<p>The procedure of determining if a site is suitable for wind power production requiresconvincing statistical data describing the long-term behavior of the average wind speed.This can be achieved by measuring the wind speed for a short time period, e.g. a year,and after that a Measure-Correlate-Predict (MCP) method can be performed. The shorttermmeasured wind data must be used in combination with a long-term referenceseries. This long-term reference series can be global reanalysis data reaching 20 to 30years back in time. In a MCP method different regression methods can be used. Aftercreating a long-term corrected wind data series, it is possible to analyze the conditionsat the investigated site. To be able to study the behavior of different reference series andregression methods, a model was created in MATLAB. As short-term wind speed dataVattenfall Wind Power supplied data from two measuring masts, Ringhals andOskarshamn, with maximum heights of 96 and 100 meters, respectively. From UppsalaUniversity data were supplied from a measuring mast near Marsta with maximummeasurement height of 29 meters.When creating these long-term corrected wind data series there were many methodsavailable. In this Master thesis methods such as Ordinary-Least-Square, Least-Absolute-Deviation and Reduced-Major-Axis regression methods have been used. With eachmethod three reference series were used in combination with the short-termmeasurement data. These were data from NCAR 850 hPa, NCAR 42-meter sigma leveland a confidential source.Regression methods in combination with reference series were studied and the deviationfrom mean wind speed was obtained for each of these cases. Studies were performed onhow the length of the short-term measurement series affected the deviation from themeasured mean wind speed. It was also investigated if the time of the year had anyinfluence on the measurements.The general conclusion drawn after performing the above-mentioned studies was thatthe NCAR 850 hPa wind speed data and the Reduced-Major-Axis regression methodgave the smallest deviation from the measured mean wind speed in most cases. It wasalso concluded that when a short-term measurement series reached 10 to 14 monthsthere was a significant decrease in deviation from the mean wind speed, regardless ofreference series or method used. Calculations from the model regarding seasonaldependence stated that there was a slight dependency on which period of the year ameasurement was performed.</p> / <p>I processen att bedöma om en plats är lämplig för utbyggnad av vindkraft måste detfinnas övertygande statistiska data som beskriver den genomsnittliga vindhastighetenöver en längre tid. Genom att utföra vindhastighetsmätningar på den tänkta platsenunder en kortare tid, exempelvis ett år, och därefter tillämpas en Measure-Correlate-Predict (MCP) metod i kombination med en långtidsreferens, exempelvis en globalmodell som sträcker sig 20 till 30 år bakåt i tiden kan detta göras. I en MCP-metod kanolika typer av regressionsmetoder användas. När en långtidskorrigerad vinddataseriefinns tillgänglig kan dess beteende på den tänkta platsen analyseras. För att kunna göradetta för flera olika typer av referensserier och regressionsmetoder skapades en modell iMATLAB. Två vinddataserier erhölls från Vattenfall Vindkraft. Dessa var Ringhals ochOskarshamn med högsta mäthöjd på 96 respektive 100 meter. En ytterligarevinddataserie erhölls av Uppsala Universitet från en mätmast nära Marsta med högstamäthöjd på 29 meter.Det fanns flera metoder tillgängliga för att skapa de långtidskorrigeradevinddataserierna. I det här examensarbetet har metoderna Ordinary-Least-Square-,Least-Absolute-Deviation- och Reduced-Major-Axis regressioner använts. För varjemetod testades tre referensserier i kombination med de kortare vinddataserierna. Dessavar NCAR 850 hPa vindhastigheter, NCAR 42 meters sigmanivå vindhastigheter ochannan meteorologisk data.Regressionsmetoderna utvärderades genom att avvikelsen från de kortare mätseriernasmedelvindhastigheter beräknades. Det undersöktes också hur längden på användvinddata från de kortare mätserierna påverkade avvikelsen i medelvindhastighet och omdet fanns något säsongsberoende på när under året som mätningen av vinddata vargjord.Slutsatserna från undersökningarna var att NCAR 850 hPa vindhastigheter ochregressionsmetoden Reduced-Major-Axis generellt gav de lägsta avvikelserna frånuppmätt medelvindhastighet. Slutsatser kunde också dras om längden av användmätdata. Det var tydligt att oavsett referensserie och regressionsmetod uppstod enminskningen i avvikelse från medelvindhastigheten mellan 10 till 14 månaders längd påmätserien. Resultat angående säsongsberoende kunde påvisas i form av avvikelsermellan mätningar gjorda under olika tidpunkter på året. Storlek och tecken påavvikelsen berodde på vilken referensserien i kombination med regressionsmetod somanvändes.</p>

