This work investigates how to improve wind power predictions using observational wind
speed data. Measurements from ultrasonic anemometers (sonics) are available from five of the 22 wind energy turbines at the analysed wind farm in Beeskow, Germany (52°11’48'N, 14°13’E). In addition, measurements from a vertically pointing Doppler lidar (DL) at the Meteorological Observatory Lindenberg - Richard Aßmann Observatory located at a distance of 6 km from the wind farm are evaluated. The LoadManager® tool, developed by LEMSoftware, Leipzig, is used to perform wind power predictions based on different input data for forecasting horizons of 15 min and 30 min.
Though wind power predictions have consistently improved in the last decade, persistent reasons for remaining uncertainties are sudden large changes in wind speed, so-called ramp events. The occurrence of ramp events at the wind farm has been investigated. Results on the seasonality of ramp events and their diurnal cycle are presented for multiple ramp detection thresholds. Ramps were found to be most frequent in March and April and least frequent in November and December. Furthermore, ramp events occur more frequently during the day than during the night and for most ramp detection thresholds up-ramp events are slightly more frequent than down-ramp events.
For further analysis, the wind power prediction tool is fed with different wind velocity input data. The reference wind power predictions are based on data from a numerical weather prediction (NWP) model. Power predictions using observed wind speed data (DL, sonics) are compared to these reference predictions and evaluated according to two metrics: (i) the absolute difference between the observed and predicted power generation and (ii) the costs incurred due to necessary balancing services. It was found that, (i) the absolute power deviation can be reduced significantly compared to the reference by using power prediction setups based on sonic data. This improvement is even greater during ramp time steps. Power predictions based on the available DL data do not improve the absolute power deviation for the entire data set, albeit they do provide an improvement during down-ramp events.
Considering (ii) incurred balancing costs, all power prediction setups based on observational data reduce the balancing costs compared to the reference. Sonic-based configurations yield 75-80% lower balancing costs than the reference and the DL-based setup results in 20% lower balancing costs. / Diese Arbeit untersucht, wie sich Windleistungsprognosen mit Hilfe von Windmesswerten verbessern lassen. Messungen von Ultraschallanemometern (sonics) an Gondeln von fünf der 22 Windenergieanlagen des untersuchten Windparks Beeskow, Deutschland (52°11’48'N, 14°13’E), sind verfügbar. Weiterhin sind Messungen des vertikalgerichteten Doppler Lidars (DL) am Meteorologischen Observatorium Lindenberg - Richard Aßmann Observatorium des DWD verfügbar, welches sich in einer Entfernung von 6km zum Windpark befindet. Das Programm LoadManager® der Leipziger Firma LEM-Software wird für Windleistungsprognosen
mit verschiedenen Eingangsdaten für die Prognosezeiträume +15 min und +30min verwendet.
Die Qualität von Windleistungsprognosen hat sich in den letzten zehn Jahren stetig verbessert. Unsicherheiten bleiben z.B. sogenannte Windrampen, schnelle, starke Änderungen der Windgeschwindigkeit. Das Auftreten von Windrampen am Windpark Beeskow wurde untersucht und die Ergebnisse werden für verschiedene Rampengrenzwerte vorgestellt. Am häufigsten treten Windrampen im März und April auf und am seltensten treten sie im November und Dezember auf. Außerdem wurden Windrampen häufiger tagsüber als nachts festgestellt. Für die meisten Rampengrenzwerte wurden etwas mehr Leistungsanstiege ('up-ramps') als Leistungsrückgänge ('down-ramps') gefunden.
Für weitere Untersuchungen wurden Windleistungsprognosen mit verschiedenen Windgeschwindigkeitsdatensätzen durchgeführt. Als Referenz gelten Windleistungsprognosen auf Basis von Daten numerischer Wettervorhersagemodelle. Windleistungsprognosen auf Basis von Messwerten (sonics, DL) werden mit dem Referenzmodell verglichen und entsprechend zweier Metriken bewertet: (i) der absoluten Abweichung zwischen der vorhergesagten und beobachteten Stromerzeugung und (ii) der für Abweichungen anfallenden Regelenergiekosten. Die Ergebnisse zeigen, dass (i) die absolute Abweichung verglichen mit der Referenz signifikant reduziert werden kann, in dem man Messwerte von sonics für die Leistungsprognose verwendet. Dabei ist die Verbesserung während Windrampen größer als für den gesamten Datensatz. Windleistungsprognosen auf Basis von DL-Daten zeigen keine Verbesserung der Abweichungen für den gesamten Datensatz, jedoch eine signifikante Verbesserung während Leistungsrückgängen. Betrachtet man (ii) die anfallenden Regelenergiekosten, resultieren alle auf Messwerten basierenden Leistungsprognosen in einer Reduktion der Kosten verglichen mit dem Referenzmodell. Windleistungsprognosen auf Basis der Gondelmessungen reduzieren die Regelenergiekosten um 75-80% und Windleistungsprognosen auf DL-Basis ergeben im Mittel etwa 20% niedrigere Regelenergiekosten.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:84658 |
| Date | 11 April 2023 |
| Creators | Lochmann, Moritz |
| Contributors | Universität Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | English |
| Detected Language | English |
| Type | info:eu-repo/semantics/acceptedVersion, doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds