Current Issue

태양 에너지를 이용한 발전은 크게 태양광 발전(photovoltaic solar power)과 태양열 발전(concentrated solar power)으로 나눌 수 있다. 이 중 태양광 발전은 상용화 기술의 급속한 발달에 힘입어 전 세계 재생에너지 설비용량 증가(2022년 대비 2023년)의 4분의 3을 차지할 정도로 매우 빠르게 보급되고 있다(IEA, 2024). 현재 개발되고 있는 연구용 태양광 셀(cell)은 종류에 따라 약 13~48%의 발전효율을 보인다(https://www.nrel.gov/pv/cell-efficiency.html). 이 중 전 세계 태양광 발전의 약 95%를 차지하고 있는 셀은 Crystalline Silicon (c-Si)으로(2020년 기준, Ballif et al., 2022), 연구용 발전효율은 약 27%이다. 본 연구에서는 가장 많이 보급되어 있는 Silicon 셀의 표준테스트조건(standard test conditions; STC) 발전량 추정식(Evans and Florschuetz, 1977)을 이용하여, 각 격자점에서의 시간별 태양광 용량계수(Capacity Factor; CF_solar)를 다음과 같이 계산하였다.

SW는 ERA5의 시간별 지표면 하향단파복사(단위: W m^-2)이고, T_cell은 태양광 셀의 온도로 시간별 2 m 대기온도(단위: ^oC)를 사용하였다. 표준테스트조건(STC)에서의 기준 값은 선행연구들에 따라 SW_STC = 1,000 W m^-2, T_STC = 25^oC으로 설정하였다(Jerez et al., 2015; Park et al., 2022; Lei et al., 2023; Choi et al., 2024). η_STC과 β_STC은 각각 태양광 셀 고유의 발전효율과 온도증가에 따른 발전효율 감소계수를 의미하며, 설치 환경과 패널의 종류에 따라 다양한 값을 갖는다. 본 연구에서는 계산의 단순화를 위해 선행연구에서 사용된 상수 값(η_STC = 0.90, β_STC = 0.00042 ^oC^-1; Bloomfield et al., 2021; Choi et al., 2024)을 이용하여 CF_solar를 산출하였다. Choi et al. (2024)는 ERA5의 일 평균 자료를 이용하여 계산한 CF_solar를 영암과 김천 태양광 발전소의 장기 일 발전량 자료와 비교하였고, 이를 통해 식(1)의 CF_solar가 한반도의 태양광 발전량을 추정하는데 있어 매우 신뢰할 수 있는 지표임을 확인하였다.

풍력 발전량은 터빈(turbine) 종류, 로터(rotor) 직경(또는 블레이드 길이) 등 발전기의 기술적 요소와 터빈이 설치된 높이(hub height) 근처의 바람 질에 따라 달라진다. Heo et al. (2010)은 우리나라 풍력 자원지도 개발을 위해 기상청 자동기상관측장비 지점의 10 m 바람관측을 이용하여 50 m와 80 m 풍속 자료를 산출한 바 있다. 그러나 지난 수 십년 동안 풍력 발전 기술의 발달로 현재 허브 높이는 약 100 m까지 높아졌으며, 2035년의 해상풍력 허브 높이는 약 150 m까지 높아질 것으로 예상된다(Islam et al., 2013; US DOE, 2024). 이에 본 연구에서는 현재 허브 높이와 가장 유사한 100 m 고도의 시간별 u, v로 계산된 풍속=u2+v2을 사용하였다.

일반적으로 바람이 만들어 내는 전기에너지는 베츠의 법칙(Betz’s law)에 따라 허브 높이 풍속(V)의 세제곱, 공기의 밀도(ρ), 블레이드가 만드는 면적(A), 시스템의 출력효율과 관련된 계수(η)의 비례식으로 근사할 수 있다.

그러나 실제 풍력 발전기의 출력은 시동풍속(cut-in wind speed; V_IN) 이상에서 발생하여, 정격풍속(rated wind speed; V_R)까지는 V³에 비례하고 그 이상에서는 시스템의 최대출력으로 일정하게 전력을 생산한다. 하지만 안전상의 이유로 과도한 풍속이상에서는 전력생산을 정지시키는데, 이때의 풍속을 차단풍속(cut-off wind speed; V_OUT)이라 한다. 이를 고려한 각 격자점에서의 시간별 풍력 용량계수(CF_wind)를 다음과 같이 계산하였다.

