Corresponding author: Ik-soon Cho, +82-51-410-5072, Nomenclature
T= 로터세일의 총 추력 [N]
L= 로터세일의 양력 [N]
D= 로터세일의 항력 [N]
PT= 프로펠러 출력 [kW]
ηd= 전달효율
ηp= 프로펠러 효율
TP= 프로펠러 추력 [N]
VS= 선속 [m/s]
Q= 연료 소비량 [kg]
PE= 엔진 출력[kW]
SFOC= 선박 연료 소비율[g/kWh]
QMR= 로터세일 운용 시 주 엔진 연료 소비량[kg]
TR= 로터세일 운용으로 발생하는 추가 추력[N]
QM= 주 엔진 기본 연료 소비량 [kg]
Vk= 겉보기 풍속 [m/s]
Vw= 진 풍속 [m/s]
θk= 겉보기 풍향각 [deg]
θw= 진 풍향각 [deg]
θi= 선박 Heading각 [deg]
g(n)= 출발지점에서 노드 n까지의 경로 비용(Goal)
h(n)= 노드 n에서 목표지점까지의 최소 비용 추정치(Heuristic)
f(n)= 계산 값중 가장 적게 나온 값의 합(Fitness)
1. 서 론
범국가적인 온실가스 감축 정책에 따라 선박해운 분야에서도 운항효율을 향상시키기 위한 다양한 시도가 이뤄지고 있다. 웨더 라우팅(Weather Routing) 등의 항로 관련 기술을 비롯해 전기추진, 무탄소 연료 등의 새로운 주 추진 동력원에 대한 기술개발과 함께 다양한 방식의 탄소중립에 대한 연구도 진행되고 있다(Fabian and Jonas, 2020). 국제해사기구 IMO(International Maritime Organization)의 제80차 해양환경보호위원회(MEPC:Marine Environment Protection Committee) 이후, 해운 산업에서는 온실가스 배출과 연료 소비를 줄이기 위한 다양한 기술적 대안들이 모색되고 있는데, 이러한 맥락에서 풍력보조추진선박(WAPS, Wind Assisted Propulsion Ship)은 선박의 연료 효율성을 개선하고 온실가스 배출을 감소시키는 실행 가능한 기술로 각광받고 있다(KMI, 2023). 풍력추진선박의 종류는 Rotor-sail, Soft wing-sail, Hard wing- sail, Suction-wing, Kites 등이 있다(Calic and Katalinic, 2024). Fig. 1(a)에 따르면 2023년 중반까지 30척의 선박에 풍력보조추진선박이 건조되었으며, 추가로 26척의 선박이 설치 중이거나 향후 설치가 예정되어 있다. 이 중 18척은 신조선이며, 38척은 기존 선박이 해당 기술을 적용하기 위해 개조 중이다. 특히 로터세일은 이러한 풍력보조추진시스템 중에서도 가장 널리 상용화된 방법으로, Fig. 1(b)에 따르면 로터세일이 설치된 풍력보조추진선박은 23척으로 상당 수가 로터세일을 사용하고 있음을 보여준다.
로터세일(Rotor-Sail)은 선박에 설치된 높은 수직 실린더 형태의 구조물이 회전하면서 바람을 활용하여 추가적인 추진력을 제공하는 기술로, 마그누스 효과(Magnus Effect)를 이용한다. 즉, 회전하는 실린더에 바람이 불어올 때, 풍향에 대해 수직 방향으로 발생하는 양력을 선박의 추진력으로 활용하여, 주엔진의 부하를 줄이고 연료 소비를 절감할 수 있다. 이를 통해, 에너지 효율 설계 지수(EEDI), 에너지 효율 기존선 지수(EEXI), 탄소 집약도 지수(CII)와 같은 국제 규제 준수에 기여할 수 있다(James, 2021). Fig. 2(a)는 로터세일의 원리인 매그너스 효과를 설명하며, Fig. 2(b)는 로터세일 탑재선박 Sea Zhoushan호이다. Sea Zhoushan호는 2021년에 건조되어 Pan ocean社에서 운영중인 대형 신조 벌크선으로 우리나라 최초의 로터세일 선박이다. 전장 340미터 길이에 325,000 DWT의 VLOC(Very Large Ore Carrier)로, Norsepower社의 24m x 4m 크기의 로터 세일 5개가 설치되었다. 또한 화물 작업을 방해하지 않도록, 설계된 5개의 로터 세일은 화물칸 사이에서 수평으로 접힐 수 있도록 배치되었다.
