Auswertung von 6-monatigen Windmessungen mit Sodar oder Lidar Langzeitkorrektur des Windprofils versus Zeitreihenkorrelation der Messdaten

Größe: px

Ab Seite anzeigen:

Download "Auswertung von 6-monatigen Windmessungen mit Sodar oder Lidar Langzeitkorrektur des Windprofils versus Zeitreihenkorrelation der Messdaten"

Jürgen Baumann
vor 5 Jahren
Abrufe

1 Auswertung von 6-monatigen Windmessungen mit Sodar oder Lidar Langzeitkorrektur des Windprofils versus Zeitreihenkorrelation der Messdaten 27. Windenergietage 8. Nov Annette Westerhellweg UL and the UL logo are trademarks of UL LLC 2018.

2 Motivation Messung des vertikalen Windprofils Chart with icons title 6 45%

3 Motivation Messung des vertikalen Windprofils Chart with icons title 6 45%

4 Motivation Messung des vertikalen Windprofils Chart with icons title 6 45%

5 Motivation Direkte Verwendung der Windmessung in Nabenhöhe Chart with icons title 6 45%

6 Überblick Auswertung der zu erwartenden Unsicherheiten bei 6- monatigen Windmessungen: 1. von Windprofilauswertungen 2. von MCP Zeitreihenkorrelation mit Reanalysedaten/Daten aus mesoskaligen Modellen MCP = Measure-Correlate-Predict = Zeitreihenkorrelation

7 Messdaten 6-Monatsperioden: 1. Halbjahr: Jan-Jun Sommer: Apr-Sep 2. Halbjahr: Jul-Dez Winter: Okt-Mar

8 Messdaten 12 Messungen in Deutschland Messhöhe ca. 140 m Daten von Sodar, Lidar oder Mast Verstreut über Deutschland Flach bis leicht komplex Messungen von 2011 bis 2017 Verfügbarkeit von 56 % bis 100 % Windscherung von α = 0.26 bis α = 0.49

9 Messdaten Variation of v over the year relative windspeed [%] Month site 1 site 2 site 4 site 5 site 6 site 7 site 8 site 10 site 11 site 12

Windscherungsexponent α Height [m] v ( h) 200 180 160 140 120 100 80 60 40 20 0 = v hub

10 Windscherungsexponent α Height [m] v ( h) = v hub æ ç è alpha = 0.5 alpha = 0.2 h h hub ö ø a wind speed [m/s]

11 Messdaten Wind relative Shear windspeed Exponent [%] α Variation of αv over the year Month site 1 site 2 site 4 site 5 site 6 site 7 site 8 site 10 site 11 site 12

12 Windprofilmessungen Windscherungen in verschiedenen Höhen korrelieren häufig sehr schlecht.

13 Windprofilmessungen Windscherung variiert mit der Tageszeit 200 m 140 m 100 m 80 m 40 m Wind shear exponent α 0.70 α (100 m, 140 m) :00 6:00 12:00 18:00 0:00 Time α (80 m, 100 m)

14 Saisonale Korrektur der Windprofilmessungen Nutzt Abhängigkeit von atmosphärischer Stabilität night day

15 Saisonale Korrektur der Windprofilmessungen Stabilitätsparameter Sonnenhöhe Windgeschwindigkeitsverhältnis aus zwei Höhen versus Sonnenzenithwinkel. Die Windscherung gültig für ein volles Jahr wird ermittelt durch Wichtung der Bin-Mittel aus der Kurzzeitmessung (schwarz) entsprechend der Häufigkeit in einem vollen Jahr (grün). kann windrichtungsabhängig durchgeführt werden night day

16 Saisonale Korrektur der Windprofilmessungen Stabilitätsparameter z/l aus MERRA-Daten Windgeschwindigkeitsverhältnis aus zwei Höhen versus z/l. unstable stable

17 Saisonale Korrektur der Windprofilmessungen Stabilitätsparameter Temperaturdifferenz aus EMD ConWx-Daten Windgeschwindigkeitsverhältnis aus zwei Höhen versus Temperaturdifferenz. stable unstable

18 Saisonale Korrektur der Windprofilmessungen Ohne Korrektur 5% 3% 1% -1% -3% -5% no seasonal correction 3-months-periods spring summer autumn winter Spring Summer 5% Autumn 3% Winter 1% no seasonal correction 6-months-periods -1% -3% -5% site 1 site 2 site 3 site 4 site 5 site 6 site 1 site 2 site 3 site 4 site 5 site 8 site 10 site 11 site 12 Mit Korrektur 5% 3% 1% -1% -3% -5% with seasonal correction spring summer autumn winter 5% 3% 1% with seasonal correction 3 months: -1% A. Westerhellweg, D. Fabian, J. Raabe. Short-term wind profile measurements with -3% remote sensing devices and consideration of seasonal -5% effects. EWEA 2015, Paris. site 1 site 2 site 3 site 4 site 5 site 6 site 1 site 2 site 3 site 4 site 5 site 8 site 10 site 11 site 12

