<p>Long time average wind conditions at potential wind turbine sites are of great importance when deciding if an investment will be economically safe. Wind climate estimates such as these are traditionally done with in situ measurements for a number of months. During recent years, a wind climate database has been developed at the Department of Earth Sciences, Meteorology at Uppsala University. The database is based on model runs with the higher order closure mesoscale MIUU-model in combination with long term statistics of the geostrophic wind, and is now used as a complement to in situ measurements, hence speeding up the process of turbine siting. With this background, a study has been made investigating how well actual power productions during the years 2004-2006 from 21 Swedish wind turbines correlate with theoretically derived power productions for the corresponding sites.</p><p>When comparing theoretically derived power productions based on long term statistics with measurements from a shorter time period, correction is necessary to be able to make relevant comparisons. This normal year correction is a main focus, and a number of different wind energy indices which are used for this purpose are evaluated. Two publicly available (Swedish and Danish Wind Index) and one derived theoretically from physical relationships and NCEP/NCAR reanalysis data (Geostrophic Wind Index). Initial testing suggests in some cases very different results when correcting with the three indices and further investigation is necessary. An evaluation of the Geostrophic Wind Index is made with the use of in situ measurements.</p><p>When correcting measurement periods limited in time to a long term average, a larger statistical dispersion is expected with shorter measurement periods, decreasing with longer periods. In order to investigate this assumption, a wind speed measurement dataset of 7 years were corrected with the Geostrophic Wind Index, simulating a number of hypothetical measurement periods of various lengths. When normal year correcting a measurement period of specific length, the statistical dispersion decreases significantly during the first 10 months. A reduction to about half the initial statistical dispersion can be seen after just 5 months of measurements.</p><p>Results show that the theoretical normal year corrected power productions in general are around 15-20% lower than expected. A probable explanation for the larger part of this bias is serious problems with the reported time-not-in-operation for wind turbines in official power production statistics. This makes it impossible to compare actual power production with theoretically derived without more detailed information. The theoretically derived Geostrophic Wind Index correlates well to measurements, however a theoretically expected cubed relationship of wind speed seem to account for the total energy of the wind. Such an amount of energy can not be absorbed by the wind turbines when wind speed conditions are a lot higher than normal.</p> / <p>Vindklimatet vid tänkbara platser för uppförande av vindkraftverk är avgörande när det beslutas huruvida det är en lämplig placering eller ej. Bedömning av vindklimatet görs vanligtvis genom vindmätningar på plats under ett antal månader. Under de senaste åren har en vindkarteringsdatabas utvecklats vid Institutionen för Geovetenskaper, Meteorologi vid Uppsala universitet. Databasen baseras på modellkörningar av en högre ordningens mesoskale-modell, MIUU-modellen, i kombination med klimatologisk statistik för den geostrofiska vinden. Denna används numera som komplement till vindmätningar på plats, vilket snabbar upp bedömningen av lämpliga platser. Mot denna bakgrund har en studie genomförts som undersöker hur bra faktisk energiproduktion under åren 2004-2006 från 21 vindkraftverk stämmer överens med teoretiskt härledd förväntad energiproduktion för motsvarande platser. Om teoretiskt härledd energiproduktion baserad på långtidsstatistik ska jämföras med mätningar från en kortare tidsperiod måste korrektion ske för att kunna göra relevanta jämförelser. Denna normalårskorrektion genomförs med hjälp av olika vindenergiindex. En utvärdering av de som finns allmänt tillgängliga (Svenskt vindindex och Danskt vindindex) och ett som härletts teoretiskt från fysikaliska samband och NCEP/NCAR återanalysdata (Geostrofiskt vindindex) görs. Inledande tester antyder att man får varierande resultat med de tre indexen och en djupare utvärdering genomförs, framförallt av det Geostrofiska vindindexet där vindmätningar används för att söka verifiera dess giltighet.</p><p>När kortare tidsbegränsade mätperioder korrigeras till ett långtidsmedelvärde förväntas en större statistisk spridning vid kortare mätperioder, minskande med ökande mätlängd. För att undersöka detta antagande används 7 års vindmätningar som korrigeras med det Geostrofiska vindindexet. I detta simuleras ett antal hypotetiskt tänkta mätperioder av olika längd. När en mätperiod av specifik längd normalårskorrigeras minskar den statistiska spridningen kraftigt under de första 10 månaderna. En halvering av den inledande statistiska spridningen kan ses efter endast 5 månaders mätningar.</p><p>Resultaten visar att teoretiskt härledd normalårskorrigerad energiproduktion generellt är ungefär 15-20% lägre än väntat. En trolig förklaring till merparten av denna skillnad är allvarliga problem med rapporterad hindertid för vindkraftverk i den officiella statistiken. Något som gör det omöjligt att jämföra faktisk energiproduktion med teoretiskt härledd utan mer detaljerad information. Det teoretiskt härledda Geostrofiska vindindexet stämmer väl överens med vindmätningar. Ett teoretiskt förväntat förhållande där energi är proportionellt mot kuben av vindhastigheten visar sig rimligen ta hänsyn till den totala energin i vinden. En sådan energimängd kan inte tas till vara av vindkraftverk när vindhastighetsförhållandena är avsevärt högre än de normala.</p>

Long time average wind conditions at potential wind turbine sites are of great importance when deciding if an investment will be economically safe. Wind climate estimates such as these are traditionally done with in situ measurements for a number of months. During recent years, a wind climate database has been developed at the Department of Earth Sciences, Meteorology at Uppsala University. The database is based on model runs with the higher order closure mesoscale MIUU-model in combination with long term statistics of the geostrophic wind, and is now used as a complement to in situ measurements, hence speeding up the process of turbine siting. With this background, a study has been made investigating how well actual power productions during the years 2004-2006 from 21 Swedish wind turbines correlate with theoretically derived power productions for the corresponding sites. When comparing theoretically derived power productions based on long term statistics with measurements from a shorter time period, correction is necessary to be able to make relevant comparisons. This normal year correction is a main focus, and a number of different wind energy indices which are used for this purpose are evaluated. Two publicly available (Swedish and Danish Wind Index) and one derived theoretically from physical relationships and NCEP/NCAR reanalysis data (Geostrophic Wind Index). Initial testing suggests in some cases very different results when correcting with the three indices and further investigation is necessary. An evaluation of the Geostrophic Wind Index is made with the use of in situ measurements. When correcting measurement periods limited in time to a long term average, a larger statistical dispersion is expected with shorter measurement periods, decreasing with longer periods. In order to investigate this assumption, a wind speed measurement dataset of 7 years were corrected with the Geostrophic Wind Index, simulating a number of hypothetical measurement periods of various lengths. When normal year correcting a measurement period of specific length, the statistical dispersion decreases significantly during the first 10 months. A reduction to about half the initial statistical dispersion can be seen after just 5 months of measurements. Results show that the theoretical normal year corrected power productions in general are around 15-20% lower than expected. A probable explanation for the larger part of this bias is serious problems with the reported time-not-in-operation for wind turbines in official power production statistics. This makes it impossible to compare actual power production with theoretically derived without more detailed information. The theoretically derived Geostrophic Wind Index correlates well to measurements, however a theoretically expected cubed relationship of wind speed seem to account for the total energy of the wind. Such an amount of energy can not be absorbed by the wind turbines when wind speed conditions are a lot higher than normal. / Vindklimatet vid tänkbara platser för uppförande av vindkraftverk är avgörande när det beslutas huruvida det är en lämplig placering eller ej. Bedömning av vindklimatet görs vanligtvis genom vindmätningar på plats under ett antal månader. Under de senaste åren har en vindkarteringsdatabas utvecklats vid Institutionen för Geovetenskaper, Meteorologi vid Uppsala universitet. Databasen baseras på modellkörningar av en högre ordningens mesoskale-modell, MIUU-modellen, i kombination med klimatologisk statistik för den geostrofiska vinden. Denna används numera som komplement till vindmätningar på plats, vilket snabbar upp bedömningen av lämpliga platser. Mot denna bakgrund har en studie