Handbuch MCP

From Wiki-WindPRO
Jump to: navigation, search

Zur deutschen Hauptseite | Alle deutschsprachigen Seiten


Langzeitkorrektur mit MCP

Die Energie, die von einer Windfarm umgewandelt wird, kann in ungewöhnlichen Jahren um +/- 25% variieren. Wenn Windmessungen aus solchen ungewöhnlichen Jahren direkt zur Basis einer AEP-Berechnung (Annual Energy Production, Jährliche Energieproduktion) gemacht würden, müssten Fehler in der selben Größenordnung erwartet werden. Eine Langzeitkorrektur ist essenziell, um eine realistische AEP-Schätzung abzugeben. MCP ist ein fortschrittliches Werkzeug zur Durchführung von Langzeitkorrekturen.

Seit windPRO 3.2 ist ein neues MCP-Modul verfügbar. Es koexistiert mit dem vorherigen MCP-Modul, das jetzt unter dem Namen MCP2005 läuft (nach dem Veröffentlichungsjahr 2005).


DE MCP2 (1).PNG


Das neue MCP-Modul enthält die bisherigen MCP-Features:

  • Verwendung von Mess- und Langzeit-Zeitreihe aus METEO-Objekten
  • Datenfilterung
  • Extraktion der gleichzeitigen Daten im Abgleichszeitraum als Eingabe für die Modelle
  • Erzeugung von langzeitkorrigierten Zeitreihen und/oder Windstatistiken mit unterschiedlichen Modellen


Zusätzlich sind - neben besseren Grafiken und Berichten sowie höherer Benutzerfreundlichkeit - zahlreiche neue Features verfügbar:

  • Scaler-Integration: Umrechnung (räumliche Modellierung) einer oder mehrerer Mesoskalen-Zeitreihen an die Messposition vor Verwendung als Langzeitreferenz, ggf. mit Abstandsgewichtung
  • Evaluierung der Langzeitreihe: Die gewählte Referenzzeitreihe kann mit alternativen Referenzen gegenüber gestellt werden. Diese können direkt als vorberechnete Windindices im MCP-Modul heruntergeladen sowie aus METEO-Objekten oder in PERFORMANCE CHECK selbst erzeugt werden. Die Funktion Referenz-Vergleich hilft bei der Einschätzung, wie eine Alternative Referenz das Ergebnis gegenüber der Gewählten Referenz verändern würde.
  • Auto-Zeitoffset: MCP findet selbständig den Zeitoffset für die Langzeit-Referenz mit der besten Korrelation der Windgeschwindigkeit beider Zeitreihen
  • Auto-Richtungswechsel: Eine automatische Korrektur für die bestmögliche Richtungsübereinstimmung beider Zeitreihen kann auf Standort- oder Langzeit-Zeitreihe angewandt werden
  • Referenz interpolieren
  • Konzeptwahl: Auswahl zwischen
    • einer klassischen Langzeitkorrektur, deren Ausgabe eine Standort-Langzeitreihe oder eine darauf basierende Windstatistik ist oder
    • einem Skalierungs-Ansatz, der eine Kurzzeitreihe (Zeitraum der Standortmessung) generiert, die Skaliert wurde, um langzeit-repräsentativ zu sein, aber die lokale Dynamik und Richtungsverteilung beibehält
  • Neuronales Netz: Neue Langzeitkorrektur-Methode auf Basis maschinelle Lernens
  • Unsicherheit: Ermittlung der Unsicherheit der Eingangsdaten, basierend auf Korrelation, Länge und Windindex des Abgleichszeitraums, Variabilität
  • Session-Konzept: Übersichtliche Organisation und Vergleich von Versuchen mit verschiedenen Langzeit-Referenzen


windPRO-Hauptfenster → Modulfenster → Gruppe "Energie"


DE MCP2 (2).PNG


Session öffnen erzeugt eine neue Session



Die MCP-Session

Register Zeitreihen

Wählen Sie oben die Lokale Messzeitreihe und die Langzeit-Referenz aus:


DE MCP2 (3).PNG


In diesem Fall handelt es sich um eine 1-Jahres-Messung und 20 Jahre Langzeit-Referenz.

