Welche Anforderungen an das zukünftige Stromversorungssystem diktiert der Treibstoff Wetter?

Transkript

1 Welche Anforderungen an das zukünftige Stromversorungssystem diktiert der Treibstoff Wetter? Lueder von Bremen ForWind Zentrum für Windenergieforschung der Universitäten Oldenburg, Hannover und Bremen energy2050, Mai 2012, Oldenburg

2 Gliederung Motivation Historischer Treibstoff : Wetterdaten Variabilität und Verstetigung von Windleistung Vorhersage von Windleistung Wind & Solar Zusammenfassung (2) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

3 THE FUTURE ACCORDING TO... Combined Solution (3) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen Figure: G.W. Adamowitsch Grid Invest. < 2030: 100 Mrd. Source: Battle of the Grids Greenpeace 2011

4 Wetterdaten: Treibstoff in Systemintegrationsstudien Welche sollen es sein? Windenergie Windgeschwindigkeit aus Atmosphärenmodellen: Räumliche Auflösung: 2-250km Zeitliche Auflösung: 1-6h Datensatzlänge: max. 64 Jahre Höhe: mehrere Höhen in unten 150m, ggf. 10m Wind Reg. Abdeckung: global Solarenergie Strahlung aus Atmosphärenmodellen (s.o.) Satellitendaten: Strahlung (teilw. spektral aufgelöst) Räumliche Auflösung: 1-4km Zeitliche Auflösung: 15-30min Datensatzlänge: ca. 30 Jahre Reg. Abdeckung: global (4) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

5 Charakterisierung der Verstetigung (Vergleichmäßigung) von Windleistung Windleistung aus ERA40, Europa Kiss and Janosi, 2008 Verstetigung in der Fläche: -Erhöhung der Verfügbarkeit -Reduktion von Gradienten (5) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

6 Correlation of wind power with FINO1 (6) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

7 Spatial Smoothing Effects Duration Curves Even in case of massive deployment of wind power in Europe, the guaranteed supply is less than 7% (of installed capacity) Source: Jens Tambke (7) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

8 Germany: 100% Wind Power Duration Curves Wind power capacity is scaled to meet average demand Residual load=wind - load Real production (2007) Average wind power [1] Max. geographic dispersion in Central Europe (simulated 2007)) (8) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

9 Reduction of temporal variability/gradients 24h Gaining lower variability on all time scales! Look at 1h gradients (95% Quantil) 0.95 q wp Source: Jens Tambke (9) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

10 1h gradient (normalized with mean wind power yield) 95% quantil on gridpoint level, 2007 Gridpoint level norm. to production Gridpoint level norm. to installed capacity Offshore temporal gradient is smaller (10) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

11 1h gradient (normalized with mean wind power yield) 95% quantil for 100km aggregation, 2007 Gridpoint level R=100km norm. to mean production R=100km -Reduction of temporal gradients by 50% compared to grid point level (11) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

12 Kurzfrist-Windleistungsprognose (1-3 Tage) Handel (day-ahead), Netzmanagement, Wartung Source: (12) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

13 Wind Power Forecast Error nrmse at D+2, 2008 Smoothed over 200km Normalized with produced wind power nrmse fc error is reduced by 50% due to error smoothing (13) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

14 95% Quantil of Intra-Day Wind Power Forecast Error, 2008 Smoothed over 200km Normalized with produced wind power Max fc error is reduced by 50% due to error smoothing (14) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

15 Ensemble Prediction System (EPS) at ECMWF (E. Lorenz, 1963) Lorenz Paradigm: Numerical Weather Forecasting is an initial state problem Quantify the uncertainty in the forecast to be aware of forecast errors (15) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

16 Powergrams: Communicating Ensemble Forecasts Example: 1 March 2010 extreme event Storm Xynthia in Eastern Germany (50Hertz, ~10.7 GW) +96h +48h measurement ensemble mean deterministic forecast simulated wind power (16) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

17 Herausforderung: Monatsvorherage Speichermanagment Hier: Anomalie des Bodendrucks Vorhersagehorizont: 1 Woche Woche 2 Woche 3 Woche 4 (17) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen

18 Monthly Solar & Wind Generation & Load Fluctuations in Europe Solar- Wind- Load-Anomalies consumption anomaly [GW] (mean=357gw) (18) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen Source: L.von Bremen et al. Proc. 8th Int. Offshore Integration Workshop (Ackermann Workshop), Bremen 2009

19 Histogram of demand and excess in Europe with 100% RES for varying share of PV only wind (1741GW) only PV (1168GW) demand excess high shares of PV (>40%) lead to high demand and very high excess optimal mix between PV and wind power is needed (~30% PV) about 400GW of reserve is needed (storage, conventional, load management, etc.) (19) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen Source: L.von Bremen et al. Proc. 8th Int. Offshore Integration Workshop (Ackermann Workshop), Bremen 2009

20 Residual load in Europe Duration curve only PV European demand only wind (20) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen Source: L.von Bremen et al. Proc. 8th Int. Offshore Integration Workshop (Ackermann Workshop), Bremen 2009

21 Optimal Mix of Wind and Solar for stored Sum all negative residual loads 50% less stored energy is required in a European wide control zone Total for regional view European view 1186GW wind 1741GW PV (21) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen Source: L.von Bremen et al. Proc. 8th Int. Offshore Integration Workshop (Ackermann Workshop), Bremen 2009

22 Finding the optimal ratio between PV and wind power via required storage capacity Storage capacity relative to annual consumption (=3127TWh) (in %) European view Total for regional view PV/(PV+wind) PV/(PV+wind) Share of RES relative to consumption Share of RES relative to consumption Example:140%RES, PV=30% required storage capacity = 2.2 days of avg. consumption European balancing reduces storage capacity by factor of 11! (without transport losses) (22) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen Source: L.von Bremen, EWEC 2009, Marseille

23 Zusammenfassung/Ausblick raum-zeitliche Analysen der Vergleichmäßigung können mit Daten von Wettermodellen durchgeführt werden. Systematische Untersuchungen stehen noch aus! Reduktion des max. zeitlichen Einspeisegradienten und des Vorhersagefehlers um 50% durch Ausgleich (in der Fläche) Verstetigung in der Fläche hat seine Grenzen (d.h. Speicher, Überinstallation, Backup-Power ist nötig) Berücksichtigung des Zusammenspiels von Sonne und Wind Optimaler Mix verringert die Investitionen bei der Transformation Vielen Dank für Ihre Aufmerksamkeit! (23) energy 2050, Mai 2012, Oldenburg - Lueder von Bremen