MCP2005:Correlate (DE)
Zur deutschen Hauptseite | Alle deutschsprachigen Seiten
Der Zweck des Correlate-Registers ist es, die Korrelation im Abgleichzeitraum zu überprüfen. Im Grunde ist dies ein Prozess, der bereits auf dem Measure-Register begonnen hat und der auf dem Predict-Register fortgesetzt wird, nachdem die jeweilige Voraussagemethode (und demnach auch Korrelationsmethode) ausgewählt wurde. Auf dem Correlate-Register wird aber der Großteil der Korrelations-Analyse durchgeführt.
Eine Korrelation liegt vor, wenn eine systematische Beziehung zwischen zwei Datensätzen gefunden werden kann. Diese Beziehung kann linear, polynominal oder nichtlinear sein oder zwischen aggregierten Monatsniveaus herrschen. Grund für die Analyse der Korrelation ist, dass wenn eine schlechte Korrelation zwischen Standort und Referenzdaten herrscht, auch die Langzeit-Voraussage schlecht sein wird und im schlimmsten Fall große Fehler bei einer späteren Ertragsprognose zur Folge hat. Ursache einer schlechten Korrelation kann sein, dass der Referenzmast einem anderen Windklima angehört als die Standortmessung, z.B. unterschiedliche Seiten eines Höhenzugs, auf denen das Windklima völlig unterschiedlich sein kann. Eine schlechte Korrelation kann aber auch an schlechter Datenqualität liegen, z.B. durch Fehler im Messequipment. Wenn nur Teile des Abgleichzeitraums nicht gut korrelieren, so können diese deaktiviert werden; z.B. wenn in einer der Zeitreihen das Messequipment zeitweilig eingefroren war. In diesem Fall würden dann nur gut korrelierende Daten ins Voraussagemodell einfließen.
Anmerkung: Sinn und Zweck der Korrelationsanalyse ist es NICHT, einfach diejenigen Daten zu deaktivieren, die nicht gut korrelieren. Dies würde eine falsche Basis für die Prognose schaffen; wenn die Korrelation im Allgemeinen schlecht ist, und nur die gut korrelierenden Daten zur Prognose herangezogen werden, kann dies zu großen Fehlern in der Voraussage führen!
Laden von Daten
Gehen Sie auf das Correlate-Register und klicken sie auf Daten laden. Dies extrahiert die Datensätze mit übereinstimmenden Zeitstempeln der beiden Zeitreihen vom Measure-Register und zeigt sie als Tabelle an. Wenn auf dem Measure-Register Filter definiert sind, werden die gefilterten Daten extrahiert.
Definieren Sie ggf. einen maximalen zulässigen Unterschied der Zeitstempel, bis zu welchem die Zeitstempel trotzdem als übereinstimmend gelten sollen.
.png)
Die gleichzeitigen Samples können in der Tabelle direkt analysiert werden. Sortieren Sie die Tabelle nach unterschiedlichen Spalten, indem Sie in die Spaltenüberschrift klicken. In der Tabelle werden zwar alle gleichzeitigen Datensätze angezeigt, aber es kann eine minimale Windgeschwindigkeit und ein maximaler Richtungsunterschied festgelegt werden, jenseits derer die Werte ausgegraut erscheinen und nicht in die Berechnung des Windgeschwindigkeits-Verhältnis und des Richtungswechsels einfließen. Vorgabe sind <4 m/s Windgeschwindigkeit und >99° Richtungswechsel.
Korrelation
Auf dem Correlate-Register werden einige grundlegende statistische Werte zu Windgeschwindigkeit, Windgeschwindigkeitsunterschieden und Richtungswechseln aufgeführt. Darunter findet sich der Schlüsselwert Gewichtetes Mittel der Sektor-Korrelationen. Dies ist die Korrelation, in einer einzigen Zahl zusammengefasst: Die mit der Windrichtungsverteilung der Referenzdaten gewichteten sektorweisen Korrelationen.
| Korelationskoeffizient | Qualität der Referenzdaten |
| >0,5 – 0,6 | Sehr Schlecht |
| >0,6 – 0,7 | Schlecht |
| >0,7 – 0,8 | Mittel |
| >0,8 – 0,9 | Gut |
| >0,9 – 1,0 | Sehr Gut |
Die obige Tabelle bewertet die Qualität der Referenzdaten alleine anhand des Korrelationswerts. Ein hoher Korrelationswert muss jedoch nicht bedeuten, dass die Referenzdaten gut geeignet sind, und ebenso kann eine schlechte Korrelation ausreichend sein, um eine gute Voraussage zu treffen. Dennoch ist der Korrelationskoeffizient in der Regel ein guter Indikator für die Qualität.
Es wird hier der Korrelationskoeffizient (r) angegeben. In Excel wird häufig der Determinationskoeffizient (r²) angegeben, wenn eine Regressionsanalyse durchgeführt wird, dies ist aber nur bei linearen Regressionen ein gültiges Maß für die Korrelation.
Die Schaltflächen auf der rechten Seite des Correlate-Registers:
Korrelation zeigt den Abgleichzeitraum als jährliche, monatliche, wöchentliche oder tägliche Mittel oder ganz ohne Mittelung.
.png)
Es kann zwischen der Anzeige von Windgeschwindigkeit, Windrichtung oder Windenergie-Index (Basierend auf den Angaben vom Einstellungen-Register) gewählt werden. Korrelation und Standardabweichung werden auf Basis der gewählten Mittelung berechnet.
Ziel dieser Anzeige ist es, einen visuellen Eindruck der Korrelation während des Abgleichzeitraums zu gewinnen. Die beiden Datenreihen müssen zum selben Windklima gehören und deshalb dieselben Höhen und Tiefen haben. Mit dem Windenergie-Index wird dargestellt, was für eine relative Produktion jeden Monat erwartet werden kann.
Berichte bietet Zugriff auf verschiedene Berichte, die die Korrelation visualisieren und dokumentieren.
.png)
Anbei einige Beispiele, die Berichte sind jedoch im Allgemeinen selbsterklärend:
.png)
Windgeschwindigkeiten: Standort-Daten als Funktion der Referenz-Daten, sektorweise, mit berechnetem Korrelationskoeffizienten.
Dies ist die Korrelation, auf die sich üblicherweise bezogen wird. Wenn es keine gute Korrelation gibt, kann dies an einer Verdrehung der Windrichtungen liegen. Einige der Voraussage-Methoden können damit umgehen, so dass selbst mit einer schlechten Korrelation hier trotzdem gute Ergebnisse erzielt werden können.
.png)
Richtungswechsel für jeden Sektor als Funktion der Windgeschwindigkeit.
In dieser Grafik ist der Korrelationswert nicht von Interesse, da Richtungswechsel unabhängig von der Windgeschwindigkeit sein sollten (eigentlich: Konstant). Bei niedrigen Windgeschwindigkeiten gibt es starke Richtungswechsel, doch bei höheren Windgeschwindigkeiten, wo die Transformations-Funktion gut funktionieren muss, muss der Richtungswechsel klar definiert und konstant mit der Windgeschwindigkeit sein.
.png)
Ausschnitte aus der Zeitreihe mit Windgeschwindigkeits-Unterschieden.
Für jeden Ausschnitt werden die Unterschiede in einem Histogramm dargestellt und werden in der Regel Normalverteilungen ähneln. Dies entscheidet darüber, ob die Matrix-Annahme gültig ist (siehe später).
Weitere Informationen