V는 ERA5의 시간별 100 m 풍속이며, V_IN, V_R, V_OUT은 선행연구를 따라 각 3.5 m s^-1, 12 m s^-1, 25 m s^-1로 정의하였다(Tobin et al., 2016; Park et al., 2024).

태양광-풍력 혼합발전에 의한 용량계수(CF_hybrid)는 다음과 같이 추산하였다.

α를 0.95부터 0.05까지 0.05 간격으로 조절하면서 혼합발전의 구성 비율을 조절하였다. 즉, α = 0.50일 경우 태양광과 풍력의 설비비율이 50%씩으로 같다.

우리나라는 육상풍력단지를 선정하기에는 많은 어려움이 있어 향후 해상풍력에 대한 관심과 보급이 활성화될 것으로 기대된다(MOTIE, 2025). 따라서 본 연구의 CF_hybrid 산출에 사용된 CF_wind는 6개 행정구역의 해안지역(offshore; Fig. 1a의 빗금 표시된 격자)에서만 영역평균 된 값을 적용하였고(이하 CF_{wind,offshore}), CF_solar는 각 행정구역의 전체 격자(해안과 육상을 모두 포함)에서 평균 된 값을 적용하였다.

Fig. 1. 
(a) Definitions of six administrative districts of Korea used in this study (GG: GyeongGi, CC: ChungCheong, JL: JeolLa, GW: GangWon, GS: GyeongSang, JJ: JeJu). Hatched regions indicate offshore areas. Climatology of (b) surface downward shortwave radiation (SW) [W m^-2] and (c) wind speed at 100 m (WS100) [m s^-1]. Climatology is defined by the average of hourly values over the period 1961~2023.

에너지 가뭄을 살펴본 선행연구들에 따르면, 기상변수의 물리량을 그대로 이용하거나 기상변수를 전기 에너지의 물리량으로 변환하여 에너지 가뭄을 정의하였다. 기상변수의 물리량을 사용한 연구는 주로 지표면 일사량과 10 m 풍속을 100 m로 변환하여 특정 임계값 이하의 현상이 발생하였을 때를 재생에너지 가뭄으로 정의하였다(Richardson et al., 2023). 반면 직관적인 적용을 위해 발전량 밀도함수 또는 표준화된 발전량 지수 등을 기준으로 에너지 가뭄을 정의하거나(Allen and Otero, 2023; Antonini et al., 2024), 소비전력의 개념을 포함해 순에너지 균형부족으로 정의하는 연구들도 존재한다(Raynaud et al., 2018; Liu et al., 2023; Lei et al., 2024b). 본 연구는 향후 설비용량 변화에 유연하게 대응하기 위해, 발전량이 아닌 CF를 기준으로 재생에너지 가뭄을 정의한 최신 연구들의 접근을 반영하였다(Rinaldi et al., 2021; Li et al., 2024; Zheng et al., 2024).

한편 재생에너지 전력계통의 안정적 운용, 전력공급 자원할당 및 유지관리 계획 등을 위해서는 초단기~단기보다는 1일~1개월 시간규모의 정보가 필요하다(Alkabbani et al., 2021). 본 연구의 목적은 태양광–풍력 자원의 기후적 특성 분석을 통해 보다 안정적인 전력공급을 위한 재생에너지 자원의 전원믹스 구성을 파악하는 데 있으므로, 일 단위의 CF를 이용하였다. 이에 각 재생에너지 자원의 일 평균 CF가 0.05 이하로 낮아지는 날을 해당 자원과 관련된 에너지 가뭄으로 정의하였고, 복합 에너지 가뭄일은 두 자원(태양광과 풍력)의 일 평균 CF가 동시에 0.05 이하로 낮아지는 날로 정의하였다.

일반적인 북반구 중위도 기압계의 특성에 따라 일사량과 풍속은 상호 보완적인 특성을 갖지만(예: 고기압-맑고 무풍, 저기압-흐리고 바람), 동시상관의 특징을 보이는 경우도 존재한다(Wilczak et al., 2024). 선행연구들은 태양광과 풍력의 보완성(complementarity)을 통계적인 방법으로 진단하였는데, 시간, 일, 월 등의 다양한 시간규모에서 이루어졌다(Sterl et al., 2018; Bloomfield et al., 2022; Jurasz et al., 2024; Lei et al., 2024a). 본 연구에서는 일 평균 CF_solar와 CF_{wind,offshore}를 이용하여 다음 식(5)로 정의된 Spearman’s rank correlation coefficient (r, 상관계수)를 계산하였다.