로터세일을 탑재한 선박의 성능평가는 기존의 선박의 성능평가에 비해 복잡한 과정을 요구한다. 로터세일의 추력생성이 기상 조건이라는 외부 변수에 크게 의존하기 때문이다. 선박의 운항 시기와 항로에 따라 기상 조건은 크게 달라질 수 있으며, 이는 로터세일선박의 성능평가에 중요한 요소로 작용한다(Berendschot, 2017). 또한, 로터세일을 탑재한 선박의 성능을 일반화하고 신뢰할 수 있는 결과를 도출하기 위해 중⋅장기적인 기상 데이터의 활용이 중요하다(Fredrik and Jonas, 2020). 시운전과 같이 단기간 기상데이터에 의존하는 기존 방식에는 한계가 있다. 따라서, 다양한 계절과 여러 해에 걸쳐 수집된 기상데이터를 활용하여 정확한 선박 성능을 산출하는 것이 필요하다. 이러한 접근은 로터세일선박이 직면할 수 있는 다양한 기상 조건에서의 선박성능을 추정하고, 이를 통해 선박의 객관적인 운항 효율성을 파악할 수 있는 기반을 마련한다(IMO MEPC.1/Circ.815, 2013).
이와 함께, 로터세일 선박의 운항효율을 높이기 위해서는 풍황을 적극적으로 활용하여 추력 발생에 유리한 최적항로를 탐색할 필요가 있다. 기존 선박의 경우 최단경로를 기반으로 한 항로를 따라 운항한다. 로터세일 선박이 기존 선박의 항로를 따라 항해할 시, 수동적으로 조우하는 풍황만을 활용하게 되어 효율성이 제한된다. 로터세일은 풍황이 운용 효율을 결정하는 지배적인 요소로 작용하기 때문에 기존 선박을 위한 항로에서는 최적의 효율을 얻기 어렵다. 따라서 로터세일선박은 추력생성에 유리한 풍황을 적극적으로 활용할 수 있는 최적항로 탐색이 필요하다.
본 연구는 로터세일을 장착한 선박이 대양에서 최적의 항로를 탐색할 수 있도록 그래프 이론을 적용하였다. 그래프 이론은 정점과 간선으로 구성된 그래프를 사용하여 복잡한 네트워크 문제를 분석하고 해결하는 수학의 한 분야이다(Tiwari and Swati, 2021). 특히, 그래프 이론은 경로 탐색에 핵심적인 도구로 사용되며, 경로의 다양한 최적화에 데 중요한 역할을 한다(Meenakshi, 2022). 육상에서는 기존의 교통 네트워크를 활용하여 경로 최적화를 수행할 수 있지만, 해상에서는 이러한 네트워크가 존재하지 않기 때문에, 항로 최적화를 위해 새로운 교통 네트워크를 구축해야 한다. 기존의 해상 최적 항로 연구는 주로 격자 기반(Grid-based) 접근법을 사용하여 수행되었으나, 이 방법은 대양 항해에서 필수적인 지구의 곡률을 정확히 반영하지 못하는 한계가 있다(Lee and Kim, 2024). 따라서 본 연구는 해상에 노드 네트워크를 구축하여 선박의 최적 항로를 도출하는 접근 방식을 제안하였다. 이 방법을 통해 로터세일선박의 최적 항로를 도출함으로써 운항 효율성을 극대화하였다. 또한 중⋅장기적인 해상환경에서 풍력보조추진선박의 운항효율을 분석하기 위한 기초연구를 수행하였다.
2. 선행 연구
IMO MEPC.1/CIRC.896(2021)에서는 로터세일을 사용한 풍력보조추진선박의 운항 효율을 평가하는 방법에 대해 설명하고 있다. 이 문건에서는 선박이 통상적으로 항해하는 항로를 Main global shipping network로 정의하였으며, Main global shipping network의 106개의 지점에서 수집한 868,500개의 풍황데이터로 Global wind probability matrix로 작성하였다(Fig. 3(a)). Global wind probability matrix는 1~25 m/s의 풍속과 0~360도의 풍향으로 작성되었으며, 정규화를 통해 합이 1인 이산확률분포표로 만들어졌다. 풍향/풍속별 로터세일의 추력과 Global wind probability matrix를 IMO에서 제시한 EEDI 산출식에 대입하여 로터세일 선박의 EEDI를 도출하였다(Fig. 3(b)). 그러나 이 방법론은 전 세계 항로를 기반으로 항로 위에 특정 포인트를 설정하고 풍황 데이터를 취득함으로써, 항로별 및 시기별로 달라지는 풍황 특성을 충분히 반영하지 못하여 로터세일선박의 성능을 제한적으로 평가하는 데 한계가 있다. 이와 같은 문제점을 제시한 연구에 따르면 중동-극동아시아 항로를 이용하는 로터세일선박이 실제 운항 항로에서 취득한 풍황데이터를 사용하여 계산한 EEDI 개선율은 16% 였으나, IMO에서 제시한 Main global shipping network와 Global wind probabaility matrix를 활용한 방법론으로 계산했을 때 EEDI개선율은 1.6%에 그쳤다고 밝혔다(IMO MEPC 74/INF.39, 2019).
