Normalized Power의 기원을 찾아서...

오늘은 Power Meter를 사용하는 분이라면, 입에 달고 사는 용어 중에 하나인 Normalized Power(이하 NP)에 대해서 알아 볼까 합니다. 왠 난데 없이 NP냐고요? 다들 그냥 NP는 계산 되고 쓰지만, NP가 무엇을 의미하는지는 잘 모르는 것 같기 때문입니다. NP가 의미 하는 것이 무엇인지 알기 위해서는 어떻게 만들어 졌는지 알 필요가 있다고 생각합니다. 그럼 한번 알아 볼까요?

처음 파워미터를 설치하면 다들 파워 데이터만 보면 뭔가 대단한 정보들이 나오고 그럴 것이라고 생각하곤 합니다. 그래서 두근 거리는 마음에 라이딩을 하고 집에 돌아와서 데이터를 다운로드하여 그래프를 쳐다 봅니다. 하지만, 이내 곧 멘붕이 오는 것을 직감하죠. 검은 것은 바탕이고 노란색은 선인데, 이게 뭐냐? 하면서 말이죠. 사실 이러한 것은 대부분의 사람들이 느끼는 것이고, 과거에는 많은 코치들이 느꼈던 것들입니다. 그도 그럴게 파워 기록은 상당히 Stochastic(확률적인…?, 적당한 단어가 안 떠오르는 군요)하게 움직이는 경향이 강합니다. 그러다 보니 전체의 흐름을 파악하기 위해서는 어느 정도 정규화되거나 평균화된 수치가 필요하게 됩니다.

그럼 파워 기록을 분석하는 방법들은 어떤 것이 있을까요?

1) 평균 파워

가장 먼저 생각할 수 있는 것이 평균 파워가 아닐까 합니다. 가장 보편적이고 가장 쉽게 사용할 수 있는 연산 방법이죠. 하지만, 이것이 가지는 단점은 너무나도 잘 알려져 있습니다. 아주 쉽게 와 닿도록 이야기 한다면, 사람들이 자전거의 평속(평균 속력)을 이야기 할때 그것이 얼마나 큰 의미가 없는지 잘 알고 있습니다. 신호 대기를 아주 잠깐 하기만 하여도 전체 평균치는 실제 체감 평속 보다도 훨씬 낮은 값을 보여 주는 것을 많이 경험들 했기 때문입니다. 단순 산술 평균 만으로는 적절히 전체 파워 수치가 보여주는 큰 그림을 이해하기에는 문제가 있습니다.

2) 한 일의 총 량(KJ, Kjoule)

또 다른 한가지 방법은 라이딩 동안 한 총 운동량을 보는 것입니다. 이것은 라이딩에서 사용된 에너지 또는 그 라이딩에서 필요로 하는 에너지 량 등을 파악하는데 있어서는 매우 훌륭한 방법입니다. 이를 통해서 장거리 라이딩의 경우 얼마나 자주 행동식을 먹어야 하는지에 대한 계획을 세우는데에도 아주 큰 도움을 줍니다. 하지만, KJ은 라이딩에서 얼마나 많이 운동 했는지를 보여 주지, 얼마나 강하게 운동 했는지는 알 수 없습니다.

3) Power Distribution Chart

다른 방법으로는 파워 분포도를 살펴 보는 방법이 있습니다.

파워 수치별로 전체 라이딩에서 차지하는 빈도수를 그래프로 표현하고 급격하게 빈도가 달라지는 곳을 찾아 분석하는 방법입니다. 이 방법은 Zone 4 영역을 찾는다던지 그런 것에 이용되기도 합니다.

그러나 이 방법은 크게 2가지의 단점이 존재합니다.

A) 제대로된 분석을 하기 위해서는 많은 데이터가 필요로 한다. 하루 라이딩을 분석하기에는 턱 없이 부족합니다.

B) 예를 들어 260와트 그래프를 보았을때 이 시간이, 30분 TT를 해서 얻은 수치인지 5분짜리 여러차례 어택 라이딩을 통해 얻은 것인지 알 수가 없다는 단점이 있습니다.

위의 이러한 분석법들의 단점들을 극복하기 위한 방법으로 IF(Intensity Factor)와 TSS(Training Stress Score)가 등장하게 됩니다. 그런데 어떻게 이러한 것들이 만들어 졌을까요?

그 시작은 1970년대 중반에 Dr. Eric Banister가 처음 소개한 심박수를 활용한 TRIMPS(Training Impulse)에서 부터 시작되었습니다.

TRIMPS = 운동 시간 x 평균 심박수 x 심박에 따른 가중치

하지만 TRIMPS는 심박을 사용하였기 때문에 심박이 가지는 단점을 고스란히 물려 받았습니다. 많은 환경 요소에 의해 영향을 받아서 일관적이지 않고, 고강도 훈련의 경우 자세한 구분이 어렵습니다.

그러나 기본적으로 TRIMPS의 기본 아이디어는 훌륭했습니다. 훈련량과 훈련 강도를 보두 반영하는 수치라는 측면에서 훈련을 통한 자극을 표현하기에 좋은 수치였기 때문입니다.