여기서 n은 표본의 수, d는 CF_solar와 CF_wind,offhore의 순위(rank) 차이를 의미한다. 예를 들어 1월의 보완성 진단을 위해서는 총 n = 1,953(31일 ×63년)개의 일 평균 CF_solar와 CF_{wind,offshore}의 순위가 사용되었다. r은 -1.0 ≤ r ≤ 1.0 범위의 값을 갖는데, -1.0에 가까울수록 상호보완성이 우수함을 의미하며 1.0에 가까울수록 두 자원간 일 평균 CF의 증감이 같은 방향으로 변화함을 의미한다. r = 0.0은 두 자원의 일 평균 CF 사이에 상관관계가 없음을 뜻한다. Spearman’s rank correlation coefficient를 이용한 태양광-풍력 보완성 진단은 널리 사용되고 있으며(Jurasz et al., 2021; Harrison-Atlas et al., 2022), 본 연구결과에서 보이지 않았지만 Pearson correlation coefficient를 사용하여도 일관된 결과를 얻을 수 있었다.

그러나 상관계수의 계산에는 일 평균 CF를 사용하였기 때문에 일 단위 이하의 보완성을 진단하기에는 제한적이다. 예를 들어, 낮 동안 태양광 발전량이 많고, 밤 동안 풍력 발전량이 많은 날은 일 단위 이하에서는 보완성이 높지만, 일 평균의 관점에서는 태양광과 풍력이 동시에 증가하므로 보완성이 낮다고 해석될 수 있다. 또한 상관계수는 각 개별 자원 간의 상호보완성을 진단하므로, 혼합발전의 이점을 분석하기에는 어려움이 따른다. 이에 선행연구들에서 제안된 안정성계수(stability coefficient; C_stab)를 추가적으로 분석하였다(Sterl et al., 2018; Harrison-Atlas et al., 2022; Murphy et al., 2023).

C_v는 변동성 계수(coefficient of variation)를 의미하며, C_v,solar는 태양광 단독발전일 때의 CF_solar의 일 변동성, C_v,hybrid는 혼합발전에 의한 CF_hybrid의 일 변동성을 의미한다. 변동성 계수는 각 시점(t)에서의 CF와 일 평균값 간의 편차 제곱합의 제곱근을 일 평균값의 제곱으로 나눈 값으로 계산된다. 즉, 안정성계수 C_stab는 태양광 단독발전과 비교하여 혼합발전에 의해 감소하는 일중 CF 변동성의 정도를 진단할 수 있다. C_v,solar는 6개 행정구역에서 평균 된 시간별 CF_solar를 사용하였고, C_v,hybrid는 해상풍력의 비율을 5%에서 95%까지 증가시키며 비교하였다. 안정성계수는 통상 0 ≤ C_stab ≤ 1.0의 범위를 갖는데, 1에 가까울수록 혼합발전에 의한 CF 변동성의 감소 폭이 커서 전력생산의 일중 안정성이 향상되는 것을 의미한다.

1961년부터 2023년까지 평균 된 지표면 하향단파복사(이하 일사량)와 100 m 풍속을 Fig. 1b와 1c에 표시하였다. 제주를 제외한 내륙에서의 일사량은 위도가 낮아질수록, 동일 위도에서는 해안근처 지역일수록 높아지는 특징을 보인다. 제주의 평균 일사량은 170 W m^-2 이하로 경기북부와 비슷하게 나타난다. 100 m 풍속은 내륙에서 해안으로 갈수록 강해지는 경향이 있으며, 특히 제주, 전라남도, 경상남도 해안의 풍속이 5 m s^-1 이상으로 강하게 나타났다.

식(1)과 식(3)에서 구한 CF_solar와 CF_wind의 지난 63년(1961~2023년) 평균값을 Fig. 2에 표시하였다. CF_solar의 기후값은 경상남도 일부 해안지역을 제외한 모든 지역에서 약 0.15의 값을 보이는 반면, CF_wind는 해안과 내륙의 차이가 크게 나타난다. 강원도를 제외한 대부분의 해안에서 0.20 이상의 높은 값이 나타나지만, 내륙의 CF_wind는 0.10 이하로 해안과 내륙의 차이는 2배 이상에 이른다. 이 결과는 우리나라에서는 분산형(distributed) 태양광 발전과 해상풍력단지가 각각 태양광과 풍력 자원의 가용성 측면에서 유리한 조건을 가지고 있음을 시사한다.

Fig. 2. 
Climatology of (a) CF_solar and (b) CF_wind over the period 1961~2023.