Fig. 3
IMO 2021 Guidance on treatment of innovative energy efficiency technologies for calculation and verification of the attained EEDI and EEXI
Lloyd 선급은 선박별 특성과 시기(월)별 풍황을 고려한 로터세일선박의 성능을 평가하였다. 그리고 출발지와 도착지 설정을 통해 원하는 항로에서 효율을 도출할 수 있다. 하지만 이 항로는 출발지와 도착지 사이의 최단경로만 고려하여 운항 중 마주하는 풍황을 이용하는 수동적인 운항에 불과하다. 반면 로터세일선박의 연료절감 성능을 높이기 위해 독일과 핀란드는 로터세일선박에 유리한 풍황을 고려하여 최적항로를 운항한 선박성능을 사용할 것을 IMO MEPC 76/6차 회의에서 제안하였다(IMO, 2021). 해당 연구에서는 8,600 DWT RO-RO 선박이 최단거리 항로를 운항하는 동안 관측된 풍황 데이터 중 상위 50%에 해당하는 유리한 풍황 조건만을 선택하여 이를 기반으로 연료 절감율을 15%에서 30%까지 향상시켰다. 이는 최적 항로를 따라 운항할 때 불리한 풍황 조건을 자연스럽게 제외하는 방식으로, 항로 선택에 따라 연료 절감 성능이 크게 좌우된다는 점을 강조한 접근이다. 그러나 이러한 상위 50% 기준은 유의 파고 계산 시 상위 1/3을 활용하는 경험적 방법에 착안한 것으로, 객관적이고 기술적인 정당성을 명확히 뒷받침하지 못하였다.
로터세일을 장착한 선박은 바람을 적극적으로 활용해야 하는 특성상, 풍력보조추진선박에 적합한 최적항로를 개발하는 연구가 활발히 진행되고 있다. Table 1에서는 풍력보조추진선박이 최적 항로로 운항할 때, 전통적으로 운항하는 항로 대비 어느 정도의 운항효율을 향상시킬 수 있는지 확인할 수 있다.
Table 1
Preliminary studies on optimal routes for rotor-sails
Table 2는 다양한 기관에서 진행된 풍력보조추진선박의 최적항로 연구에 대한 자료이다. 이 표에서는 IMO, SSPA(Swedish Maritime Research Institute), University of Manchester, Delft University of Technology 그리고 Weather I社에서 진행한 연구를 통해 다양한 조건과 접근 방식을 비교하였다. 이들 기관은 각각의 방법론과 데이터를 사용하여 풍력보조추진선박의 효율적인 경로를 설계하기 위해 다양한 기술과 모델을 적용하였다.
Table 2
Comparative operational efficiency analysis of Wind-Assisted Propulsion Ships studies
이는 많은 선행 연구에서 풍력보조추진선박이 풍황이 유리한 최적 항로를 활용하는 것이 연료 절감과 운항효율 향상에 필수적이라는 점에 동의하고 이를 강조한 바 있으며, 이러한 접근이 풍력 보조 추진 선박의 운항 성능을 극대화하는 핵심 요소임을 시사한다. 하지만 기존의 풍력보조추진선박 성능평가 방법은 풍황 데이터 취득 지점을 Fig. 3(a)와 같은 통상항로나 최단항로에 고정시키는 방식으로 진행되어 왔다. 이는 풍력보조추진선박의 중⋅장기적 운항효율을 평가하는 데에는 적합할 수 있지만, 최적 항로를 탐색하지 못하는 한계로 인해 선박의 운항효율이 저평가되는 문제를 야기한다. 이러한 문제를 해결하기 위해서는 최적 항로를 고려하면서 중장기적 운항효율을 평가할 수 있는 새로운 풍력보조추진선박의 성능평가 방법론이 필요하다.
3. 연구방법
3.1 연구개요
풍력 보조 추진 선박의 최적 항로를 도출하기 위한 연구는 전처리(Pre-processing), 커스터마이징(Customizing), 그리고 최적항로생성(Routing)과 같은 세 단계로 구성된다(Fig. 4). 첫 번째 단계인 Pre-processing에서는 선박의 항해에 필요한 초기 설정과 데이터 구성을 수행한다. 이 과정에서 탑재하고자 하는 로터세일의 유형을 선택하고 CFD(Computational Fluid Dynamics)를 통해 유체 동역학적 해석을 수행한다. 수행된 해석을 통해 풍향풍속별 해당 로터세일의 양력과 항력 데이터베이스를 구축한다. 이어서 대상 선박의 연료 소비 패턴과 엔진 사양을 포함한 선박 상세 정보를 수집 및 전처리한다. 이 작업을 통해 로터세일과 선박의 추력 데이터를 호환가능하게 조정하여 선박의 출력을 제어 및 최적화 할 수 있게 한다. 또한 출발 및 도착 정보를 기반으로, 항해 금지 구역과 같은 정적 장애물을 고려하여 통항 가능한 구역을 선별하는 과정을 진행한다. 선별된 통항 가능 구역은 항해 노선 계획의 기초 자료로 활용되며, 다음으로 진행될 날씨 정보 수집을 위한 해역 설정에도 적용된다. 항정선(Lhumb line)혹은 대권(Great circle)을 구분하여 기본값을 설정함으로써, 대양 항해에서도 최단 거리 기반의 최적 항로를 탐색할 수 있다. 날씨 정보 수집을 위한 해역 설정은 알고리즘의 복잡도와 연산 시간에 직접적인 영향을 미치므로, 연산 부담을 최소화하면서도 충분한 탐색 영역을 확보할 수 있도록 최적의 해역 크기를 설정하는 것이 중요하다.