genomförts som undersöker hur bra faktisk energiproduktion under åren 2004-2006 från 21 vindkraftverk stämmer överens med teoretiskt härledd förväntad energiproduktion för motsvarande platser. Om teoretiskt härledd energiproduktion baserad på långtidsstatistik ska jämföras med mätningar från en kortare tidsperiod måste korrektion ske för att kunna göra relevanta jämförelser. Denna normalårskorrektion genomförs med hjälp av olika vindenergiindex. En utvärdering av de som finns allmänt tillgängliga (Svenskt vindindex och Danskt vindindex) och ett som härletts teoretiskt från fysikaliska samband och NCEP/NCAR återanalysdata (Geostrofiskt vindindex) görs. Inledande tester antyder att man får varierande resultat med de tre indexen och en djupare utvärdering genomförs, framförallt av det Geostrofiska vindindexet där vindmätningar används för att söka verifiera dess giltighet. När kortare tidsbegränsade mätperioder korrigeras till ett långtidsmedelvärde förväntas en större statistisk spridning vid kortare mätperioder, minskande med ökande mätlängd. För att undersöka detta antagande används 7 års vindmätningar som korrigeras med det Geostrofiska vindindexet. I detta simuleras ett antal hypotetiskt tänkta mätperioder av olika längd. När en mätperiod av specifik längd normalårskorrigeras minskar den statistiska spridningen kraftigt under de första 10 månaderna. En halvering av den inledande statistiska spridningen kan ses efter endast 5 månaders mätningar. Resultaten visar att teoretiskt härledd normalårskorrigerad energiproduktion generellt är ungefär 15-20% lägre än väntat. En trolig förklaring till merparten av denna skillnad är allvarliga problem med rapporterad hindertid för vindkraftverk i den officiella statistiken. Något som gör det omöjligt att jämföra faktisk energiproduktion med teoretiskt härledd utan mer detaljerad information. Det teoretiskt härledda Geostrofiska vindindexet stämmer väl överens med vindmätningar. Ett teoretiskt förväntat förhållande där energi är proportionellt mot kuben av vindhastigheten visar sig rimligen ta hänsyn till den totala energin i vinden. En sådan energimängd kan inte tas till vara av vindkraftverk när vindhastighetsförhållandena är avsevärt högre än de normala.

The expected technical lifetime for a wind turbine is 20-25 years (Wizelius, 2007). In the process of planning a wind farm on a site an estimation of the average wind speed and the energy yield is required from the site. Due to large fluctuations in wind velocity from one year to another it is, from a climatologically point of view, not sufficient to measure the wind for a short period of time, e.g. one year. The year measured may have uncommonly high or uncommonly low winds and thereby generate an average not representative of the wind climate on the site. In the same time it is neither practical nor economically desirable to measure for a longer time period. Instead the measured data collected for a short period of time is scaled into a normal year before it is used to calculate the energy content. This normal year correction can be preformed using different methods. Principally, the methods relate the short time series, measured on the site, to one or more variables of a long time reference series. As a long time reference series the geostrophic wind on the site or a series of measured wind nearby can be used. If the correlation between the two series is sufficiently high a normal year correction may be done using the relation. Normal year correction has foremost been done using the relation between the velocities of the measured wind and a reference wind. The purpose in this study is to evaluate and implement a part of an algorithm for normal year correction considering additional variables besides wind velocity. The relationships studied are between measured wind speed and geostrophic wind speed, geostrophic wind direction and time of the year. For the purpose of evaluating the algorithm two wind data series from Näsudden, on the Swedish island of Gotland, for a period of 15 years has been used. Measured wind on 75 meters and geostrophic wind on 850hPa. Where the geostrophic wind has been used as a long time reference and the measured wind for one year at the time has been related to this reference. The relation has then been used together with the geostrophic wind data to create an estimation of the wind climate on Näsudden in three steps. Step one establishes the estimation due to the relation of geostrophic wind speed. Step two corrects the estimation due to the relation of geostrophic wind direction and step three corrects the estimation due to the relation of time of year. The conclusions from this study showed that with the method used for implementing the algorithm the normal year correction using only the relation between the velocities of the measured