Die Liniengraifk links zeigt die beiden Zeitreihen, rechts wird die Richtungsverteilung und der Tagesgang ausgegeben. Beachten Sie, dass auf diesem Register die Daten nicht verändert werden, sondern lediglich die Art der grafischen Darstellung und der Berechnung der Korrelationskoeffizienten modifiziert wird. Ausnahmen sind die Schaltfläche Zeitraum begrenzen und die Anwendung eines Scaler für Referenzdaten (siehe unten).

Elemente unter der Zeitreihengrafik beziehen sich auf diese:

  • Korrelation (r), Windenergie: Pearson-Korrelationskoeffizient der Windindices der beiden Zeitreihen auf Basis der oben eingestellten Mittelung. Die Windindices werden auf Basis der auf dem Register Einstellungen Session gewählten Leistungskennlinie berechnet. Wurde nichts eingestellt, so wird eine vereinfachte Leistungskennlinie verwendet (siehe dort).
  • Korrelation (r), Windgeschw.: Pearson-Korrelationskoeffizient der Windgeschwindigkeiten der beiden Zeitreihen auf Basis der oben eingestellten Mittelung.

Diese Elemente über den beiden rechten Grafiken:

  • Anzahl Sektoren (Richtungsgrafik)
  • Auswahlknöpfe Alle Daten, Abgleichsz. und Referenz Kurz/Lang (Richtungsgrafik und Tagesgang)
  • Auswahlknöpfe Häufigkeit, WG, Energie (Richtungsgrafik)

Wird beispielsweise links nur der Abgleichszeitraum in wöchentlicher Mittelung dargestellt und rechts statt der Richtungshäufigkeit die Energie, ebenfalls nur für den Abgleichszeitraum, so ändern sich die Grafiken wie folgt:


DE MCP2 (4).PNG


Die wöchentliche Mittelung gibt einen etwas besseren Eindruck, wie gut die beiden Zeitreihen miteinander korrelieren. Beachten Sie, dass sich die Korrelation in der Regel mit größeren Mittelungszeiträumen verbessert. Die Richtungsgrafik erlaubt es, die Übereinstimmung der Richtungsverteilungen beider Zeitreihen zu beurteilen. Außerdem kann beurteilt werden, ob der Abgleichzeitraum eine übliche Verteilung hat oder nicht - mit der Einstellung Referenz Kurz/Lang stellt die Richtungsverteilung sich so dar:


DE MCP2 (5).PNG


Diese Darstellung lässt Rückschlüsse darauf zu, ob die Richtungsverteilung des Abgleichszeitraums Langzeit-repräsentativ ist. Wenn dies nicht der Fall ist, würde sich beispielsweise die Methode Kurzzeit: Lokal skaliert für diese Daten nur bedingt eignen.


Anwendung eines Scalers auf Referenzdaten

Für Versionen vor windPRO 3.3 steht diese Option nur in einem stark reduzierten Umfang zur Verfügung


DE MCP2 (5.1).PNG


Die Auswahl dieser Option eröffnet den Zugang zu den vollständigen Scaler-Einstellungen (vgl. Register Scaler in PARK).

Diese können zum einen verwendet werden, um eine oder mehrere Meso-Zeitreihen oder Referenzmasten via Downscaling auf die Mastposition umzurechnen; dies sollte für eine bessere Korrelation mit den Standortdaten sorgen, da dann beide Datenquellen denselben Geländeeinfluss enthalten.

Zum anderen kann das Scaling aber auch verwendet werden, um benachbarte Zeitreihen anderer Datenquellen abstandsgewichtet zu mitteln, z.B. MERRA2 oder ERA5. Wichtig: Bei der Verwendung von Reanalyse-Datenquellen sollte auf das Gelände-Scaling verzichtet werden, da ansonsten beim Downscaling ein Mikro-Geländeeinfluss aus den Daten herausgerechnet wird, der in diesen gar nicht enthalten war.


Zeitraum begrenzen


DE MCP2 (5.2).PNG


Ermöglicht es, den verwendeten Zeitraum von Lokaler Messung und/oder Langzeit-Referenz einzuschränken sowie über die Verwendung von deaktivierten Daten zu entscheiden.

Dies ist häufig sinnvoll, wenn ältere Referenzdaten weniger vertrauenswürdig erscheinen; dann kann es eine bessere Wahl sein, beispielsweise nur die letzten 10 statt der letzten 25 Jahre zu verwenden (siehe Referenz evaluieren unten).

