【목적】 대형 풍력 발전기 용량 증가, 발전기 블레이드 반경 급증, 발전기 전방 유입 풍속장 분포 및 수직 풍속 전단 효과가 더욱 복잡하여, 허브 높이의 단일 지점 유효 풍속으로는 유입 풍황을 충분히 표현하기 어려운 문제를 해결하기 위해, 대형 풍력 발전기 다지점 특징 풍속 선택 및 추정 방법을 제안하였다. 【방법】 먼저, 발전기 전방 유입 풍속장 그리드 데이터를 기반으로, 랜덤 포레스트와 Boruta(RF-Boruta) 결합 단계별 알고리즘을 제안하여 초대형 풍차 회전면 내 특징 풍속 격점의 안정적 선별을 구현하였다; 그리고 혼합 다변량 장단기 기억(x LSTM-Mixer) 신경망 알고리즘을 도입하여, 입력-출력 지연 차수를 고려한 임베디드 특징 엔지니어링 전략과 결합하여, 발전기 동적 특성에 기반한 다지점 특징 풍속 초단기 다단계 동적 추정 모델을 구축하였다; 마지막으로 SOWFA 플랫폼에서 10 MW 풍력 발전기 큰 와류 시뮬레이션 및 IEC 표준 하 전풍속 범위 내 7가지 풍황의 수치 해석 및 유동장 데이터 수집을 수행하여 제안된 방법을 검증하였다. 【결과】 결과에 따르면, 허브 중심을 포함한 반경 50~60 m, 120° 각도 간격으로 배치된 4개의 대표적 특징 풍속 지점을 선별하였으며, x LSTM-Mixer 모델은 다지점 풍속의 현재 시각 필터링 및 미래 80스텝 예측에서 상대 오차가 모두 ≤2.8%로 초 단위 고정밀 추정을 실현하였고, 콜모고로프-스미르노프(KS) 통계량 ≤0.2, 구조 유사성 지수(SSIM) ≥0.96를 나타내며, 전통적 LSTM, Transformer 모델 대비 약 10%의 정확도 향상을 보이고 분포 매칭 및 구조 포착 능력에 현저한 장점이 있었다. 【결론】 본 방법은 단일 지점 풍속 특성의 한계를 극복하여 풍력 발전 출력 예측, 발전기 운전 제어 및 발전량 평가에 신뢰할 수 있는 기술적 지원을 제공한다.

풍력 발전; 시공간 특징 선택; xLSTM-Mixer 신경망; 다단계 시계열 동적 추정