결과 해안에 인접한 육지 및 바다, 고도가 높은

산지의 풍상 및 풍하측에서 연간 WED, PEP의 변동

이 큰 것으로 나타났다. 과거기후모의 자료의 비교 결

과 HadGEM3-RA 모델이 육지에서 과소, 바다에서

과대 모의하는 경향을 보였다. 그리고 연간 경년변동

분석 결과 고도가 높은 산지 지역과 바다와 육지가 인

접하는 영역, 즉 해안가 부근의 지역에서는 경년변동

이 큰 것으로 파악되었다. 이 지역에서는 평균치와 편

차가 큰 것으로 판단된다. 본 시나리오 자료를 사용할

때는 위와 같은 모델의 특성을 고려한 해석이 요구된

다.

미래 풍력에너지의 예측을 위해 RCP2.6, 8.5 시나

리오를 2006-2040년 기간에 대해 분석한 결과, 동

기간동안 미래 풍력에너지는 동해안, 태안반도, 전남

서해안, 제주 등의 지역에서 증가하는 것으로 분석되

었다. 반면 감소할 것으로 예측된 지역은 강원 산지

및 내륙, 남해안 지역으로 분석되었다. 경년변동 분

석결과 RCP8.5에서 WED, PEP의 변동이 과거 보다

클 것으로 분석되었다. 계절별 분석결과 육지에서는

4계절 모두 WED, PEP가 증가할 것으로 분석되었다.

반면 바다에서 PEP의 RCP8.5의 겨울을 제외한 나머

지 계절에서는 WED, PEP가 감소할 것으로 예측 되

었다. 육지에서 RCP2.6의 경우 겨울, RCP8.5일때

는 여름철에 증가율이 가장 큰 것으로 나타났고, 바다

에서는 RCP2.6의 가을철, RCP8.5의 봄철이 가장 감

소폭이 큰 계절인 것으로 예측되었다. 대체로 바다에

서는 변화가 단조로운 반면 육지에서는 지형의 영향

으로 인하여 변동이 복잡하게 나타났다. 제주를 제외

한 고도가 높은 산지에서는 풍력에너지가 감소하였

다. 태백·소백산맥 등과 같은 산지를 중심으로 풍상

및 풍하측 에서는 풍력에너지가 증가하였으나 오히

려 고도가 높은 백두산 및 개마고원일대, 태백산맥,

소백산맥 등지에서 풍력에너지가 감소할 것으로 예

측되었다. 예외로 제주지역에서는 고도가 높은 곳에

서 풍력에너지가 증가할 것으로 예측되었다. 이러한

차이가 나타나게 되는 원인으로 지역기후모델에 입

력 자료로 사용된 지형의 영향으로 판단된다. 앞서 언

급한 제주의 경우 고도가 실제 고도보다 작은 값으로

설정되어 있었다. 그림 1의 모델에 입력된 지형자료

와 비교해보면 고도가 높은 산지의 능선을 따라 풍력

에너지가 감소하였고, 반대로 20~50m 고도가 분포

하는 해안 인접지역에서 풍력에너지가 증가하는 것

으로 나타났다. 본 연구에 사용된 지역기후모델은 고

도가 낮은 해안가 인접지역 에서는 풍력에너지를 과

거에 비해 크게, 반대로 고도가 높은 산지의 능선에서

는 과거보다 풍력에너지를 과거에 비해 작게 모의하

는 특성을 보였다. 그리고 미래 풍력에너지 예측 결과

를 통해 미래 지역별 풍력에너지밀도(WED)의 변동

성을 분석하였다. 고창, 대관령, 제주 지역은 과거와

비교 했을 때 WED가 증가하는 경향을 보인 반면 충

주는 미래로 갈수록 WED가 뚜렷하게 감소하는 것으

로 예측되었다. 그 중 가장 큰 폭으로 WED가 증가하

는 지역은 제주이며, 감소폭이 큰 지역은 충주인 것으

로 확인되었다. 향후 풍력에너지와 기압과의 상관성

파악을 위해 추가로 고도, 경사면 등과 같은 지형요

소도 함께 고려하여 분석한다면 육상에서의 풍력에

너지 변화를 좀 더 상세하게 파악할 수 있으리라 생

각한다.