다음 단계인 Customizing에서는 기상 데이터 처리, 노드 배치 최적화, 그리고 노드에 데이터를 할당하는 작업을 수행한다. 이 단계에서는 ECMWF(European Centre for Medium-Range Weather Forecasts)의 재분석 기상 모델을 사용하여 NetCDF 포맷으로 데이터를 다운로드한다. 다운로드된 데이터는 추출 및 스케일링을 통해 전처리 과정을 거친다. 또한, 다운로드 데이터가 지구좌표계 기반의 절대 풍황을 기준으로 되어 있기 때문에 선박의 좌표계를 기반으로 한 상대 풍황으로 변환한다. 전처리된 기상 데이터는 라우팅 단계에서 경로 계획에 활용된다. 또한, 본 연구에서는 대양 항해만을 고려하여 대권항로(Great Circle Route) 기반의 노드 네트워크를 구축하고, 각 노드에 전처리된 데이터를 할당한다.
마지막 단계인 Routing에서는 최단거리 기반 그래프 네트워크를 구축한다. 그래프 네트워크는 노드-링크를 활용하며, 해당 노드에는 전처리된 선박과 기상정보 데이터를 포함하고 있다. 로터세일선박이 풍황이 유리한 지점을 추종할 수 있도록 변형된 A*알고리즘을 사용해 풍력보조추진선박의 최적항로 도출하고 연료 절감효과를 제시한다.
4. 풍력보조추진장치 효율 산정
4.1 로터세일과 유동장 모델링
Fig. 5와 같이 로터세일의 직경을 D, 높이를 6D로 정했고, 유동 개선을 위한 상부 구조물(Top plate)은 직경 1.5D, 두께 0.1D로 모델링했다. 해석 도메인으로는 폭 20D, 높이 17D, 길이 37D 영역을 모델링했으며. ICEM CFD를 이용해 로터세일과 도메인에서 약 120만개 노드의 육면체 격자를 생성했다.
4.2 해석 조건 및 케이스
4.3 단일 로터세일 해석 결과
풍속은 각각 0~25 m/s 구간에서 5 m/s 단위로 구분했고 로터세일 회전수는 150~360 rpm 구간에서 30 rpm 단위로 구분해 총 48개 모델에 대해 수치해석을 수행했다. Table 4에는 해석 결과의 일부인 회전수 240 rpm 일 때의 풍속별 해석 결과를 나타냈다.
4.4 다중 배열 로터세일의 추력 추정
대부분의 로터세일 선박에서는 다수의 배열된 로터세일이 설치된다. 이를 위해 수치해석으로 계산된 단일 로터세일의 양력과 항력으로부터 직렬로 배열된 로터세일 4기의 추력을 추정했다. 로터세일간 상호작용 및 다중 배열로 인한 로터세일 후류의 영향을 고려해 양, 항력 손실률 30%를 적용해 로터세일 4기에 대한 양력과 항력을 계산하고 계산된 양, 항력과 풍향에 따라 추력을 Eq. (1)과 같이 계산했다(Fabian et al., 2003; Marco et al., 2016).
여기서, T= 로터세일의 총 추력 [kN], L= 로터세일의 양력[kN], D= 로터세일의 항력 [kN]
상기 과정을 통해 풍향 0~180도 범위에서 로터세일 4기의 추력을 계산한 결과는 Fig. 7과 같다.
5. 운항효율 분석
5.1 선박 제원
본 연구에서는 로터세일을 운용하는 선박으로 한국조선해양기자재연구원에서 건조 중인 17K DWT Bulk Carrier를 모델로 선정했다. 대상 선박의 주요 제원은 Table 5와 같다. 중형급 로터세일 4기는 선박의 Center line을 기준으로 갑판부에 직렬로 설치하였으며, 로터세일 적용 선박은 Fig. 8과 같다. 본 연구에서는 로터세일이 장착되지 않은 상태의 선박 제원을 사용하여 연료 소비량을 산정하였으며, 이 과정에서 일부 연료 소비량의 오차가 발생하였다. 향후 연구에서는 로터세일 장착 후 변경된 선박 제원을 반영하여 보다 정밀한 연료 소비량 분석이 필요하다. 그러나, 본 연구에서 제시한 최적 항로 탐색 결과는 로터세일의 추력 발생에 유리한 풍황을 추종하는 방향으로 경로를 설정하는 경향을 명확히 보여주고 있으며, 이는 풍황 기반 항로 최적화 알고리즘의 설계 방향성 제시에 있어 충분한 의미를 가진다.
Table 5
Ship specifications of 17K DWT Bulk Carrier
5.2 주 엔진 연료 소비량 산정
선박을 추진시키기 위하여 프로펠러에서 발생하는 출력은 Eq. (2)와 같이 계산된다.
여기서, PT= 프로펠러 출력 [kW], PB= 엔진 출력 [kW], ηd= 전달효율, ηp= 프로펠러 효율
로터세일이 생성하는 추력과 주 추진장치의 추력을 비교하기 위해 Eq. (3)와 같이 프로펠러 추력을 산정했다. 이때 대상 선박 추진 시스템의 전달효율은 98 % 이고, 프로펠러 효율은 80 % 를 적용했다.