wind and the geostrophic wind gives the best estimation of the climatically mean wind speed. The standard deviation gives a 5 % risk for more than 0.436 m/s error for estimation of the mean wind on the site, which is comparable to earlier studies. The introduction of the wind direction dependence overestimates the mean wind on the site and amplifies the error. The introduction of the season dependence amplifies the error further and overestimates the mean wind additionally. / En vindturbin har en planerad livslängd på 20-25 år (Wizelius, 2007). Vid planering av en vindkraftspark behöver en estimering av medelvinden och energiutvinningen utföras för platsen man är intresserad av. På grund av stora fluktuationer av vindhastighet från år till år är det ur klimatologisk synpunkt inte tillräckligt att mäta under en kort period, exempelvis ett år. Det år man mäter kan ha ovanligt starka eller ovanligt svaga vindar och ge en icke representativ bild av vindklimatet på platsen. Samtidigt är det inte praktiskt eller ekonomiskt önskvärt att mäta under en längre tidsperiod. Istället kan den korta mätserie som insamlats korrigeras till ett normalår med hjälp av en långtidsreferens innan den används för att beräkna energiinnehållet. I princip går normalårskorrigering ut på att relatera den korta mätserien till en eller flera variabler i långtidsreferensen. Som långtidsreferensdata kan den geostrofiska vinden på platsen eller en lång mätserie från en närliggande plats användas. Om korrelationen mellan de två serierna är tillräckligt hög kan en normalårskorrigering göras med hjälp av relationen. Tidigare har man vid normalårskorrigering främst sett till relationen mellan vindhastigheterna för den uppmätta vinden och en referensvind. Syftet i detta arbete är att utvärdera en del av en algoritm för normalårskorrigering där hänsyn tas till fler variabler än endast vindhastighet. Samband som studeras är mellan uppmätt vindhastighet och geostrofisk vindhastighet, geostrofisk vindriktning och tid på året. För utvärderingen av algoritmen har två vinddataserier från Näsudden på Gotland använts för en period av 15 år med uppmätt vind på 75m och geostrofisk vind på 850hPa. Där den geostrofiska vinden fått representera långtidsreferensen och den uppmätta vinden för ett år i taget har relaterats till denna. Efter normalårskorrigeringen har den uppmätta vinden för 15 år fått representera vindklimatet på platsen som jämförelse. Enligt algoritmen har uppskattning av vindklimatet på Näsudden skapats i tre steg. Steg 1 är en uppskattning av vinden från sambandet för geostrofisk vindhastighet. Steg 2 är en korrektion av uppskattningen genom sambandet till geostrofisk vindriktning och steg 3 en korrektion av uppskattningen genom sambandet till tid på året. Efter vart steg skickas det aktuella estimatet vidare till nästa steg där det korrigeras med avseende på nästa samband. Slutsatserna från undersökningen visade att med den metod som använts ger normalårskorrigeringen med enbart sambandet till hastighet bäst uppskattning av den klimatologiska medelvinden. Standardavvikelsen för estimatet ger 5 % risk för mer än 0,436 m/s fel vid uppskattning av klimatologisk medelvind vilket är jämförbart med tidigare studier. Vidare överskattar införandet av vindriktningsberoendet den uppskattade medelvindhastigheten samt ökar osäkerheten. Även införandet av säsongsberoendet överskattar medelvindhastigheten ytterligare samt även osäkerheten.

This thesis has been carried out on behalf of IV Produkt AB and intends to set an average ratio of thermal energy losses in apartment buildings that were built during the 1960-1990. This shall be derived by analyzing the total district energy consumption that has been divided into three parts: heat energy losses (the actual heating requirements), the heating of domestic hot water and heating energy consumption for the controlled ventilation. Three different residential areas that were built during the years 1962-1966 and one that was built in 1993 has been analyzed. All residential areas are located in Växjö urban and contains between four and six apartment buildings. The analyzed objects have a mechanical exhaust ventilation systems and district heating as the heating method. No own laboratory work or experiments have been done in this thesis, the calculations have been done on the basis of parameters from VEAB, interviews with property managers, and literature studies. By calculations, we have got a result that is reported in Chapter 6. The result is given as a thermal energy loss as a percentage of the total heat consumption. In this thesis there has also been a review of the rules on requirements for the specific energy consumptions in buildings, indoor environment and indoor temperature from the National Board of Housing and the National Board of Health and Welfare.