또한 위와 같은 미래 풍력에너지 변화와 미래 기상

장 변화의 연관성을 분석한 결과, 미래에는 과거대비

한반도 주변의 기압경도를 증가시켜 풍력에너지를

증가하는 것으로 분석되었다. 지역기후모델은 기압

종관장의 흐름보다는 지형의 영향을 더 크게 받는 것

으로 확인되었다. 다만, 미래로 갈수록 계절별, 연별

변동성이 커지기 때문에 평균장 분석뿐만 아니라 분

석하고자 하는 기간에 대한 자세한 분석이 필수적이

라 하겠다. 또한, 시나리오 별로 차이가 존재하며 각

시나리오에 따른 분석을 위해서는 각각에 대한 변동

성을 고려하여 적용하는 것이 바람직할 것이다.

기후변화 시나리오 기반의 미래 풍력에너지는

RCP 시나리오 종별에 따라 변화 강도의 차이가 있으

며 육지에서는 풍력에너지의 증가하는 반면 바다에

서는 감소하는 경향을 보였다. 또한, 미래로 갈수록

변동성이 커지는 경향을 나타내 풍력에너지의 변화

에 대한 미래 에너지 수급 및 활용계획에 있어 정책적

- 847 -


결정을 내리는 기초자료로 활용가치가 높을 것으로

판단한다. 다만, 본 연구결과는 HadGEM3-RA모델

의 결과만을 사용한 결과이며 추후 다른 모델 기반의

시나리오 활용 및 개선된 모델 결과를 적용한 분석이

필요하다.

주

1) 모델은 각자 고유의 변동성과 특성이 있기 때문에, 전지구

모델을 수행하여 시나리오를 생산할 때 모델의 시스템들이

준 평형상태로 안정화된 범위에서 시작할 수 있도록 초기

에 모델을 스핀업(Spin-up)하기 위한 적분을 말한다.

참고문헌

국립기상연구소, 2012, IPCC 5차 평가보고서 대응을 위

한 전지구 기후변화 보고서 2012, 국립기상연구

소.

국립기상연구소, 2013, 기후변화 예측기술 지원 및 활용

연구(Ⅴ), 국립기상연구소.

국립기상연구소, 2013, 응용기상기술개발연구(Ⅰ): 기상

자원기술개발연구, 국립기상연구소.

기상청, 2007, 풍력기상자원지도 개발 연구보고서, 기상

청, 99-102.

김도우·변희룡, 2008, “한반도 바람자원의 시공간적 분

포,” 대기, 18(3), 171-182.

김진영·김영성·정관영, 2000, “서울·인천지역 자동기

상관측 바람자료의 특성 분석,” 한국기상학회지,

36(2), 153-166.

김현구, 2008, “남한 풍력자원 잠재량의 예비적 산정,” 한

국태양에너지학회지, 28(6), 1-7.

김현구·강용혁, 2012, “한반도 풍력자원지도-2010년

판,” 한국풍공학회지, 16(4), 167-172.

변재영·강미선·정현숙, 2013, “풍력-기상자원지도에

기반한 제주 행원 풍력발전단지 효율성 평가,” 한

국지구과학회지, 34(7), 633-644.

변재영·김유미·최병철, 2014, “기후변화 시나리오에 근

거한 한반도 미래 풍력·태양-기상자원 변동성,”

한국신재생에너지학회지, 10(2), 29-39.

변재영·최영진·서범근, 2010, “중규모 모델 WRF로부

터 모의된 한반도 풍력-기상자원 특성,” 대기,

20(2), 195-210.

산업통상자원부, 2014, 2차 에너지 기본계획, 산업통상자

원부.

송근용·방철한·박영산·최영진, 2012, “풍력발전단지

입지선정 기술개발을 위한 기반조사 및 사례 분

석,” 한국풍공학회논문집, 16(1), 3-12.

에너지관리공단, 2012, 2012 신재생에너지백서, 에너지

관리공단 신재생에너지센터.

에너지관리공단, 2013, 신재생에너지보급통계 2012, 에

너지관리공단.

이경미·백희정·박수희·강현석·조천호, 2012, “고해상

도 지역기후변화 시나리오를 이용한 한국의 미

래 기온극값 변화 전망,” 대한지리학회지, 47(2),

208-225.