여기서, TP= 프로펠러 추력 [N], VS= 선속 [m/s]
선박이 동일한 속도를 유지할 경우 로터세일 운용에서 발생하는 보조적인 추력으로 주 엔진이 프로펠러에 전달해야 하는 동력이 줄어들어 엔진의 출력 요구가 감소한다. 이를 바탕으로 로터세일 운용 시 주 엔진의 시간당 연료 소비량을 Eqs. (4) and (5)와 같이 계산했다.
여기서, Q= 연료 소비량 [kg], PE= 엔진 출력 [kW], SFOC = 특정 연료 소비율 [g/kWh]
여기서, QMR= 로터세일 운용 시 주 엔진 연료 소비량 [kg], TR= 로터세일 운용으로 발생하는 추가 추력 [N], QM= 주 엔진 기본 연료 소비량 [kg]
6. 로터세일 적용 선박의 최적항로
6.1 대상 항로 및 노드 기반 그래프 네트워크
본 연구에서는 로터세일선박을 위한 최적항로를 도출하기 위해 북대서양 횡단 항로를 대상 해역으로 지정하였다. 연안 항해에서 로터세일선박의 최적 항로는 경제적인 연료 절감보다 안전성에 중점을 둔 최적화 작업이 더욱 중요하기 때문에 본 연구에서는 대양항해 단위의 최적항로를 탐색하였다. 대상 선박 운항의 시작 노드는 미국 Norfolk(40°00’N, 75°00’W)을 출항해 지브롤터 해협(Gibraltar straits) 입구(37°00‘N, 11°00’W)를 도착 노드로 하며, 이 때 두 지점 간의 최단거리가 되는 대권항로는 3,089NM(5,721km)이다.
경로최적화 연구에서는 그래프 네트워크 구성이 필수적이다. 하지만 육지와는 달리 해상에는 정해진 길이 없기 때문에, 경로 최적화를 수행하기 위해 그래프 네트워크를 구축해야 한다. 기존 항로 최적화 연구는 주로 격자 그래프 방식을 사용했으나, 이 방식은 연안에서 지구의 곡률이 격자 크기의 면적 왜곡에 영향을 미치지 않을 때 효과적이다(Lee and Kim, 2024). 대양 항해를 계획할 때는 지구의 곡률을 고려하여 최단 경로를 제공하는 대권항로를 구현하기 위해 노드 기반 그래프 네트워크를 사용해야 한다(Fig. 9(a)).
그래프를 만드는 과정에서 각 노드에 입력되어야 하는 장기간 날씨 데이터의 양이 많기 때문에, 항로 탐색에 필요 없는 노드를 제거함으로써 연산에 필요한 데이터 양을 줄인다. 이 과정을 통해 노드 네트워크에서 경로 탐색 알고리즘을 실행할 때의 계산 복잡성을 감소시키고, 처리시간을 단축시킬 수 있다. 또한 육지에 인접한 노드는 제거된다. 이번 연구에서 사용된 북대서양 횡단 항로에서는 아조레스 제도(Azores Islands)에 인접한 노드를 제거하였다. 이러한 과정을 통해 도출된 그래프 네트워크는 Fig. 9(b)에서 확인할 수 있다.
또한 노드 네트워크는 이동 방향을 유연하게 할 수 있는 장점이 있다. 기존의 격자기반 방법은 인접 노드가 8개로 제한되어 있어 8방위 이동만 가능하며, 최소 변침 각도는 45도로 선박의 이동 방향 선택에 제약을 받는다. 반면, 본 연구에서 제시하는 노드 그래프는 노드 간의 가로세로 비율을 조정하여 더 유연한 변침 각도를 제공할 수 있다. 예를 들어, 090도 방향으로 진행 중인 선박이 격자 그래프에서 방향을 한 칸만 틀 경우 45도의 변침과 함께 기존 루트 대비 약 41.4%의 거리 증가율이 발생한다. 그러나 노드 그래프에서 가로세로 비율이 2:1일 경우, 방향을 한 칸 틀면 26.6도의 변침과 약 11.8%의 거리 증가율, 가로세로 비율이 4:1인 경우는 방향을 한 칸 틀면 14도의 변침과 약 3.1%의 거리 증가율, 가로세로 비율 6:1인 경우 방향을 한 칸 틀면 9.5도의 변침과 1.4%의 거리 증가율이 발생한다(Table 6). 이러한 비교를 통해 노드 기반 그래프가 해상 항법에서 더 효율적이고 합리적인 이동을 가능하게 함을 확인할 수 있다. 또한 Fig. 10에서 보듯이, 풍향에 따라 로터세일이 낼 수 있는 추력에는 차이가 있으며, 최소 변침 각도가 작을수록 유리한 풍향을 추종할 수 있는 장점이 있다.
