Möglichkeiten und Grenzen von Ertragsgutachten. 3. Wind.Energie Mitteldeutsche Branchentage, Erfurt,

Transkript

1 Möglichkeiten und Grenzen von Ertragsgutachten 3. Wind.Energie Mitteldeutsche Branchentage, Erfurt,

2 Gliederung Kurzvorstellung renerco plan consult Motivation zum Thema und was sind Ertragsgutachten Methode zur Ertragsberechnung Unsicherheiten Fallbeispiele Bewertung Seite 2

3 Unsere Geschäftsfelder seit 1989 seit 2004 seit 2005 seit 1994 Seite 3

4 Unsere Dienstleistung Technische Beratung Projektplanung Projektmanagement/ Owner s Engineering Seminare Seite 4

5 und Referenzen MW 980 MW Seite 5

6 Motivation Was sind Ertragsgutachten? Ermittlung des Windpotenzials und des Energieertrags nach anerkannten Methoden Evaluierung der auftretenden Unsicherheiten Warum ein Ertragsgutachten? Basis für Wirtschaftlichkeitsanalyse eines Standorts / Projekts Gegebenenfalls bankfähiges Gutachten ( Akkreditierte Gutachten gemäß DAkkS) Zeitliche Ansiedlung? Zu Beginn des Projekts und währenddessen (fortlaufende Modifikationen) Erfahrungen? Zum Teil große Unterschiede zwischen einzelnen Gutachten zum selben Standort Die Wirtschaftlichkeit hk it von Windparks liegt häufig unter den Prognosen Seite 6

7 Angewendete Methode Meteo. Eingangsdaten Langzeitbezug Modellierung Ertrag Messdaten Ertragsdaten Windklimatologie Reanalysedaten Referenzstationen Geländemodellierung Leistungskennlinie Meteoindices BDB- Index Rauigkeit Hindernisse Thermische Einflüsse Waldeffekte Windatlas, CFD oder Mesoskalenmodell Luftdichte Ermittlung des P50 Parkmodell Ermittlung weiterer Ertragsverluste (TR6-Rev.9) Einhaltung der Normen und Richtlinien welche die Qualität steuern (IEC, TR6, MEASNET, ) Alle aufgezeigten Punkte enthalten Unsicherheiten Unsicherheitsanalyse zur Ermittlung der Überschreitungswahrscheinlichkeiten (P-Werte) Seite 7

8 Klassifizierung gemäß TR6 der FGW e.v. Winddatenbasis Modellierung Windfeld Modellierung Parkwirkungsgrad Eingangsdaten WEA Energieverlustfaktoren (TR6-Rev.9) Seite 8

9 Winddatenbasis standortbezogene Windmessung Messzeitraum Sensorik Kalibrierung Messhöhen Montageeffekte Datenverfügbarkeit und Datenaufarbeitung Fernmessverfahren (TR6-Rev.9) Ertragsdaten von Referenzanlagen Für Standort anwendbar Zeitliche Auflösung Verfügbarkeiten Welche Kennlinie liegt vor Konsistenz von Langzeitdaten Windmessdaten Reanalysedaten (Meteoindex) BDB-Datenbank Datenbank Regionaler Bezug Bezugszeitraum Daten plausibel, Verlauf nachvollziehbar, Verfügbarkeit Abbildungsalgorithmus Verbindung zu Kurzzeitdaten (R²) Welcher Algorithmus (LLS, TLS, ) Verteilungscharakteristik wieder da? Prognosehorizont Projektion des Bezugszeitraums auf den künftigen WEA- Betriebszeitraum Seite 9

10 Fehlerquelle Bezugszeitraum Beispiel BDB Index: 104 % 102 % V2011: % V2006: % Energie eindex 96 % 94 % 92 % 90 % 88 % 86 % 84 % Windindex Region Quelle: Betreiberdatenbasis, V V Seite 10

11 Meteoindex: Untersuchungszeitraum 30 Jahre Unterschiede in Windniveau für versch. Zeiträume Erhebliche Fehler im Wind- und Energieniveau bei schlechter Wahl rgieindex [%] Ene NCEP 10E 50N 10m MERRA 11,335E 47,5N 50m MERRA 11,335E 48N 50m NCEP 10E 50N MERRA 11,3E MERRA 11,3E 47,5N 48N Referenzperiode Mittlere Windgeschwindigkeit [m/s] 10 Jahre 4,64 3,46 4,83 20 Jahre 4,57 3,52 4,91 30 Jahre 447 4, , , (BDB 2011) 4,55 3,52 4,91 Differenz 10 Jahre 30 Jahre Geschwindigkeit it 352% 3,52% 147% 1,47% 157% 1,57% Energie 8,46% 3,53% 3,76% Jun 12 Jun 11 Jun 10 Jun 09 Jun 08 Jun 07 Jun 06 Jun 05 Jun 04 Jun 03 Seite 11

