ParkCast

Optimierung der Kürzestfristvorhersage der Leistung von Offshore-Windparks mittels long-range Lidarmessung und Datenassimilation

Im Vorhaben ParkCast sollen neue Methoden zur Kürzestfristvorhersage der Leistung für Offshore-Windparks entwickelt, optimiert und bewertet werden. Die Leistungsprognosen konzentrieren sich auf den Zeitbereich bis 60 Minuten mit hoher zeitlicher Auflösung. Ziel ist es, die zeitliche Auflösung und Vorhersagegüte der Parkleistung im o. g. Zeitbereich wesentlich zu verbessern und damit einen Beitrag zu Netzstabilität und Versorgungssicherheit zu leisten. Hierzu werden long-range Lidarmessdaten in ein hochaufgelöstes, lokales Wettermodell mit neuen Verfahren basierend auf maschinellem Lernen (ML) assimiliert. Für die Leistungsvorhersage werden dann physikalische sowie weiter entwickelte ML-basierte Prognosemodelle angewandt und im Rahmen einer Online-Erprobungsphase in Echtzeit für den Offshore-Windpark alpha ventus validiert.

Projektkoordination:
Stuttgarter Lehrstuhl für Windenergie (SWE) am Institut für Flugzeugbau, Universität Stuttgart

Laufzeit des Projektes:
01.11.2018 – 31.12.2021

Förderkennzeichen des Projektes:
0324330

Projektziele/ Forschungsschwerpunkte

Vermessung des Windfeldes in alpha ventus mittels long-range Lidar bis zu einer Reichweite von 10 km.
Assimilation der Lidardaten in ein hochaufgelöstes Wettermodell und Entwicklung von Prognoseverfahren für die Windparkleistung im Zeitbereich bis 60 Minuten
Bewertung der verschiedenen Parkleistungsprognosen für unterschiedliche Vorhersagehorizonte und Demonstration der Methoden im Onlinebetrieb.

Motivation

Der weltweite Ausbau der Windenergie – insbesondere auch im Offshorebereich– zwingt zur stetigen Verbesserung von Vorhersageverfahren, um Netzstabilität und Versorgungssicherheit weiterhin zu gewährleisten. Herkömmliche Verfahren zur Vorhersage der Leistung von Windenergieanlagen und Windparks basieren auf Wettervorhersagen und – falls verfügbar – aktuellen lokalen Messdaten der Einspeisung. Letztere erlauben es, die ersten Minuten der Vorhersage über statistische Zusammenhänge zu verbessern, da die räumliche und zeitliche Auflösung regionaler Vorhersagemodelle nicht ausreicht um lokale Änderungen der Windgeschwindigkeit zu erfassen. Ziel des Projektes ParkCast ist es, die zeitliche Lücke zu schließen, die weder von lokalen Punktmessungen noch von Wettermodellen gut erfasst wird. Dies erreichen wir, indem wir mit einem Long-Range-Lidar einige Kilometer in den Zustrom der Windkraftanlage und damit in die „Zukunft“ schauen.

Methoden

Da es schwierig ist, von der Windgeschwindigkeit in einigen Kilometern Entfernung direkt auf die zukünftige Leistung zu schließen, werden wir hierfür verschiedene Methoden untersuchen. Ein sehr aussichtsreicher Kandidat ist dabei die Verwendung eines hochaufgelösten, lokalen Wettermodells, in das die Lidardaten eingespeist („assimiliert“) werden. Hierbei gibt es allerdings eine weitere Unzulänglichkeit, nämlich dass die gängigen Assimilationsverfahren sehr (rechen-)aufwändig sind. Dieses Problem werden wir durch die Verwendung maschineller Lernverfahren angehen, u. a. Tiefe Neuronale Netze. Ziel ist es dann Parkleistungsvorhersagen bis 60 Minuten mittels verschiedener Methoden zu realisieren und diese zu bewerten.