The procedure of determining if a site is suitable for wind power production requiresconvincing statistical data describing the long-term behavior of the average wind speed.This can be achieved by measuring the wind speed for a short time period, e.g. a year,and after that a Measure-Correlate-Predict (MCP) method can be performed. The shorttermmeasured wind data must be used in combination with a long-term referenceseries. This long-term reference series can be global reanalysis data reaching 20 to 30years back in time. In a MCP method different regression methods can be used. Aftercreating a long-term corrected wind data series, it is possible to analyze the conditionsat the investigated site. To be able to study the behavior of different reference series andregression methods, a model was created in MATLAB. As short-term wind speed dataVattenfall Wind Power supplied data from two measuring masts, Ringhals andOskarshamn, with maximum heights of 96 and 100 meters, respectively. From UppsalaUniversity data were supplied from a measuring mast near Marsta with maximummeasurement height of 29 meters.When creating these long-term corrected wind data series there were many methodsavailable. In this Master thesis methods such as Ordinary-Least-Square, Least-Absolute-Deviation and Reduced-Major-Axis regression methods have been used. With eachmethod three reference series were used in combination with the short-termmeasurement data. These were data from NCAR 850 hPa, NCAR 42-meter sigma leveland a confidential source.Regression methods in combination with reference series were studied and the deviationfrom mean wind speed was obtained for each of these cases. Studies were performed onhow the length of the short-term measurement series affected the deviation from themeasured mean wind speed. It was also investigated if the time of the year had anyinfluence on the measurements.The general conclusion drawn after performing the above-mentioned studies was thatthe NCAR 850 hPa wind speed data and the Reduced-Major-Axis regression methodgave the smallest deviation from the measured mean wind speed in most cases. It wasalso concluded that when a short-term measurement series reached 10 to 14 monthsthere was a significant decrease in deviation from the mean wind speed, regardless ofreference series or method used. Calculations from the model regarding seasonaldependence stated that there was a slight dependency on which period of the year ameasurement was performed. / I processen att bedöma om en plats är lämplig för utbyggnad av vindkraft måste detfinnas övertygande statistiska data som beskriver den genomsnittliga vindhastighetenöver en längre tid. Genom att utföra vindhastighetsmätningar på den tänkta platsenunder en kortare tid, exempelvis ett år, och därefter tillämpas en Measure-Correlate-Predict (MCP) metod i kombination med en långtidsreferens, exempelvis en globalmodell som sträcker sig 20 till 30 år bakåt i tiden kan detta göras. I en MCP-metod kanolika typer av regressionsmetoder användas. När en långtidskorrigerad vinddataseriefinns tillgänglig kan dess beteende på den tänkta platsen analyseras. För att kunna göradetta för flera olika typer av referensserier och regressionsmetoder skapades en modell iMATLAB. Två vinddataserier erhölls från Vattenfall Vindkraft. Dessa var Ringhals ochOskarshamn med högsta mäthöjd på 96 respektive 100 meter. En ytterligarevinddataserie erhölls av Uppsala Universitet från en mätmast nära Marsta med högstamäthöjd på 29 meter.Det fanns flera metoder tillgängliga för att skapa de långtidskorrigeradevinddataserierna. I det här examensarbetet har metoderna Ordinary-Least-Square-,Least-Absolute-Deviation- och Reduced-Major-Axis regressioner använts. För varjemetod testades tre referensserier i kombination med de kortare vinddataserierna. Dessavar NCAR 850 hPa vindhastigheter, NCAR 42 meters sigmanivå vindhastigheter ochannan meteorologisk data.Regressionsmetoderna utvärderades genom att avvikelsen från de kortare mätseriernasmedelvindhastigheter beräknades. Det undersöktes också hur längden på användvinddata från de kortare mätserierna påverkade avvikelsen i medelvindhastighet och omdet fanns något säsongsberoende på när under året som mätningen av vinddata vargjord.Slutsatserna från undersökningarna var att NCAR 850 hPa vindhastigheter ochregressionsmetoden Reduced-Major-Axis generellt gav de lägsta avvikelserna frånuppmätt medelvindhastighet. Slutsatser kunde också dras om längden av användmätdata. Det var tydligt att oavsett referensserie och regressionsmetod uppstod enminskningen i avvikelse från medelvindhastigheten mellan 10 till 14 månaders längd påmätserien. Resultat angående säsongsberoende kunde påvisas i form av avvikelsermellan mätningar gjorda under olika tidpunkter på året. Storlek och tecken påavvikelsen berodde på vilken referensserien i kombination med regressionsmetod somanvändes.