이순환·이화운·김동혁·김민정·김현구, 2011, “엘리뇨/

라니냐 강도 변화에 따른 국지적 풍력 자원의 변

동,” 한국지구과학회지, 32(2), 180-189.

이승호, 2012, “한국에서의 풍속변화에 관한 연구-1월과

8월을 대상으로,” 대한지리학회지, 47(2), 347-

358.

허철운·이용섭·이은정, 2010, “기상정보를 활용한 한반

도 풍력자원지도 공간적 분포 특성,” 대기, 20(2),

63-71.

A. Bloom, V. Kotroni, and K. Lagouvardos, 2008, Climate

change impact of wind energy availability in the

Eastern Mediterranean using the regional climate

model PRECIS, Nat. Hazards Earth Syst., 8, 1249-

1257.

Barstad, I., A. Sorteberg, and M. S. Mesquita, 2012, Pres-

ent and future offshore wind power potential in

northern Europe based on downscaled global

climate runs with adjusted SST and sea ice cover,

Renewable Energy, 44, 398-405.

Brayshaw, D. J., A. Troccoli, R. Fordham, and J. Methven,

2011, �e impact of large scale atmospheric circu-

lation patterns on wind power generation and its

potential predictability: A case study over the UK,

Renewable Energy, 36, 2087-2096.

Carter, T. R., Hulme, M., and Lal, M., 1999, IPCC-TG-

- 848 -


CIA Guidelines on the Use of Scenario Data for

Climate Impact and Adaptation Assessment, Ver-

sion 1, IPCC, Task Group on Scenarios for impact

Assessment.

Kim, D. Y., Kim, J. Y. and Kim, J. J., 2013, Mesoscale

Simulations of Multi-Decadal Variability in the

Wind Resource over Korea, Asia-Pacific J. Atmos.

Sci., 49(2), 183-192.

H. Hueging, R. Haas, K. Born, D. Jacob and J. G. Pinto,

2013, Regional changes in wind energy potential

over Europe using regional climate change model

ensemble projections, Journal of Applied Meteoro-

logical and Climatology, 52, 903-917.

Pryor, S. C., and J. T. Schoof, 2010, Importance of the

SRES in projections of climate change impacts on

near-surface wind regimes, Meteor. Z., 19, 267-

273.

Pryor, S. C., and R. J. Barthelmie, 2005, Empirical down-

scaling of wind speed probability distributions, J.

Geophys. Res., 110, D19109, doi:10.1029/2005JD

005899.

Pryor, S. C., R. J. Barthelmie, N. E. Clausen, M. Drews,

N. MacKeller, and E. Kjellstro¨m, 2012a, Analy-

ses of possible changes in intense and extreme

wind speeds over northern Europe under climate

change scenarios, Climate Dyn., 38, 189-208.

Pryor, S. C., G. Nikulin, and C. Jones, 2012b, Inf luence

of spatial resolution on regional climate model de-

rived wind climates, J. Geophys. Res., 117, D03117,

doi:10.1029/2011JD016822.

Pryor, S. C., R. J. Barthelmie and J. T. Schoof, 2012, Past

and future wind climates over the contiguous

USA based on the North American Regional Cli-

mate Change Assessment Program model suite, J.

Geophys. Res., 117, D19119, doi:10.1029/2012JD

017449.

Wanner,H., S. Bronnimann, C. Casty, D. Gyalistras, J.

Luterbacher, C. Schmutz, D. B. Stephenson, and

E. Xoplaki, 2001, North Atlantic Oscillation—

Concepts and studies, Surv. Geophys., 22, 321-

381.

교신: 임윤진, 697-845, 제주특별자치도 서귀포시 서호북

로 33, 기상청 국립기상연구소 응용기상연구과(이메일:

[email protected], 전화: 064-780-6757, 팩스: 064-

738-6515)

Correspondence: Yoon-jin Lim, Applied Meteorology Re-

search Division, National Institute of Meteorological Re-

search, KMA, 33, Seohobuk-ro, Seogwipo-si, Jeju-do, 697-

845, Korea (e-mail: [email protected], phone: +82-64-

780-6757, fax: +82-64-738-6515)

최초투고일 2014. 9. 17

수정일 2014. 12. 14

최종접수일 2014. 12. 18

기후변화 시나리오를 활용한 한반도 미래 풍력에너지의...

Documents