12 Modellierung Windfeld Topographische Eingangsdaten und deren Unsicherheiten: Onlinedaten wie SRTM oder ASTER: Abweichung wenige Meter in flachem Gelände, bis zu 30 m im komplexen Gelände Modelle vom Vermessungsamt (DGM) bzw. topogr. Karten bessere Auflösung Fehler im Höhenmodell energetische Unsicherheit (rund 1 % pro 10 m gemäß Windatlas) Overflow-Effekte Fehler größer aber schwer quantifizierbar Rauigkeit neben Topographie direkten Einfluss auf das Windprofil Online-Daten wie CORINE grobe Auflösung, für Nahbereich nicht ausreichend Mehraufwand in der Modellierung kann sich lohnen Reduzierung der Unsicherheit Seite 12

13 Richtige Abschätzung des Waldes: Standorte mit hoher Windscherung sensibel auf Verdrängungshöhen g hoher Fehler Beispiel: Windscherung bei 0,4: 1 m Fehlinterpretation 1 % Energiedifferenz Quelle: Shiu- Yueng Hui, Wind Profiles in Forests, Technical University of Denmark Lösung über Waldmodell Porosität des Waldes Fehlerquelle reduzierbar Seite 13

14 Thermische Stabilität Zunahme der Stabilität Quelle: Meteodyn WT, Nantes, France Quelle: Hindernisse Quelle: Wind Resource Assessment Handbook, National Renewable Energy Laboratory, Golden, Colorado, USA Seite 14

15 Wahl des Modells: Lineares Windfeldmodell oder CFD? abhängig von Komplexität Quelle: WAsP, the Wind Atlas Analysis and Application Program, Risoe National Laboratory, Roskilde, Denmark Quelle: Wind Resource Assessment Handbook, National Renewable Energy Laboratory, Golden, Colorado, USA Bis 30 % Steigung lineares Modell geeignet (Strömung noch linear) Ab 40 % Steigung lineares Modell zu stark fehlerbehaftet Gesamtunsicherheit h i in Windfeldmodellierung: d lli 3 bis >10% Seite 15

16 Modellierung Parkwirkungsgrad Abschattung der Anlagen untereinander Richtige Wahl des Parkmodells Linear (z.b. Jensen) oder komplex (z.b. eddy viscosity) Einstellungen wie z.b. Abklingrate (wake decay) Quelle: Thogersen M. L., Introduction to Wind Turbine Wake Modelling And Wake Generated Turbulence, EMD International A/S, 2011 Windrichtungsverteilungsfehler Fehler in Abschattung (in der Regel <0,5 %) Schubbeiwertskennlinie Vorgabe des Herstellers, Unsicherheit nicht verifizierbar Gesamtunsicherheit in Parkwirkungsgradmodellierung max. 3 5% Seite 16

17 Beispiel: 12 x WEA 2 MW Brutto-AEP 80 GWh Anlagenabstände nicht optimal Abschattungsverlust mit Standardparameter berechnet Lineares Parkmodell: >13 % Komplexes Parkmodell: >8 % Seite 17

18 Eingangsdaten WEA Luftdichtekorrektur (Faustregel: m 10 % Ertragsverlust) Leistungskennlinie - vorläufige Kennlinien: bei 10 % (energetisch) - theoretische Kennlinien: bis zu 9 % - vermessene Kennlinien im Schnitt bei 6 % - garantierte Kennlinien Gültigkeit der Kennlinie für den Standort (Komplexität, Turbulenz, ) Kennlinienvermessung mit Unsicherheiten behaftet - Sensorik - Standortbedingungen (idealisiert gemäß IEC ) - Messpunkt der Windgeschwindigkeit auf Nabenhöhe Windscherung? LIDAR? Seite 18

19 Energieverlustfaktoren (TR6-Rev.9) Abschätzung weiterer Verluste wie Verfügbarkeiten Elektrischer Verluste Umgebungsbedingungen Einschränkungen der Leistung Individuelle Abschätzung und Ermittlung der weiteren Unsicherheiten Seite 19

20 Prognosehorizont Abbildung des Energieertrages in der Vergangenheit Qualität abhängig von Datengrundlage und entsprechender Modellierung Darstellung des Energieertrages im langjährigen vergangenen Mittel Entsprechende Unsicherheiten in der Ermittlung Wie wird der Energieertrag in der Zukunft sein? Forecasting über meteorologische Wettermodelle nur für sehr nahe Zukunft möglich Meteorologie der Vergangenheit ist also einziges Indiz für die fernere Zukunft Historische Variabilität gibt Auskunft über mögliche Schwankungen im Windangebot Variabilität ist zeitraumabhängig Prognose für ein Jahr hat somit größere Schwankungen als für z.b. 15 Jahre Seite 20