19 MCP Korrelation MCP von 10-Minutendaten Generation der fehlenden Daten mit MCP Vergleich der mittleren Windgeschwindigkeit Vergleich Energieertrag einer 4.2 MW Turbine MCP: LLS Methode

20 Langzeitdaten MERRA2: NASA Center für Climate Simulation (NCCS) Spatial resolution of 50 km Used height level: 50 m ERA5: Released by Copernicus Climate Change Service (C3S) and ECMWF Spatial resolution of 31 km Used height level: 100 m EMD-ConWx: collaboration between EMD and ConWx spatial resolution of 3x3 km Initiated with ERA Interim Used height level: m WRF: Weather Research and Forecasting (WRF) model Run by UL-AWS Truepower initialized by ERA Interim Resolution: 9 km, hourly resolution Used height level: 140 m SCADA: Wind turbines with high hub height

21 Langzeitdaten Korrelation im Winter am höchsten Im Sommer am niedrigsten R (v_meas, EMD Conwx ) Site Site 1 Site 2 Site 3 Site 4 Site 5 Site 6 Site 7 Site 8 Site 9 Site 10 Site 11 Site 12 average 1st half-year 8 83% 79% 85% 79% 8 83% 87% 79% summer % 7 71% 75% 78% 69% 7 71% 71% 7 2nd half-year 8 83% 8 79% 8 78% 81% % % winter 85% 85% 81% 8 81% 8 87% % R (v_meas, MERRA2) Site Site 1 Site 2 Site 3 Site 4 Site 5 Site 6 Site 7 Site 8 Site 9 Site 10 Site 11 Site 12 average 1st half-year 81% 85% % 85% % 83% summer 79% 77% 78% 77% 71% 78% 79% 78% 7 79% 75% 7 7 2nd half-year % 75% 81% 85% % 8 73% 81% winter 83% 87% 81% % 89% 88% 85% 8 87% 8 85% R (v_meas, ERA5) Site Site 1 Site 2 Site 3 Site 4 Site 5 Site 6 Site 7 Site 8 Site 9 Site 10 Site 11 Site 12 average 1st half-year 87% 85% 8 88% 77% % % summer 85% 79% 8 81% 75% 78% 79% 83% % 7 79% 2nd half-year 89% 85% 8 83% 78% % % 8 winter 89% 87% 8 89% 78% 89% 88% 91% 85% 89% 89% 8 87% R (v_meas, WRF 9 km) Site Site 1 Site 2 Site 3 Site 4 Site 5 Site 6 Site 7 Site 8 Site 9 Site 10 Site 11 Site 12 average 1st half-year % 77% % 79% 8 83% 75% 8 summer 79% 7 79% 78% 77% % 71% 71% 71% 67% 75% 2nd half-year 85% 85% 8 79% 8 79% 81% 85% 75% 75% 8 73% 8 winter 8 87% 85% 8 78% 85% 8 89% 81% 8 87% 79% 8

22 MCP Ergebnisse, Beispiel Merra2 EMD Conwx Site 6 Era5 WRF Scada 1. Halbjahr Sommer 2. Halbjahr Winter

23 v Mean Error [%] Mittlere Abweichung in Windgeschwindigkeit und Energieertrag Mean Error of mean wind speed [%] MCP Merra2 MCP Conwx MCP Era5 MCP WRF Mean Error [%] Energieertrag Mean Error AEP [%] MCP Merra2 MCP Conwx MCP Era5 MCP WRF

24 v Maximale Abweichung in Windgeschwindigkeit und Energieertrag Energieertrag Maximal Error of mean wind speed [%] Maximal Error AEP [%] 25% 25% maximal error [%] 2 15% 1 5% maximal error [%] 2 15% 1 5% MCP Merra2 MCP Conwx MCP Era5 MCP WRF MCP Merra2 MCP Conwx MCP Era5 MCP WRF