Figure 1a에서 정의한 6개의 주요 행정구역 강원(GangWon; GW), 경기(GyeongGi; GG), 충청(ChungCheong; CC), 경상(GyeongSang; GS), 전라(JeolLa; JL), 제주(JeJu; JJ) 에서 평균된 CF_solar와 CF_{wind,offshore}의 일변동과 계절변동을 Fig. 3에 나타냈다. CF_solar의 일누적 값의 경우, 내륙 5개 행정구역에서는 3.68~3.79 사이의 유사한 값이 나타나며, 제주는 이보다 약간 작은 값(3.62)을 보인다(Fig. 3a의 면적합). CF_solar의 계절변동은 내륙의 5개 행정구역에서 전반적으로 12월 하순~1월 초순에 0.10 근처의 가장 작은 값을 보이고 점차 증가하여 5월 하순~6월 초순에 약 0.23의 가장 큰 값을 보이는 등 계절간 차이는 약 2배에 이른다(Fig. 3b의 15일 이동 평균된 값 기준). 이후 7월 중순까지 0.16 정도로 감소하다 다시 증가하여 7월 하순~8월 초순에 두 번째 최대값을 보이는 이중 피크(double peak) 구조를 보인다. 지역별 차이는 두 번째 최대값이 나타나는 여름철에 가장 크게 나타나는데, 이러한 편차는 이 시기에 자주 발생하는 국지성 강우를 동반한 구름에 의한 차폐효과 때문으로 추정된다. 제주의 경우, 7월~8월 초순에는 내륙의 5개 행정구역보다 높지만, 11월 하순부터 6월까지는 다른 지역에 비해 낮은 값을 보인다.

Fig. 3. 
Climatological (a) diurnal and (b) seasonal cycles of CF_solar across each administrative district. (c and d) Same as (a and b) but for CF_{wind,offshore}. The seasonal cycle is defined by the 15-day moving average of the daily climatology over the period 1961~2023. The name of the calendar month in (b and d) indicates the first day of each month.

CF_{wind,offshore}는 CF_solar에 비해 일변동과 계절변동의 지역별 편차가 크게 나타난다(Figs. 3c-d). CF_{wind,offshore}의 일평균 값은 제주(0.24), 전라(0.22), 경상(0.21), 충청(0.16), 경기(0.15), 강원(0.12) 순으로 작아지면서, 제주의 일누적 CF_{wind,offshore}는 5.65로 강원지역의 2.82의 약 2배에 이른다(Fig. 3c의 면적합). 모든 지역의 CF_{wind,offshore}는 일몰 후 18시부터 일출 전 5시까지 일정을 값을 유지하다가 일출시간 근처(5~6시)에 육풍이 해풍으로 바뀌면서 바람 감속에 의한 CF_{wind,offshore}의 순간적인 감소가 나타난다(Fig. 3c). 이후 점차 증가하여 14시~17시에 최대값을 보이다 일몰시간 근처(17시~18시) 해풍이 육풍으로 바뀌면서 순간적인 감소가 한 번 더 나타난다. CF_{wind,offshore}의 계절변동은 겨울철에 최대값을 보이고 6월 중순에 최소값이 나타난다. 이후 강원을 제외한 5개 지역의 CF_{wind,offshore}는 7월 중~하순까지 빠르게 증가하다 다시 감소하여 가을철에는 낮은 값을 보인다. 계절간 차이가 가장 큰 제주의 경우, 6월의 최소값은 0.12, 1월의 최대값은 0.37으로(Fig. 3d의 15일 이동 평균된 값 기준), 약 3배의 차이가 나타난다. 강원은 7월부터 10월 초순까지 비슷한 값을 유지하다 증가하기 시작하는 등 다른 지역과 다소 다른 시계열을 보이며, 최소값과 최대값은 0.05와 0.19로 약 2배의 계절간 차이를 보인다.

Figure 4에서는 연평균 CF_solar와 CF_{wind,offshore}의 시계열을 살펴보았다. 지난 63년(1961~2023년)간의 CF_solar의 평균값은 6개 모든 지역에서 0.14~0.17 사이의 유사한 값을 보였으며, 표준편차로 계산된 연간 변동성도 모든 지역에서 0.005로 매우 비슷하게 나왔다(Fig. 4a). 연평균 CF_{wind,offshore}의 변동성의 크기(표준편차)는 평균값의 크기(Fig. 3c 참조)에 비례하여 0.016 (제주)과 0.012(강원) 사이의 값이 도출되었다(Fig. 4b). 주목할 만한 점은 내륙지역(강원, 경기, 충청, 경상, 전라)의 평균 CF_solar의 장기변화가 지난 1990년 전후로 약 -2.13 × 10^-3 [decade^-1]의 감소추세(95% 신뢰수준에서 유의미)에서 약 1.34 × 10^-3 [decade^-1]의 증가추세(90% 신뢰수준에서 유의미)로 변화하였다(Fig. 4a의 검정색 점선). 이는 전반적인 대기오염물질의 농도 감소(MOE, 2024)에 의한 대기질 개선효과 때문인 것으로 추측되나, 1990년대 이전의 오염물질 관측자료가 제한적인 관계로 보다 정확한 원인 분석을 위해서는 추가적인 연구가 필요하다.