21 5,4 5,2 5 4,8 4,6 4,4 4,2 4 4,9 4, ,8 4,75 4,7 4,65 Reanalysedatensatz 30 Jahre Gleitendes Mittel über versch. Perioden Variabilität der Geschwindigkeit Periode 1 Jahr 10 Jahre 20 Jahre Mittelwert 4,80 4,79 4,79 Std. Abw. 0,14 0,04 0,01 Variabilität 2,87% 0,77% 0,14% energetische Variabilität bei 6 % gängiger Richtwert in mittleren Breiten Weitere Unsicherheit 4,81 Man geht davon aus, dass die historische 4,8 Variabilität auch für der Zukunft entspricht 4,79 4,78 Klimaveränderung? 4, ,76 Seite 21

22 Gesamtunsicherheit typischerweise bei 10 bis 20 % Spiegelt sich in der Überschreitungswahrscheinlichkeit wieder (P- Werte) Ertrag [GWh/a] % 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Überschreitungswahrscheinlichkeit [%] Seite 22

23 Beispiel Standort in Mecklenburg Vorpommern 4WEAà2MW 8 Bestandsanlagen direkt am Standort (Ertragsdaten <1 Jahr) Windmessung vor Ort (1 Jahr) 2 Gutachten akkreditierter Unternehmen, verschiedene Ansätze Energieniveau anhand Ertragsdaten 14 % niedriger als auf Windmessung basierend Dementsprechend Unterschiede in Gutachten Gutachten 1: 22,8 GWh, 11,2 % Unsicherheit Gutachten 2: 24,5 GWh, 11,0 % Unsicherheit Differenz rund 7 % Gutachten 1 Gutachten 2 Meteorologische Eingangsdaten 4,9% 8,0% Modellierung Windfeld 4,8% 3,0% Modellierung Parkwirkungsgrad 3,6% 5,0% Eingangsdaten WEA 8,1% 4,0% GESAMT 11,2% 11,0% Bezugszeitraum k.a. 20 Jahre Prognosehorizont?????? Gutachten 1 Gutachten 2 Seite 23

24 Beispiel Windparkenerg gieertrag [GW Wh/a] % 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Überschreitungswahrscheinlichkeit [%] Gutachten 1 Gutachten 2 Seite 24

25 Beispiel 2 Standort in Bayern 2WEAà3MW Bestandsanlagen als Referenz (kaum repräsentativ und große Distanz) 2 Gutachten akkreditierter Unternehmen, ähnliche Ansätze jedoch versch. Referenzen und verschiedene Bezugszeiträume Dementsprechend Unterschiede in Gutachten Gutachten 1: 13,3 GWh, 16,7 % Unsicherheit Gutachten 2: 11,8 GWh, 22,3 % Unsicherheit Differenz rund 11 % Gutachten 1 Gutachten 2 Meteorologische Eingangsdaten 11,6% 17,6% Modellierung Windfeld 8,1% 9,5% Modellierung Parkwirkungsgrad 2,6% 0,1% Eingangsdaten WEA 8,5% 10,0% GESAMT 16,7% 22,3% Bezugszeitraum k.a. k.a. Prognosehorizont?????? Gutachten 1 Gutachten 2 Seite 25

26 Beispiel Windparkenerg gieertrag [GW Wh/a] % 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Überschreitungswahrscheinlichkeit [%] Gutachten 1 Gutachten 2 Seite 26

27 Ja Die Abbildung des Energieertrages durch Modellierung ist durchaus möglich Grenzen werden jedoch durch die vorhandene Datengrundlage als auch technisch gesetzt Qualität wird durch Richtlinien gesteuert Es gibt entsprechende Unsicherheiten in der Ermittlung der Produktion Weitere Unsicherheiten liegen in der Abbildung für der Zukunft Diese lassen sich über das vergangene langjährige Windregime ermitteln Klimaveränderungen und entsprechende zukünftige Änderungen im Windangebot lassen sich nicht erfassen (größter Unsicherheitsfaktor Grenze der Vorhersagbarkeit) Die Unsicherheiten sind dem erfahrenen Gutachter bekannt und lassen sich abschätzen. Durch Mehraufwand und erweiterte Datengrundlage lassen sich Unsicherheiten reduzieren. Fazit: Richten Sie Ihr Augenmerk nicht nur auf den P50 sondern auch auf die Unsicherheitsanalyse Wählen Sie einen Abschlag auf den P50, in Abhängigkeit Ihres vertretbaren Risikos Seite 27

28 Kontakt renerco plan consult GmbH Herzog-Heinrich-Straße München Telefon Telefon Telefax