25 Gründe für schlechte MCP- Ergebnisse MCP Merra2 Site 1 MCP Conwx MCP Era5 MCP WRF Nicht übereinstimmender Tagesgang Site 5 Site 6 MCP Merra2 MCP Conwx MCP Era5 MCP WRF MCP Merra2 MCP Merra2 Site 2 MCP MCP Era5 Conwx MCP MCP Era5 Conwx MCP WRF MCP Scada MCP WRF MCP Scada 1. Halbjahr Sommer 2. Halbjahr Winter R (v_meas, EMD Conwx ) Site Site 1 Site 2 Site 3 Site 4 Site 5 Site 6 Site 7 Site 8 Site 9 Site 10 Site 11 Site 12 1st half-year 8 83% 79% 85% 79% 8 83% 87% 79% summer % 7 71% 75% 78% 69% 7 71% 71% 2nd half-year 8 83% 8 79% 8 78% 81% % 8 8 winter 85% 85% 81% 8 81% 8 87% MCP Merra2 Site 3 MCP Conwx MCP Era5 MCP WRF MCP Merra2 Site 7 MCP Conwx MCP Era5 MCP WRF MCP Merra2 Site 4 MCP Conwx MCP Era5 MCP WRF MCP Merra2 Site 8 MCP Conwx MCP Era5 MCP WRF MCP Merra2 Site 9 MCP Conwx MCP Era5 MCP WRF Site 10 Site 11 MCP Merra2 MCP Conwx MCP WRF Merra2 EMD Conwx Era5 WRF Merra2 EMD Conwx Era5 WRF Geringe Korrelation Site 12

26 Gründe für schlechte MCP- Ergebnisse site conwx merra Poor agreement of diurnal variation Relative wind speed [-] :00 6:00 12:00 18:00 0:00 Time / UTC

27 Gründe für schlechte MCP- Ergebnisse MCP Merra2 MCP Merra2 Site 1 MCP Conwx MCP Conwx MCP Era5 MCP Era5 MCP WRF MCP WRF MCP Merra2 Site 2 MCP MCP Era5 Conwx MCP WRF MCP Scada MCP Merra2 Site 3 MCP Conwx Nicht übereinstimmender Tagesgang Site 5 Site 6 Ein Monat Site 7 fehlt Nahe der Küste, zu schlechte Modellauflösung MCP Merra2 Site 9 MCP Conwx MCP Era5 MCP WRF Niedrige Verfügbarkeit MCP Merra2 MCP MCP Era5 Conwx MCP WRF MCP Scada R (v_meas, EMD Conwx ) Site Site 1 Site 2 Site 3 Site 4 Site 5 Site 6 Site 7 Site 8 Site 9 Site 10 Site 11 Site 12 1st half-year 8 83% 79% 85% 79% 8 83% 87% 79% summer % 7 71% 75% 78% 69% 7 71% 71% 2nd half-year 8 83% 8 79% 8 78% 81% % 8 8 winter 85% 85% 81% 8 81% 8 87% MCP Merra2 MCP Conwx MCP Merra2 MCP Conwx MCP WRF Merra2 EMD Conwx Era5 WRF Merra2 EMD Conwx Era5 WRF Geringe Korrelation MCP Era5 MCP Era5 MCP WRF MCP WRF MCP Merra2 Site 4 MCP Conwx MCP Era5 MCP WRF 1. Halbjahr Sommer 2. Halbjahr Winter Geringe Windgeschwindigkeiten Site 10 Site 11 Site 12 MCP Merra2 Site 8 MCP Conwx MCP Era5 MCP WRF

28 Ergebnisse 12 Windmessung in Deutschland Windprofilauswertung: Halbjahresperioden waren schon ausreichend repräsentativ für Langzeit. Die saisonale Korrektur funktionierte auch für 6-Monats-Windprofile-Messungen in Winter- oder Sommerzeiträumen gut. Große Reduktion der Unsicherheiten bei Verlängerung von 3 Monate auf 6 Monate. MCP Korrelation: in diesem Datensatz mittlerer Fehler von 1% in der Windgeschwindigkeit und 3% im Energieertrag. ERA5 und ConWx beste Ergebnisse, ERA5 hatte die höchste Korrelation zu den Messdaten. Ausblick: MCP mit WRF 3km, WRF mit ERA5, mehr Tests mit Scada-Daten, Tests mit anderen MCP-Methoden Profilauswertung versus MCP Korrelation? beide Methoden können sich ergänzen! Zusätzliche Plausibilisierung mit Ertragsdaten.

29 UL and the UL logo are trademarks of UL LLC Vielen Dank für Ihre Aufmerksamkeit

Ähnliche Dokumente

Neue Anforderungen zur Erstellung von Energieertragsermittlungen Technische Richtlinie 6 in der Revision 9

Neue Anforderungen zur Erstellung von Energieertragsermittlungen Technische Richtlinie 6 in der Revision 9 7. Branchentag Windenergie NRW, 02.07.2015 Till Schorer TR 6 Revision 9 - Wesentliche Änderungen