The doctoral thesis presents various methods of wind data analysis. Its first part summarizes the undesirable factors that influence the measured wind data. In particular, the effects of anemometer placement with regard to the near-by obstacles are investigated. In addition to the theoretical review, the practical examples of analysis of these effects at the wind mast measurements are demonstrated. The second part is focused on the measure-correlate-predict methods. Two original matrix-type methods are presented. Furthermore, a comparison of accuracy of measure-correlate-predict methods for various types of reference data series, various methods and various configurations of applied methods has been performed. The reanalyzed wind proved to be a suitable source of reference data in most cases. The applicability of surface wind data from meteorological stations depends on the combination of reference and target series, as well as on the homogeneity of involved data. The newly introduced methods proved to be suitable and universal tool for measure-correlate-predict application. The final part of the thesis analyses the wind conditions over the Czech Republic. Besides to the overview of the knowledge of the Czech wind climate, the calculation of the wind map of the Czech Republic is described. The final map was...

For the construction of a wind farm, one needs to assess the wind resources of the considered site location. Using reference time series from numerical weather prediction models, global assimilation databases or observations close to the area considered, the on-site measured wind speeds and wind directions are corrected in order to represent the actual long-term wind conditions. This long-term correction (LTC) is in the typical case performed by making use of the linear regression within the Measure-Correlate-Predict (MCP) method. This method and two other methods, Sector-Bin (SB) and Synthetic Time Series (ST), respectively, are used for the determination of the uncertainties that are associated with LTC.The test area that has been chosen in this work, is located in the region of the North Sea, using 22 quality controlled meteorological (met) station observations from offshore or nearby shore locations in Denmark, Norway and Sweden. The time series that has been used cover the eight year period from 2002 to 2009 and the year with the largest variability in the wind speeds, 2007, is used as the short-term measurement period. The long-term reference datasets that have been used are the Weather Research and Forecast model, based on both ECMWF Interim Re-Analysis (ERA-Interim) and National Centers for Environmental Prediction Final Analysis (NCEP/FNL), respectively and additional reference datasets of Modern Era Re-Analysis (MERRA) and QuikSCAT satellite observations. The long-term period for all of the reference datasets despite QuikSCAT, correspond to the one of stations observations. The QuikSCAT period of observations used cover the period from November 1st, 1999 until October 31st, 2009.The analysis is divided into three parts. Initially, the uncertainty connected to the corresponding reference dataset, when used in LTC method, is investigated. Thereafter the uncertainty due to the concurrent length of the on-site measurements and reference dataset is analyzed. Finally, the uncertainty is approached using a re-sampling method of the Non-Parametric Bootstrap. The uncertainty of the LTC method SB, for a fixed concurrent length of the datasets is assessed by this methodology, in an effort to create a generic model for the estimation of uncertainty in the predicted values for SB.The results show that LTC with WRF model datasets based on NCEP/FNL and ERA-Interim, respectively, is slightly different, but does not deviate considerably in comparison when comparing with met station observations. The results also suggest the use of MERRA reference dataset in connection with long-term correction methods. However, the datasets of QuikSCAT does not provide much information regarding the overall quality of long-term correction, and a different approach than using station coordinates for the withdrawal of QuikSCAT time