Fig. 4. 
Year-to-year variability of (a) CF_solar and (b) CF_{wind,offshore} across each administrative district. Black dashed lines in (a) indicate the least-squares fits of the area-averaged inland CF_solar, except for JeJu, for the periods 1961~1990 and 1990~2023.

본 절에서는 앞서 2.2절에서 정의한 태양광 에너지 가뭄, 풍력 에너지 가뭄, 복합 에너지 가뭄의 기후적 특성에 대해 살펴본다.

Figure 5는 태양광 에너지와 풍력 에너지 가뭄 발생 일수를 각 격자점에 대해 구한 것이다. 전체 일 수를 분석기간(63년)으로 나누어 1년에 발생할 수 있는 평균적인 가뭄일 수를 표시하였다. 태양광 에너지 가뭄의 경우, 제주를 제외한 내륙지역에서는 연평균 약 30일 이하로 나타났고, 해안지역과 충청지역에서의 발생빈도는 보다 적은 경향을 보인다(Fig. 5a). 풍력 에너지 가뭄의 경우, 내륙지역에서는 연평균 약 200일 이상으로 매우 자주 나타나는데, 이는 해상풍력에 비해 낮은 육상풍력의 가용성과 관련이 있다. 제주와 해안지역의 풍력 에너지 가뭄은 내륙지역에 비해서는 상대적으로 덜 발생함에도 불구하고, 연평균 90일~150일의 발생빈도를 보인다. 이는 해상풍력 발전이 평균적인 가용성 측면에서는 태양광 발전보다 유리하지만, 잦은 극한 현상(에너지 가뭄)으로 인한 간헐성 증가가 공급의 불안정성으로 이어질 수 있으며, 이로 인해 백업전력 확보와 같은 보완대책이 필수적임을 시사한다.

Fig. 5. 
Climatology of (a) solar and (b) wind energy drought days over the period 1961~2023. Units are [days year^-1]. Solar and wind energy droughts are defined as days when daily CF_solar and CF_wind at each grid point are less than or equal to 0.05, respectively. Note that the color scales are different in (a) and (b).

Figure 6은 6개 행정구역에서 발생하는 태양광 에너지 가뭄과 풍력 에너지 가뭄일 수를 각 월에 대해 나타낸 그림이다. 여기서는 에너지 가뭄일을 각 행정구역에서 평균 된 CF_solar와 CF_{wind,offshore}의 값이 0.05 이하인 날로 정의하였기 때문에, 각 격자점에서의 값이 0.05 이하인 날로 정의된 Fig. 5 보다 발생일 수가 적다. 제주를 제외한 5개 지역에서의 태양광 에너지 가뭄은 11월에 약 2.5~3일로 다른 월에 비해 가장 많이 발생한다(Fig. 6a). 여름철 강수구름에 의한 차폐효과로 7월~8월 동안 경기와 충청에서 발생일 수가 약 2일로 증가하지만, 태양광 에너지 가뭄일은 전반적으로 일조량이 적은 겨울철에 더 빈번하게 나타난다. 제주 지역 태양광 에너지 가뭄의 4월에서 10월까지의 발생빈도는 약 2일 이하로 다른 행정구역과 비슷한 값을 보이나, 12월~1월에는 평균 5일 이상으로 가장 많이 발생하였다. 이는 제주의 해양성 기후와 지형효과의 영향으로 겨울철 운량이 다른 계절에 비해 많기 때문이다(Kim, 2011).

Fig. 6. 
Seasonal cycle of (a) solar, (b) offshore-wind, and (c) compound energy drought days at each administrative district. Seasonal cycle is defined by the average of energy drought days at each month over the period 1961~2023. Compound energy drought days are defined as days when both daily CF_solar and CF_{wind,offshore} are less than or equal to 0.05. Units are [days year^-1]. Note that the y-axis ranges are different.