Table 6
Comparison of distance increase rate and minimum course change angle between Grid graph and Node graph
6.2 풍황데이터 분석
전체 항로 구간을 Table 7과 같이 Copernicus의 ECMWF- ERA5 풍황 데이터를 사용해 로터세일을 운용하는 선박 관점에서의 2024년도 1월 1일~10일간 북대서양 항로 풍황지도를 도출했다. 풍황지도는 QGIS(Quantum Geographic Information System, 오픈소스 데스크탑 지리정보시스템)을 이용해 기본 제공형태인 mesh wind vector map을 point wind vector map으로 변형해 도출하였다. 이 연구에서 사용된 기상 정보는 진풍황(True wind)을 기반으로 제공되었다. 선박에서 실제로 경험하는 풍황은 겉보기 풍황(Apparent wind)이므로, 제공된 풍속과 방향을 선박에서 관측되는 값으로 보정하는 과정이 필요하다. 이를 위해, 겉보기 풍속은 Eq. (6)를 사용하여 계산하였으며, 겉보기 풍향은 Eq. (7)을 사용하여 도출하였다.
여기서, Vk= 겉보기 풍속 [m/s], Vw= 진 풍속 [m/s], VS= 선속 [m/s], θk= 겉보기 풍향각 [deg], θw= 진 풍향각 [deg], θi= 선박 Heading각 [deg]
6.3 최적항로 도출
로터세일을 운용하는 선박을 위해 기상 정보 기반의 최적 항로 탐색 알고리즘을 구성하였다. 해당 알고리즘은 A* 알고리즘을 변형하여 적용하였다. A* 알고리즘은 시작지점에서 목적지점까지 최적 우선 탐색규칙을 적용하여 최단경로를 산출하는 선택적인 탐색 알고리즘이다. 각 노드의 탐색 우선순위는 평가 함수식 Eq. (8)에 의해 결정된다(Lee and Kim, 2014). 본 연구에서, g(n)함수는 로터세일이 높은 추력을 생성할 수 있도록 로터세일 선박이 유리한 풍황(풍속 및 풍향)을 추종하도록 설계하였고, h(n)함수는 목적지까지의 최단 경로를 고려하였다.
여기서, g(n)= 출발지점에서 노드 n까지의 경로 비용(Goal), h(n)= 노드 n에서 목표지점까지의 최소 비용 추정치(Heuristic), f(n)= 계산 값중 가장 적게 나온 값의 합(Fitness)
대상 해역에 150 km × 80 km의 풍황지도를 생성하고 이를 기반으로 해상 노드 네트워크를 구축하였다. 각 노드에는 해당 위치의 겉보기 풍황(풍향과 풍속), 선박의 동적 정보(속도와 방위), 그리고 해당 조건에서의 로터세일 추력 정보를 반영하였다. 노드 네트워크는 대권항로를 기준으로 약 경도 2도, 위도 1도 간격으로 구성되었으며, 총 1,204개의 노드가 구축되었다. 각 노드 간 이동 시, 로터세일 추력에 따른 연료 절감량과 이동거리를 함께 고려하여, 총 연료절감율이 최대가 되는 경로를 선정하였다. 탐색 결과, 34개의 변침점(Waypoint)을 생성하였으나, 격자형 해도에서 이동 각도의 한계를 보완하고, 고효율 풍황 추종으로 인한 거리증가를 최소화하기 위해 최종적으로 27개의 변침점을 생성했다. 본 연구를 통해 생성된 풍황지도와 최적항로를 Fig. 11에 나타냈다. 검은색으로 표시된 선은 대권항로로 거리는 3089 NM (5721 km)이며, 빨간색선은 로터세일을 탑재한 풍력보조추진선박을 위한 최적항로로 거리는 3232 NM (5986 km)이다.
6.4 연료 소비량 비교 분석
본 연구를 통해 얻은 로터세일의 풍황별 추력과 선박의 연료소모량, 항로별 기상정보로부터 17K 급 벌크선의 대서양 횡단 구간 연료소모량을 산출했다. 로터세일선박 최적항로의 연료절감 효과를 비교하기 위해, 최적항로와 대권항로에서의 연료소모량을 각각 산출했다.
동일한 대권항로를 이용하는 선박이 주 추진장치 만을 사용하는 경우와 로터세일 운용을 병행하는 경우, 동일한 선속을 유지한다고 가정할 때 7.6%의 연료절감효과가 있었다. 로터세일 운용에 유리한 풍황을 추종하는 최적경로를 따라 항해 할 경우 로터세일을 운용하지 않는 대권항로 운항과 비교했을 때는 17.7% 연료절감을 얻었다. Table 8과 Fig. 12에서는 대권항로와 최적항로 간 운항소요시간과 연료소모량, 연료절감율을 비교했다.
Table 8
Comparison of WAPS Fuel Consumption: Great Circle Route vs. Optimized Route
Fig. 13은 로터세일을 운용하는 선박이 최단거리와 최적항로를 따라 항해 시 연료절감 효과를 비교하였다. 최단거리를 따라 항해 시 총 운항거리는 5,721 km 최적항로로 항해 시에는 5,986 km였다. 이에 따른 운항시간은 268.6 h에서 281.0 h로 4.6% 증가하였다. 연료 소모량은 각각 125.65 ton과 111.88 ton으로 최적항로로 항해 시 10.9%의 추가 연료절감효과를 달성하였다.