series is preferred. Additionally, the LTC model of Sector-Bin is found to be robust against variation in the correlation coefficient between the concurrent datasets. For the uncertainty dependence of concurrent time, the results show that an on-site measurement period of one consistent year or more, gives the lowest uncertainties compared to measurements of shorter time. An additional observation is that the standard deviation of long-term corrected means decreases with concurrent time. Despite the efforts of using the re-sampling method of Non-Parametric Bootstrap the estimation of the uncertainties is not fully determined. However, it does give promising results that are suggested for investigation in further work. / För att bygga en vindkraftspark är man i behov av att kartlägga vindresurserna i det aktuella området. Med hjälp av tidsserier från numeriska vädermodeller (NWP), globala assimileringsdatabaser och intilliggande observationer korrigeras de uppmätta vindhastigheterna och vindriktningarna för att motsvara långtidsvärdena av vindförhållandena. Dessa långtidskorrigeringsmetoder (LTC) genomförs generellt sett med hjälp av linjär regression i Mät-korrelera-predikera-metoden (MCP). Denna metod, och två andra metoder, Sektor-bin (SB) och Syntetiska tidsserier (ST), används i denna rapport för att utreda de osäkerheter som är knutna till långtidskorrigering.Det testområde som är valt för analys i denna rapport omfattas av Nordsjöregionen, med 22 meteorologiska väderobservationsstationer i Danmark, Norge och Sverige. Dessa stationer är till största del belägna till havs eller vid kusten. Tidsserierna som används täcker åttaårsperioden från 2002 till 2009, där det året med högst variabilitet i uppmätt vindhastighet, år 2007, används som den korta mätperiod som blir föremål för långtidskorrigeringen. De långa referensdataseten som använts är väderprediktionsmodellen WRF ( Weather Research and Forecast Model), baserad både på data från NCEP/FNL (National Centers for Environmental Prediciton Final Analysis) och ERA-Interim (ECMWF Interim Re-analysis). Dessutom används även data från MERRA (Modern Era Re-Analysis) och satellitobservationer från QuikSCAT. Långtidsperioden för alla dataset utom QuikSCAT omfattar samma period som observationsstationerna. QuikSCAT-datat som använts omfattar perioden 1 november 1999 till 31 oktober 2009.Analysen är indelad i tre delar. Inledningsvis behandlas osäkerheten som är kopplad till referensdatans ingående i långtidskorrigeringsmetoderna. Därefter analyseras osäkerhetens beroende av längden på den samtidiga datan i referens- och observationsdataseten. Slutligen utreds osäkerheten med hjälp av en icke-parametrisk metod, en s.k. Bootstrap: Osäkerheten i SB-metoden för en fast samtidig längd av tidsserierna från observationer och referensdatat uppskattas genom att skapa en generell modell som estimerar osäkerheten i estimatet.Resultatet visar att skillnaden när man använder WRF-modellen baserad både på NCEP/FNL och ERA-Interim i långtidskorrigeringen är marginell och avviker inte markant i förhållande till stationsobservationerna. Resultatet pekar också på att MERRA-datat kan användas som långtidsreferensdataset i långtidsdkorrigeringsmetoderna. Däremot ger inte QuikSCAT-datasetet tillräckligt med information för att avgöra om det går att använda i långtidskorrigeringsmetoderna. Därför föreslås ett annat tillvägagångssätt än stationsspecifika koordinater vid val av koordinater lämpliga för långtidskorrigering. Ytterligare ett resultat vid analys av långtidskorrigeringsmetoden SB, visar att metoden är robust mot variation i korrelationskoefficienten.Rörande osäkerhetens beroende av längden på samtidig data visar resultaten att en sammanhängande mätperiod på ett år eller mer ger den lägsta osäkerheten i årsmedelvindsestimatet, i förhållande till mätningar av kortare slag. Man kan även se att standardavvikelsen av de långtidskorrigerade medelvärdena avtar med längden på det samtidiga datat. Den implementerade ickeparametriska metoden Bootstrap, som innefattar sampling med återläggning, kan inte estimera osäkerheten till fullo. Däremot ger den lovande resultat som föreslås för vidare arbete.