풍력 에너지 가뭄일의 계절적 특성은 태양광 에너지 가뭄과는 반대로 겨울철에 가장 낮은 발생빈도를 보인다. 모든 6개 행정구역에서 6월과 10월 사이에 가장 많이 나타났으며, 강원, 경기, 충청의 3개 지역은 이 기간 동안 2주이상 풍력 에너지 가뭄일이 나타나는 달이 3개월 이상인 것으로 분석되었다(Fig. 6b의 감색, 하늘색, 보라색 선). 그러나 태양광과 풍력 에너지 가뭄이 동시에 발생하는 복합 에너지 가뭄일은 모든 지역에서 매달 1일 이하로 매우 드물게 나타났다(Fig. 6c). 이는 한반도의 태양광과 풍력 에너지 자원이 상호 보완적인 특성을 갖고 있으며, 안정적인 재생에너지 전력을 공급하는 데 있어 두 자원 간의 혼합된 전원 구성이 중요한 역할을 할 수 있음을 시사한다. 이와 관련하여 두 자원 간의 상호보완성을 다음 절에서 살펴보았다.

태양광과 해상풍력 자원 간의 상호보완성을 정량적으로 평가하기 위해 일평균 CF_solar와 CF_{wind,offshore}의 월별 상관계수를 Fig. 7에 나타냈다(2.3절의 방법론 참조). 강원, 경기, 경상지역의 겨울철(12월~2월)을 제외하고 모든 지역과 모든 월에서 음의 상관관계가 나타났다. 특히 여름철 7~8월의 음의 상관관계는 모든 지역에서 통계적으로 유의미하게 나타났다. 이 시기는 잦은 강수구름의 차폐효과로 인해 태양광 에너지의 가용성이 낮아지는데(Fig. 3b), 냉방시설 가동에 의한 높은 전력수요가 발생하는 시기이다. 따라서 Fig. 7의 결과는 전력수요에 비해 부족할 수 있는 여름철 태양광 에너지의 결핍을 해상풍력 에너지가 보완하는 역할을 할 수 있음을 의미한다.

Fig. 7. 
Complementarity index between daily CF_solar and CF_{wind,offshore} across six administrative districts. Complementarity index is defined by the Spearman’s rank correlation at each month (e.g., for January, 31-day × 63-year samples are used to calculate the correlation). Closed and open circles indicate the statistically significant correlations at the 99% and 95% confidence level, respectively.

두 자원 간 상호보완성의 계절간 특징을 살펴보기 위해 경기와 제주지역의 1월과 7월 일평균 CF_solar와 CF_{wind,offshore}의 산점도와 확률밀도함수(probability density function; PDF)를 Fig. 8에 나타냈다. CF_{wind,offshore}의 PDF는 최빈값이 0근처에 있으며 값이 커질수록 발생 빈도가 점차 작아지는 특징을 보이는 반면(y 축 분포), CF_solar의 PDF는 최빈값이 PDF의 중간에 위치한다(x 축 분포). CF_solar의 PDF는 1월(적색)에서 7월(청색)로 갈수록 값이 큰 쪽(오른쪽)으로 이동하고, CF_{wind,offshore}는 값이 작아지는 쪽(아래쪽)으로 이동하는데, 경기(Fig. 8a)와 제주(Fig. 8b)에서 동일하게 나타난다. 이러한 반대방향으로의 변화는 태양광과 해상풍력 사이의 음의 상관관계가 1월보다 7월에 강해지는 것에 기여한다.

Fig. 8. 
(a) Scatter plots between daily CF_solar and CF_{wind,offshore} for (red) January and (blue) July over the period 1961~2023 at GyeongGi. Straight lines are the least-squares fits. Spearman’s rank correlation for each month is shown in the upper right corner. The probability density function (PDF) for daily CF_solar and CF_{wind,offshore} are shown below and to the right of the scatterplot, respectively. (b) Same as (a) but at JeJu.