Eine Begrenzung der Standortdaten kann verwendet werden, wenn die Qualität der Sensoren sich während des Messzeitraums verändert hat oder am Anfang oder Ende der Messung verstärkt Messfehler aufgetreten sind. Es kann aber auch einfach nur für Experimente verwendet werden, z.B. die Veränderung der Ergebnisse je nachdem, ob das erste oder das letzte Jahr der Standortdaten verwendet wird.

Die Option Deaktivierte verwenden ist komfortabel, wenn die Deaktivierungen im METEO-Objekt aus einem anderen Grund vorgenommen wurden, als ungültige oder schlechte Daten zu entfernen.


Statistiken

Zeigt eine Tabelle mit sektorweisen Parametern für Lokale Messung und Langzeit-Referenz sowie das Verhältnis zwischen beiden. Samples mit Windgeschwindigkeiten unter 4 m/s (Standort oder Referenz) und Abweichungen der Windrichtung von mehr als 90° werden standardmäßig nicht berücksichtigt. Die Tabelle basiert auf gleichzeitigen Zeitstempeln für das Verhältnis zwischen Lokaler Messung und Langzeit-Referenz und auf allen Daten für die Mittelwerte einzelner Datensätze. Im selben Fenster können auf einem zweiten Register Grafiken auch sektorweise Scatterplots angezeigt werden.

DE MCP2 (6).PNG

DE MCP2 (7).PNG


Referenz evaluieren

Die Wahl der richtigen Langzeit-Referenz ist im MCP-Prozess vermutlich die wichtigste Entscheidung. Hier können unterschiedliche Referenzdatenquellen auf Indexbasis verglichen und ihr Einfluss auf die Langzeitkorrektur abgeschätzt werden.


DE MCP2 (8).PNG


Die Darstellung enthält zunächst mindestens eine Index-Serie:

  • Referenz - Generische Leistungskennlinie: Im Bild die erste Zeile. Eine Windindex-Serie aus der gewählten Langzeit-Referenz, bei der der gesamte Zeitraum das 100%-Niveau bestimmt. Zur Indexberechnung wirde eine vereinfachte Leistungskennlinie unter Verwendung quadrierter Windgeschwindigkeiten und Trunkierung bei 13 m/s verwendet.

Wenn auf dem Register Einstellungen Session eine Anwender-Leistungskennlinie zur Indexberechnung angegeben ist, erscheint zusätzlich noch:

  • Referenz - Anwender-LK, nicht skaliert: Zur Berechnung des Index werden die Einstellungen des Registers Einstellungen Session herangezogen.

Zusätzlich zu diesen Serien können weitere Datenquellen im Vergleich angezeigt werden:

  • Von METEO-Objekt: Erzeugt Windindices aus einem oder mehreren METEO-Objekten unter Verwendung der Einstellungen des Registers Einstellungen Session. Die Dauer der Zeitreihe im METEO-Objekt definiert den 100%-Zeitraum. Um diesen zu verkürzen, müssen die Daten im METEO-Objekt deaktiviert werden.
    • Tipp: Sie können Sie dieselbe Langzeitreihe mehrfach hinzufügen und dazwischen die Einstellungen auf dem Register Einstellungen Session ändern.
  • Von Perf.Check-Datenbank hinzufügen: Im Modul PERFORMANCE CHECK lassen sich Windindices erzeugen und als Datenbank-Datei (*.wbf) ablegen. Hier können diese Datenbanken eingeladen werden
  • Online-Windenergieindex hinzuf.: Lässt Sie verschiedene vorgenerierte Indices herunterladen. Je nach Lage auf der Erde können verschiedene Datenquellen verfügbar sein, überall sind aber EMD Global Wind Data (ERA Interim-basiert, später mit ERA5 erweitert), MERRA2 und ERA5 verfügbar.
DE MCP2 (9).PNG
HINWEIS: Für alle Online-Indices wurde die Periode 1993-2012 (20 Jahre) als 100%-Zeitraum definiert. Dieser Zeitraum wurde gewählt, um eine einheitliche Referenz für alle Zeitreihen zu haben. Der Zeitraum wurde von EMD als langzeit-repräsentativ für Nordeuropa evaluiert, basierend auf rund 40 Jahren Erfahrung mit WEA-Betriebsdaten und gegen Langzeitquellen wie den NAO-Index validiert. Allerdings ist dies eventuell nicht die beste Referenzperiode für andere Orte auf der Erde. An anderen Orten auf der Erde können Probleme wie schlechte Datenqualität oder ungenügende historische Quellen die zu berücksichtigende Periode auf die vergangenen 10-15 Jahre einschränken.