Fig. 14는 로터세일선박이 최적항로를 따라 항해 시 마주하는 풍속과 연료절감효과를 비교하였다. 일부 항로 구간을 제외하고는 최적항로를 따라서 풍속이 높은 구간이 연료절감효과가 높은 경향을 확인하였다. 일부 항로 구간에서는 풍속이 높음에도 불구하고, 로터세일의 효율적 추력 생성에 불리한 풍향 조건으로 인해 연료절감효과가 제한적인 것으로 분석되었다. 이러한 현상은 선박이 목적지로 도착하기 위한 변침을 수행한 구간으로, 최적항로 탐색 알고리즘 설계 시 목적지 지향성(Weighted destination heading)을 가진 휴리스틱 함수가 포함된 결과로 판단된다.
Fig. 15는 로터세일선박이 최적항로를 따라 항해 시 마주하는 풍향을 바람장미로 나타낸 그림이다. TWD(True wind direction)은 주로 서풍 및 북서풍 계열로 나타난다. 이는 북대서양 겨울철에 중위도 편서풍이 우세한 기상 특성과 일치하며, 실험이 실제 기상 패턴을 효과적으로 반영했음 시사한다. 또한, AWD(Apparent wind direction)는 로터세일의 효율적 운용이 가능한 측풍 구간(Beam Wind)에 다수의 풍향이 분포하여, 본 연구에서 설정한 최적항로에서 로터세일이 풍황을 효과적으로 활용한 것으로 평가된다. 일부 구간에서는 전방풍이 관측되었는데, 이러한 현상은 선박이 목적지로 도착하기 위한 변침을 수행한 구간으로, 최적항로 탐색 알고리즘 설계 시 목적지 지향성(Weighted destination heading)을 가진 휴리스틱 함수가 포함된 결과로 판단된다.
6.5 운항시간 비교분석
Table 8과 같이 최적항로를 따라 항해할 경우 최단거리로 항해할 경우보다 운항 시간이 약 4.6% 증가하였다. 이는 연료 절감 효과를 극대화하기 위해 풍황이 유리한 해역을 따라 항로를 설정함으로써 최단항로에서 이로(Deviation)한 결과이다. 또한 실험대상 선박의 선속을 고정시킨 후 로터세일로부터 얻은 추력만큼 엔진 출력을 감소시켜 연료 절감 효과를 도출하였다. 이는 선박의 선형이 최적의 선속으로 운항하도록 설계되어 있어, 해당 선속을 유지하며 운항하는 것을 전제로 한 연구였다. 이에 따라 이 연구에서는 선박의 정시성을 고려하지 않은 최적항로를 도출하였다. 그러나 선박이 연간 항해 시간 중 약 4~6%를 입항을 위해 앵커리지에서 대기하는 시간을 고려할 때, 합리적인 운항 스케줄 조정을 통해 이러한 운항 시간 증가는 충분히 수용 가능한 수준임을 의미한다(UCL, 2024). Table 9는 다양한 선종별로 평균 연료소비 분포를 보여준다. 항해 중 연료소비와 접안, 정박, 정박지로 이동 중의 연료소비를 백분율로 나타내었으며 항내에서의 체류시간을 예측할 수 있다.
Table 9
Average distribution of fuel consumption over the activities of the different ship types. (IMO, 2020)
7. 결 론
본 논문의 주된 목표는 로터세일을 활용한 풍력보조추진선박의 최적 항로를 도출하여 선박의 운항효율을 극대화하고 최적 항로로 운항할 경우 운항효율 향상 효과를 정량적으로 분석함으로써 이 기술의 효용성을 입증하는 것이다. 노드 네트워크를 활용한 최적항로 탐색은 기존의 격자 그래프를 활용한 최적항로 탐색법이 가진 이동방향의 한계를 극복하며 이동 방향을 유연하게 할 수 있는 장점을 제공한다. 기존 격자 그래프에서는 인접 노드가 8개로 제한되어 8방위 이동만 가능하며, 이는 최소 45도의 변침 각도를 강제하며 선박의 이동 방향 선택에 큰 제약을 준다. 반면, 노드 네트워크는 노드 간의 가로세로 비율을 조정함으로써 사용자가 원하는 변침각도에 가까운 유연한 변침 각도를 제공한다. 예를 들어, 090도 방향으로 진행 중인 선박이 격자 그래프에서 방향을 한 칸만 틀 경우 45도의 변침과 함께 약 41.4%의 거리 증가율이 발생하지만, 노드 네트워크에서는 가로세로 비율이 2:1일 경우, 방향을 한 칸 틀면 26.6도의 변침과 약 11.8%의 거리 증가율이, 4:1인 경우는 14도의 변침과 약 3.1%의 거리 증가율이, 6:1인 경우는 9.5도의 변침과 1.4%의 거리 증가율이 발생한다. 이러한 노드 네트워크의 구성은 풍력보조추진선박이 풍향을 좀 더 유연하게 추종할 수 있게 하며, 이는 최적의 풍황 조건을 활용하여 연료 소비를 현저히 줄이는 효과적인 방법을 제공한다. 또한, 수치해석을 통해 다양한 풍황 조건에서 로터세일의 추력을 추정하였고, A*알고리즘을 변형하여 기상정보 기반으로 로터세일선박이 높은 효율을 달성할 수 있는 최적항로 알고리즘을 개발하였다. 이 알고리즘을 바탕으로, 북대서양 횡단 항로를 운항하는 17K 급 로터세일선박의 최적항로를 도출하고 운항효율을 분석하였다.
