The time-variable production of wind energy must be included into the time-variable energy consumption schemes. This interactive process depends on a precise prediction of weather conditions, particularly of the wind speed (u), and knowledge of the behavior of the consumers. Parallel to the wind speed prediction the wind energy production depends on the technical parameter of the wind turbines, e.g. characterized by a power curve . As we show here, the power curve of a wind farm, consisting of a number of wind turbines, and an individual power curve of a single wind turbine are different. To systematize the relation between wind speed and energy production the power curve is here approximated using an analytic function. This function fits in our case the predicted wind speed with the predicted or actual energy production of a wind farm. Using this function the behavior of wind farms under real operation conditions are shown. The potential of these wind farm power curves are discussed. These curves are used for the power prediction in a power forecast system based on a neural network. The neural network uses the analytic function to systematize the energy output of the wind farms under different wind field conditions. These analytic power curves are helpful tools to characterize the behavior of a wind farm in a good agreement with the measured power output. Additionally, the analysis of some wind parks shows great differences in the expected power output, depending on the wind direction, the position of each wind turbine and the location of the wind farms in their surroundings. / Die zeitlich variable Produktion von Windenergie muss in das zeitlich variable Energienutzungsverhalten integriert werden. Dieser Wechselwirkungsprozess schließt eine präzise Wettervorhersage, speziell der Windgeschwindigkeit, und die Kenntnis des Verhaltens der Konsumenten ein. Neben der Windfeldvorhersage hängt die Windenergieproduktion auch von den technischen Parametern der Windenergieanlagen ab, die durch eine Leistungskurve p(u) charakterisiert werden kann. Hier wird gezeigt, dass sich die Leistungsabgabe ganzer Windparks von denen einzelner Anlagen stark unterscheidet. Um diesen Zusammenhang zwischen Windgeschwindigkeit und Energieproduktion zu systematisieren, werden hier die Leistungskurven durch eine
analytische Funktion approximiert. Diese Funktion stellt in unserem Fall einen Zusammenhang zwischen der prognostizierten Windgeschwindigkeit und der prognostizierten bzw. tatsächlich eingetretenen Energieproduktion her. Mit dieser Funktion wird das Verhalten von Windparks unter realen Betriebsbedingungen gezeigt. Zusätzlich wird das Potenzial der Windpark-Leistungskurven diskutiert. Diese Kurven werden für die Leistungsvorhersage in einem Energieprognosesystem auf Basis eines neuronalen Netzes verwendet. Das neuronale Netz nutzt die analytische Funktion, um den Energieertrag der Windparks unter verschiedenen Windfeldbedingungen zu systematisieren. Die Analyse einiger Windparks zeigt große Unterschiede zwischen der erwarteten Ausgangsleistung in Abhängigkeit von der Windrichtung, von der Position jeder Windkraftanlage und der Lage des Windparks in seiner Umgebung.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:16695 |
| Date | 03 November 2017 |
| Creators | Raabe, Armin, Wagner, Robert, Zimmer, Janek |
| Publisher | Universität Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | English |
| Detected Language | English |
| Type | info:eu-repo/semantics/acceptedVersion, doc-type:article, info:eu-repo/semantics/article, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | urn:nbn:de:bsz:15-qucosa-212118, qucosa:15004 |
Page generated in 0.0023 seconds