Projekt 18896/01

Optimierung von Windprognosen zur präzisen Vorausberechnung von Windstromerträgen als Handlungsgrundlage im dezentralen Energiemanagement

Projektdurchführung

GEO Gesellschaft für Energie und Ökologie mbH
Redlingsweg 3
25842 Langenhorn

Zielsetzung und Anlass des Vorhabens

Die Windenergie hat durch ihren stetigen Ausbau die Wasserkraft als Spitzenreiter bei der regenerativen Energieerzeugung abgelöst. Repowering, das bedeutet den Ersatz alter Windenergieanlagen durch neue, leistungsstärkere Maschinen und die Nutzung von Offshore-Potenzialen in Nord- und Ostsee werden den Windstromanteil am Gesamtstromverbrauch weiter steigern. Wind steht nicht immer wie gewünscht zur Verfügung und unterliegt natürlichen Schwankungen, die sich in veränderlichen Anteilen der Windstrom-menge am Gesamtbudget ausdrücken. Seitens der Energieversorgungsunternehmen und Netzbetreiber müssen deshalb Kontingente an Regel- und Reserveenergie vorgehalten werden, um die auftretenden Schwankungen auszugleichen. Belastbare Windstromprognosen können dabei helfen, Überkapazitäten zu vermeiden und folglich unnötige CO2-Emissionen zu reduzieren. Im Fall eines zu geringen Windaufkommens können durch rechtzeitige Information möglichst umweltschonende Strategien zum Ausgleich der damit einher gehenden Unterversorgung gefunden werden. Bestehende Prognoseverfahren basieren im Regelfall auf den Ergebnissen von Wettervorhersagemodellen aus dem Routinedienst der nationalen Wetterdienste. Sie sind durch ihre Unschärfe bezüglich der Windgeschwindigkeit oftmals mit erheblichen Fehlern behaftet. Ziel dieses Projektes ist es deshalb, durch die Entwicklung eines für den Parameter Wind optimierten und räumlich hoch aufgelösten, drei-dimensionalen Atmosphärenmodells, Vorhersagen zu erzeugen, die eine deutlich verbesserte Prognosegüte bezüglich der Windstromeinspeisung auf-weisen.


Darstellung der Arbeitsschritte und der angewandten MethodenDas bislang wissenschaftlich genutzte Atmosphärenmodell GESIMA (Geesthachter Simulationsmodell der Atmosphäre) des Kooperationspartners GKSS wird an die Daten eines Wettervorhersagemodells gekoppelt. Die räumlich grob aufgelösten Eingangsdaten dieses Modells werden an GESIMA übergeben und auf ein feineres Modellgitter übertragen. Die nachfolgenden Berechnungen unter Beachtung aller drei-dimensionalen physikalischen Zusammenhänge, ergeben differenzierte Felder und Zeitreihen für die Windgeschwindigkeit in den Gitterzellen. Aus diesen Zeitreihen können über die Leistungskennlinie von Windenergieanlagen Energiemengen berechnet werden, die sich anschließend zur Gesamteinspeisung eines Netzbereiches oder des gesamten Netzes aggregieren lassen.


Ergebnisse und Diskussion

Nach der Fertigstellung der Programmumgebung für das Prognosesystem, das unter dem Arbeitstitel GEOFFREY (Gesima-based optimization of forecasts for renewable energy yield) geführt wird, wurde die Stabilität der automatisierten Abläufe sichergestellt. Als Ergänzung wurde eine ebenfalls automatisierte Kontrolle der Eingangsdaten entwickelt, die Fehlprognosen aufgrund fehlerhafter Datensätze vermeidet.
Nach der Definition von Vergleichsregionen, die sich wesentlich an der Verfügbarkeit von Vergleichsdaten orientierte, wurden Tests zur Modellgitterweite und der Wahl des antreibenden Wettermodells durchgeführt. Es hat sich gezeigt, dass die vorgegebene Kombination der Eingangsdaten gut für die definierten Prognosezwecke geeignet ist.
Der Vergleich der prognostizierten, bodennahen Windgeschwindigkeit mit Messungen an Wetterstationen und anderen Datenquellen hat ergeben, dass das GEOFFREY-System zu einer leichten Unterschätzung neigt. Diese ist über Seegebieten stärker, als über Land. Ursache hierfür ist wahrscheinlich die enge Bindung an die antreibenden Datenfelder, die ähnliche Eigenschaften aufweisen.
Mit Hilfe von Zeitreihen, die an Windenergieanlagen als 10-Minuten-Mittelwerte aufgezeichnet werden, konnten Analysen der Prognosegüte für die Windgeschwindigkeit und für die erzeugte Energie an verschiedenen Standorten und Höhen durchgeführt werden. Die Berechnung der Energie aus der Windgeschwindigkeit erfolgte auf der Basis von Leistungskennlinien der Anlagen, die über ein Polynom vierter Ordnung in eine stetige Funktion überführt wurden. Die Untersuchungen wurden für Monats- und Tages-summen, sowie für 10- und 30-Minuten-Zeitschritte durchgeführt. Eine leichte Unterschätzung der Verhältnisse kann auch hier festgestellt werden, die sich jedoch über eine einfache konstante Bias-Korrektur beheben lässt. Die Genauigkeit der Prognosegüte zeigt die gewünschte Unabhängigkeit von der Modellregion, die für Schleswig-Holstein, einen Binnenstandort in Brandenburg und Sardinien definiert wurde. Bei der Interpretation der berechneten statistischen Kennzahlen muss beachtet werden, dass in diesem Projekt Einzelstandorte als Referenz dienten und nicht, wie sonst allgemein üblich, größere Einzugsgebiete. Weiterhin ist zu beachten, dass die Zeitreihen aus den Datenspeichern der Windenergieanlagen Variationen aufweisen, die zu einem relativ hohen Basisfehler führen. Dieser ist durch die Struktur der Modellierung nicht zu vermeiden, beträgt jedoch bis zur Hälfte des ermittelten Gesamtfehlers.
Unter Beachtung dieser Vorgaben ist die erreichte Prognosegüte positiv zu bewerten. Im Vergleich zu den antreibenden Daten, die als erste Schätzung der Entwicklung verwendet werden können, werden die Windfelder realistischer repräsentiert. Eine weitere Steigerung der Genauigkeit ist beispielsweise durch eine effiziente Art des Monitorings, d. h. des Vergleichs mit aktuell gemessenen Daten, möglich.


Öffentlichkeitsarbeit und Präsentation

DBU-Workshop Windprognose, 03. März 2004, ZUK/DBU Osnabrück
Tagung Zukunft der Windenergie, 21. Juni 2004, ZUK/DBU Osnabrück
Woche der Umwelt 2004, Bonn
5. Windenergietagung, WIE/Universität Flensburg, 15.03.2005 Flensburg
Messe HusumWind, 2003/2005


Fazit

Mit dem GEOFFREY-Programmsystem steht ein Verfahren zur Verfügung, das eine differenzierte Prognose der eingespeisten Strommenge aus WEA erlaubt. Die vollzogene Kopplung eines drei-dimensionalen mesoskaligen Atmosphärenmodells an die Daten eines Wettervorhersagemodells hat ihre numerische Stabilität während der Anwendungen unter Beweis gestellt. Dies gilt insbesondere auch für den vollständig automatisierten Ablauf der Programmkomponenten. Es hat sich weiter gezeigt, dass das System unabhängig vom Einsatzgebiet mit einer konstanten Genauigkeit betrieben werden kann, auch bei stark variierenden meteorologischen Randbedingungen.
Die Analyse der erreichten Prognosegenauigkeit erfolgt über die Berechnung statistischer Kennzahlen, deren Vergleich mit den Werten anderer Verfahren nicht ohne eingehende Prüfung der Bedingungen erfolgen sollte. Einige Ergebnisse sprechen dafür, dass die Genauigkeit von prognostizierten Einzelstandorten mit Werten korrespondiert, die sonst nur für größere Einzugsgebiete mit den entsprechenden Ausgleichseffekten angegeben wird. Dies gilt vor allem für die Berechnung von Tagessummen. Höher aufge-löste Datenreihen aus Windenergieanlagen sind dagegen mit einer so hohen Grundunsicherheit behaftet, dass die Genauigkeit damit nur eingeschränkt beurteilt werden kann.