계산 결과 최단거리를 운항하는 대권항로에서 로터세일을 탑재한 선박은 7.6%의 연료절감이 있었다. 동일한 로터세일을 운용하는 선박이 최적항로를 운항하는 경우에는 추가적으로 10.9%의 연료절감이 있었다. 그러나 추력생성에 유리한 풍황을 추종하기 위한 이로로 인해 약 4.6% 정도의 항해시간 증가가 발생했다.
이와 같이 본 연구에서는 로터세일방식의 풍력보조추진선박의 최적 항로를 도출하여 선박의 운항효율을 극대화하였다. 이를 통해 기존 선박이 로터세일을 탑재하고 최적항로로 운항할 경우, 운항효율 향상의 실제 효과를 정량적으로 분석함으로써 이 기술의 효용성을 입증하였다. 또한, 중⋅장기적인 해상환경을 반영한 신뢰할 수 있는 풍력보조추진선박의 운항성능평가를 위한 기초연구를 수행하였다. 향후 연구에서는 대서양 횡단 항로를 대상으로 최근 10년간의 실제 해상 환경 데이터를 기반으로 최적 항로 시뮬레이션을 수행하여, 중⋅장기적인 풍력보조추진선박의 운항성능을 평가할 계획이다. 이러한 연구를 통해 다양한 기상 조건에서의 로터세일 방식의 풍력보조추진선박의 운항성능을 예측하고, 로터세일의 실선 적용 가능성을 검토하는 데 기여할 것으로 기대된다.
본 연구는 몇 가지 한계를 가진다. 첫째, 본 연구에서는 선속을 고정한 상태에서 로터세일로부터 발생하는 추력만큼 주기관 출력을 감발하여 연료 절감 효과를 도출하였다. 이는 선박의 선형이 특정 최적 선속에서의 성능이 극대화되도록 설계되어 있으며, 해당 선속을 유지하는 것을 전제로 분석을 수행한 결과이다. 향후 연구에서는 선속 가변성까지 반영한 다중목적 최적화 알고리즘을 적용함으로써, 연료 절감과 더불어 도착시간을 고려한 최적항로 도출 방안을 모색할 필요가 있다. 이를 통해 선박은 Slow Steaming을 통한 연료 절감 효과를 극대화하면서도, 입항 스케줄을 준수할 수 있는 운항 유연성을 확보할 수 있을 것이다.
둘째, 이 연구에서는 로터세일로부터 얻는 추력만큼 엔진 출력을 줄임으로써 얻게 되는 연료 절감 효과만을 고려하여 풍력보조추진선박의 연료 절감을 분석하였다. 그러나, 이는 가스 감축을 통한 환경 규제 대응, 친환경 연료나 기술의 사용, 그리고 EU ETS(European Union Emissions Trading System)로부터 얻을 수 있는 경제적 이득을 고려하지 않았다. 또한, 국제풍력선협회(IWSA: International Wind ship Association)이 해사환경보호위원회 82차 회의에서 제시한 MEPC82/7/9(2024)에 따르면, 풍력보조추진선박이 온실가스 감축 연료(Greenhouse Gas Feul)로 인정받을 경우 추가적인 이점을 얻을 수 있다. 이러한 요소들을 종합적으로 고려하여 운항 효율을 계산하는 것이 필요하다. 또한, 발전기 운용으로 인한 추가 연료 소모량을 고려하여 보다 정교한 연료 소비 모델을 개발할 필요가 있다. 이와 함께, 로터세일이 효과적인 풍황 자원을 활용하는 해역에서는 높은 파고로 인해 발생하는 추가적인 저항이 연료 소비를 증가시킬 수 있으므로, 이러한 요소들도 연료 소비 모델에 반영해야 한다.
셋째, 날씨 데이터의 불확실성은 여전히 해결해야 할 중요한 과제로 남아 있다. 본 연구에서는 과거 기상 데이터를 기반으로 기상 예측에 따른 불확실성을 일부 완화하고자 하였으나, 해당 데이터 역시 실측 자료가 아닌 재구성된 데이터이므로, 기상 정보의 정확도에는 근본적인 한계가 존재한다. 또한, 최적 항로 탐색을 위한 노드 네트워크 구축 시, 각 노드가 인접 해역의 기상 조건을 시공간적으로 대표 할 수 있는지에 대한 추가적인 검증이 요구된다.
풍력보조추진선박의 최적항로 탐색과 운항효율을 제시하는 연구를 진행함에 있어서 위 한계들을 보완하여 분석한다면 기존 선행연구보다 발전된 결과를 제시할 수 있을 것이라 판단된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