Dr. Andrew Coggan은 여기서 착안하여 Power 수치를 이용하여 TSS를 만들게 됩니다.

TRIMPS 계산 식은 크게 두 부분으로 나뉠 수 있습니다. 첫 번쨰 훈련 시간과 평균 심박수의 곱은 훈련량을 의미합니다. 그리고 남은 심박에 따른 가중치 부분은 훈련 강도를 표현하는 부분이 됩니다.

그렇다면, TSS는 다음과 같이 표현할 수 있습니다.

TSS = 훈련 시간 x 평균 파워 x 파워에 따른 가중치

여기에서 파워에 따른 가중치는 주어진 운동량으로 인해 얻은 생리학적인 자극치라고 볼 수 있습니다. 그리고 이것을 IF(Intensity Factor)라고 하였습니다.

올바른 IF 값을 얻기 위하여 Andrew Coggan은 많은 수의 Cyclist들이 LT(젖산 역치) 부근에서 훈련 했을때 얻은 혈중 젖산 수치를 이용하였습니다. 혈중 젖산 수치를 이용한 이유는 많은 생리학적인 반응(근육의 글리코겐, 혈당 이용도, 산소 공급 정도 등등)이 혈중 젖산 수치 변화와 평행하게 변하기 때문입니다. 이는 다음과 같이 통계적으로 상관 관계가 있음을 찾았습니다.

혈중 젖산(LT 에서의 젖산 농도의 %) = Power(LT에서의 Power %)^3.90

R^2=0.806, n=76

이는 식을 간소화해서 다음과 같다고 할 수 있습니다.

혈중 젖산(LT 에서의 젖산 농도의 %) = Power(LT에서의 Power %)^4.0

더불어 훈련 강도가 변함에 따른 생리학적인 반응은 바로 나타는 것이 아니라 시간이 흐름에 따라 어느정도 천천히 나타나는 것에 착안하여 한 가지 계산을 더 하게 됩니다. 보통 15초 on/off 인터벌 같은 것을 할 경우에는 그것은 꾸준히 달리는 것과 별반 차이가 나지 않는 다는 것을 느끼게 됩니다. 이에 착안하여, 30초 이동 평균을 하여 그러한 반응 지연 효과에 대한 처리를 하였습니다. 그렇게 만들어진 방법은 이러합니다.

A) 30초 이동 평균 수치들을 구한다.

B) A)단계에서 구한 수치들을 4제곱한다.

C) B)에서 구한 수치들의 전체 평균을 구한다.

D) C) 단계에서 구한 평균치에 4제곱근을 구한다.

E) 개개인 별로 나오는 수치를 정규화하기 위해 LT 파워로 나눈다.

바로 E) 단계에서 구한 수치가 IF입니다.

그리고 D) 단계에서 구한 수치가 바로 Normalized Power입니다.

여기서 앞에서 이야기 하였던 TSS를 계산하면, 다음과 같습니다.

TSS = seconds * NP * IF

하지만, 여기에서 TSS를 1시간 ITT를 할 경우 TSS를 100점으로 만들겠다고 정규화를 한다면, 위의 식을 단위 강도인 (FTP*3600)으로 나누고 최종 수치에서 100으로 만들기 위해 100을 곱해야 합니다. 그래서 최종 식은 다음과 같습니다.

TSS = (seconds * NP * IF / (3600 seconds * FTP) ) * 100

     = Hour * (NP/FTP)*IF * 100 = Hour * IF^2 * 100

즉, NP는 파워 수치를 이용하여 훈련 부하를 측정하기 위한 TSS를 만드는 과정 중에 만들어진 수치입니다. NP를 만드는 과정에서 설명했다시피, NP는 혈중 젖산 수치와 상관 관련이 높도록 만들어 졌습니다. 그렇기 때문에 NP는 혈중 젖산 수치 변화를 어느정도 예측 가능하게 만들어 주는 수치입니다. 지난번 에너지 블로그 포스팅에서 밝혔던 바와 같이 혈중 젖산 수치는 어떤 에너지 시스템이 어떻게 이용되는지를 대강 파악해 볼 수 있는 하나의 기준점이 될 수 있습니다. 따라서 NP 수치를 통해서 그러한 변화를 추정해 볼 수 있게 되는 것입니다.

더불어 개개인 수치 비교를 위해서는 FTP 또는 젖산 역치 Power로 정규화된 IF 값이 그러한 역활을 하게 됩니다.

이제 Normalized Power가 어떤 의미로 받아 들여야 하고 Average Power와는 어떤 차이가 있고, 왜 20분 이하의 시간에서는 NP가 가지는 의미가 적어지는 지에 대한 것도 대충 감이 오실 것이라고 생각합니다.(지난번 에너지 시스템에 대한 블로그 포스팅과 엮어서 잘 생각해 보시기 바랍니다. 요건 숙제? ㅋㅋ)

오늘도 긴 글 읽느라 수고하셨습니다.

그럼 다음 포스팅에서 찾아 뵙도록 하겠습니다.