Zhinv: 현지 희소 관측 데이터만을 사용하여 실시간 허브 높이 풍계 재구성

Zhinv: Real-time hub-height wind field reconstruction using only local sparse observations

전력망에 연결된 풍력 발전의 비율이 높아짐에 따라, 지역별 풍계에 대한 정밀한 정보가 더욱 중요해지고 있습니다. 실제 운영에서 얻을 수 있는 풍속 정보는 대부분 희소하고 불규칙하게 분포된 현지 관측 데이터이기 때문에, 풍력 발전 제어, 풍력 자원 평가 및 저고도 환경 인식과 같은 작업에 필요한 연속적인 지역별 풍계 정보를 직접적으로 충족하기 어렵습니다. 따라서 본 연구에서는, 희소하고 불규칙한 관측 데이터를 허브 높이의 정밀 격자 풍계로 직접 변환하는 end-to-end 재구성 프레임워크인 Zhinv를 제안합니다. 동북 중국, 유럽 및 동남 아시아 지역에서의 실험 결과는 Zhinv가 희소한 관측 데이터로부터 정확하고 견고하며 효율적으로 정밀 격자 풍계를 재구성할 수 있음을 보여주며, Kriging 방법과 비교하여 약 66%의 오류 감소 효과를 나타냅니다. Zhinv는 현지 풍력 발전 데이터를 입력으로 사용하여 풍력 발전 센터가 NWP(수치 예보 모델) 및 복잡한 동차화 과정을 거치지 않고도, 현지에 있는 데이터로부터 직접적이고 실시간으로 풍력 자원을 평가할 수 있도록 지원합니다.

The high proportion of wind power connected to the grid places higher demands on fine-grained knowledge of regional wind fields. Since the wind information directly obtainable in actual operations is mostly sparse, discrete, and irregularly distributed local observations, it is difficult to directly meet the needs of tasks such as wind power regulation, wind resource assessment, and low-altitude environmental perception of continuous regional wind fields. Therefore, we propose Zhinv, an end-to-end reconstruction framework that directly weaves sparse and irregular observations into a fine-grid wind field at hub-height. Experiments in Northeast China, Europe, and Southeast Asia demonstrate that Zhinv can accurately, robustly, and efficiently reconstruct fine-grid wind fields from sparse observations, reducing the error by about 66% compared with Kriging. With local wind-power observations as input, Zhinv enables wind power centers to bypass NWP and complex assimilation processes, supporting direct and real-time wind resource assessment from locally available data.