Figure 7과 Fig. 8이 일 가용성 관점에서의 태양광과 해상풍력의 상호보완성 분석이라면, Fig. 9와 Fig. 10은 일 단위 이하(시간별)에서의 전력공급의 안정성과 관련된 보완성을 다루고 있다. Figure 9a는 태양광과 해상풍력을 같은 비율(50:50)로 혼합발전을 구성하였을 때의 행정구역별 일 C_stab을 지난 63년(1961~2023년)에 대해 월별로 평균한 값이다. C_stab~1.0에 가까울수록 해상풍력 발전에 의해 더해진 전력이 태양광 단독발전에 비해 전력공급의 안정성을 높이는 것을 의미한다. 혼합발전에 의한 C_stab는 겨울철(12월~1월) 동안 최대값을 보이며 6월에 최소값을 보였다. 해상풍력의 비율을 5%로 줄이거나, 95%로 증가시켜도 전반적인 연평균 C_stab의 변화는 있지만 계절성은 유사하게 나타난다(not shown). Figure 9b는 해상풍력 발전의 비율을 5%에서 95%로 증가시킬 때의 연평균 C_stab의 변화를 나타낸 것이다. 모든 지역에서 해상풍력 발전 비율이 증가함에 따라 혼합발전에 의한 일중 안정성이 커지는 경향을 보이지만, 증가폭은 지역에 따라 다소 다르게 관찰된다. 해상풍력 발전 비율이 40%까지는 전라, 경상, 제주 지역에서 C_stab의 증가가 유사하였으나, 45% 이상에서는 제주에서의 안정성 증가가 둔화되었다. 경기와 충청은 모든 혼합발전 사례에서 유사한 C_stab를 보였으며, 강원은 전반적으로 다른 지역에 비해 가장 낮은 C_stab를 보인다.

Fig. 9. 
(a) Monthly-mean C_stab of the hybrid power plant across six administrative districts. The hybrid power plant consists of 50% solar and 50% wind power capacities. (b) Annual-mean C_stab as a function of the wind power ratio in the hybrid power plant. All variables are based on the daily C_stab over the period 1961~2023.

Fig. 10. 
(a) Climatology of hourly (red) CF_solar, (blue) CF_{wind,offshore}, and (black) CF_hybrid for January at GyeongGi. CF_hybrid is computed with 50% solar and 50% wind power capacities. Red and blue shaded areas indicate the added and reduced CFs of the hybrid power plant compared to the solar-only power plant. Climatology is defined by the average of hourly CFs over the period 1961~2023. (b) Same as (a) but for June.

Figure 10은 각 발전원에 따른 CF의 일중 변동성 차이를 보기 위한 그림으로, C_stab의 월별 차이가 크게 나타나는 1월과 6월 경기지역 CF의 시간별 변화를 1961~2023년 평균에 대해 보인 그림이다. 1월과 6월 모두에서, 해상풍력에 의해 더해지는 발전량(적색 면적)은 야간에 뚜렷하고, 감소되는 발전량(청색 면적)은 주간에 집중되어 나타난다. 그 결과, 태양광 단독발전의 CF (CF_solar, 빨간선)에 비해 혼합발전의 CF (CF_hybrid, 검정선)의 일중 변동성이 1월과 6월 모두에서 줄어드는 양상을 보인다. 그러나 CF_{wind,offshore} (파란선)의 절대량 차이에 따라 태양광 단독발전의 일누적 CF(빨간선이 만드는 면적합) 대비 혼합발전의 일누적 CF(검정선이 만드는 면적합)의 변화는 1월에는 증가(CF_solar 2.41 → CF_hybrid 3.38)하지만, 6월에는 감소(CF_solar 5.03 → CF_hybrid 3.54)하는 경향이 나타난다. 일평균 CF_hybrid가 CF_solar 보다 클수록 C_stab는 1에 가까워지므로[식(6) 참조], 이러한 차이가 C_stab가 6월보다 1월에 더 1에 가까운 값을 보이는데 기여한다.

이처럼 태양광과 해상풍력의 혼합발전은 CF의 일중 변동성을 완화시키는 역할을 하는데, 유사한 특징이 계절간 변동성에서도 나타난다. Figure 11은 1961~2023년 동안 평균된 경기와 제주의 일별 CF_solar(빨간선), CF_{wind,offshore}(파란선), CF_hybrid(태양광과 해상풍력 비율이 50:50, 검정선)의 시계열을 보인 예이다. 적색과 청색 면적은 태양광 단독발전과 비교하여 혼합발전에 의해 추가 또는 감소된 CF를 나타낸다. 혼합발전을 할 경우, 겨울철 태양광 에너지 부족 현상이 보완되며 이는 풍력자원이 풍부한 제주(Fig. 11b)에서 경기(Fig. 11a)보다 뚜렷하게 나타난다. 이에 단독발전원으로부터 구한 CF_solar, CF_{wind,offshore} 보다 CF_hybrid에서 계절간의 차이가 작게 나타나는 완만한 시계열을 보이는데, 이는 혼합발전에 의한 전력공급이 단독발전에 비해 보다 안정적으로 이루어지는 것을 의미한다.

Fig. 11. 
(a) Climatology of daily (red) CF_solar, (blue) CF_{wind,offshore}, and (black) CF_hybrid at GyeongGi. CF_hybrid is computed with 50% solar and 50% wind power capacities. Red and blue shaded areas indicate the added and reduced CFs of the hybrid power plant compared to the solar-only power plant. Climatology is defined by the average of daily CFs over the period 1961~2023. (b) Same as (a) but at JeJu.

다음으로 혼합발전이 재생에너지 가뭄일의 발생빈도에 미치는 영향을 살펴보기 위해 태양광과 해상풍력의 비율에 따른 에너지 가뭄일을 분석하였다. Figure 12는 태양광 발전의 설비 비율을 0%에서 100%까지 5%씩 조절하면서(이에 따라 풍력 발전은 100%에서 0%로 구성됨) 각 월별로 나타나는 에너지 가뭄일(CF_hybrid ≤ 0.05)을 태양광 단독발전일 때와 비교한 그림이다. 값이 음수인 경우(청색) 태양광 단독발전에 비해 혼합발전 시 에너지 가뭄일이 줄어듦을 의미하며, 반대로 양수(적색)는 혼합발전에 의해 오히려 에너지 가뭄일이 증가함을 의미한다. 지역과 시기에 따라 차이는 있지만, 겨울철 제주를 제외하고는 해상풍력 단독발전에 의한 에너지 가뭄일이 태양광 단독발전 때 보다 많이 나타난다(Figs. 6a-b 참조). 따라서 제주를 제외한 5개 행정구역에서는 에너지 가뭄일의 감소를 의미하는 음수 영역이 봄철에 가장 넓게 나타나고 겨울철에 가장 좁게 나타나는 계절성을 보인다. 그러나 에너지 가뭄일 수의 계절간 차이는 -0.5일에서 -2.0일로 크지 않다. 11차 전기본에서 목표로 하는 우리나라의 2038년 재생에너지 발전 설비 비율과 가장 유사한 사례(Fig. 12의 검정색 점선 영역, 태양광 65%와 풍력 35%)에서는 전 계절 동안 모든 지역에서 태양광 단독발전보다 혼합발전에서의 에너지 가뭄일이 감소하는 것을 확인할 수 있다.

Fig. 12. 
Differences in renewable energy drought days between the hybrid power plant and the solar-only power plant as a function of calendar month at (a) GyeongGi, (b) ChungCheong, (c) JeolLa, (d) GyeongSang, (e) GangWon, and (f) JeJu. Energy drought days are calculated at each month over the period 1961~2023. The y-axis on the left and right indicate the solar and wind power capacity ratios of the hybrid power plant, respectively. Negative values in blue colors indicate that the hybrid power plant reduces the number of energy drought days compared to the solar-only power plant, and positive values in red colors indicate the opposite. Black dashed box refers to the hybrid power plant with 65% solar and 35% wind power capacities, which is the closest value to the target ratio in year 2038 as described in the 11^th Basic Electricity Supply and Demand Plan of the Korean government (solar 63.3% and wind 33.4%).

계절에 상관없이 최적화된 혼합발전의 비율을 확인하기 위해, Fig. 12의 수치를 연평균하여 Fig. 13에 나타냈다. 제주, 전라, 경상지역에서는 태양광 발전 30% 이상(해상풍력 70% 이하), 경기와 충청에서는 태양광 45% 이상(해상풍력 55% 이하), 강원에서는 태양광 55% 이상(해상풍력 45% 이하)의 혼합발전에서 태양광 단독발전에 비해 에너지 가뭄일의 발생일 수가 감소하기 시작하는 것으로 나타났다. 가장 효율적으로 에너지 가뭄일의 감소가 나타나는 혼합발전의 구성비율(Fig. 13의 x 표시)은 태양광 70~80%(해상풍력 20~30%)에서 나타났으나, 전반적으로 태양광 60~90%(해상풍력 10~40%) 사이에서는 유사한 값이 나타난다. 따라서 11차 전기본에 제시된 혼합발전의 설비비율(태양광 63.3%, 풍력 33.4%)은 극단적인 에너지 가뭄의 발생을 완화하는 데 있어 실질적인 효과를 기대할 수 있는 구성으로 해석될 수 있다.

Fig. 13. 
Same as Fig. 12 but for the annually-averaged values. Negative values indicate that the hybrid power plant reduces the number of energy drought days compared to the solar-only power plant. Crosses represent the greatest reductions in energy drought days.