Der angezeigte Name der Referenz-Zeitreihen in der Tabelle in der oberen Fensterhälfte enthält einige Grundinformationen, unter welchen Voraussetzungen der jeweilige Index hinzugefügt wurde:

DE MCP2 (9.2).PNG

Hier wurde beispielsweise der selbe ERA5-Index aus einem METEO-Objekt zweimal hinzugefügt, einmal unter Verwendung der generischen Leistungskennlinie (Standardeinstellung) und zusätzlich unter Verwendung einer Anwender-Leistungskennlinie. Für alle Indices wurde die jeweilige Zeitreihe vor der Index-Berechnung auf 9 m/s mittlere Windgeschwindigkeit skaliert. Diese Einstellungen werden auf dem Register Einstellungen Session getroffen.

Die Tabelle enthält weiterhin:

  • Entfernung zur Lokalen Messung / Zur gewählten Langzeit-Referenz
  • Gleichzeit. Tage Tage mit gewählter Langzeit-Referenz
  • Variabilität auf Windgeschwindigkeit und Windindex (Berechnet als Standardabweichung auf 12-Monats-Mittel). Dieser Wert reagiert empfindlich auf den Startmonat (der unter der Tabelle gewählt werden kann)
  • MK Trend Test (Mann-Keldall) ist eine quantitative Beurteilung, ob ein signifikanter Trend in der Zeitreihe vorliegt. Das Ergebnis nähert sich 1 für trendfreie und 0 für trendhaltige Zeitreihen. Ein Trend kan auf ungewöhnliche Klimaereignisse hinweisen oder aufgund von Datenartefakten auftreten. Ein Trend muss aber einen Datensatz nicht automatisch disqualifizieren, sondern sollte nur die Aufmerksamkeit für die Eignung des Datensatzes schärfen. Ein klassisches Beispiel wären wachsende Bäume in der Nähe eines meteorlogischen Masts, der als Langzeit-Referenz verwendet wird. Diese Art von Trend würde die Daten unbrauchbar machen.
  • Sen's Slope wird nur berechnet, wenn ein Trend ermittelt wurde. Die Steigung, oder lineare Änderungsrate wird berechnet. Über Klick auf den DE MCP2 (10).PNG-Knopf lässt sich die vollständige Dokumentation herunterladen.

Im unteren Teil werden der Windindex und der rückwärts kumulierte Windindex als Grafiken dargestellt. Für die Windindex-Grafik lassen sich unterschiedliche Mittelungsintervalle (gleitendes Mittel) einstellen, von 1 Monat bis 20 Jahre. Je nach Gesamtlänge der Zeitreihe lassen sich häufig mit gleitenden Mitteln von 3 oder 5 Jahren Darstellungen erzielen, die eine relative Verschiebung zwischen zwei Zeitreihen gut erkennbar machen:


DE MCP2 (11).PNG


Besonders signifikant in dieser Darstellung ist die Umkehrung zwischen beiden Zeitreihen ca. 2009. Zwar lässt sich aus so einem einfachen Vergleich noch keine Handlungsempfehlung ableiten, zumindest weist er aber schon mal auf eine Inkonsistenz hin, die es weiter zu untersuchen und zu beurteilen gilt (z.B. durch Vergleich mit weiteren Zeitreihen).

Dieselbe Grafik für einen anderen Standort und eine andere Periode:


DE MCP2 (12).PNG


Beachten Sie, dass hier die Einstellung Zeitraum: Gemeinsamer Zeitraum gewählt ist. Dies ist eine sinnvolle Einstellung insbesondere wenn die Zeitreihen nicht gleichzeitig enden, um einen Bias zu verhindern.

Hier gibt es eine ähnliche Umkehrung um das Jahr 2006. Gut erkennbar hier aber auch, dass das letzte dargestellte Jahr 2016 im MERRA2-Index mehr als 3% unter dem EmdConWx-Index liegt (die Referenzperioden unterscheiden sich). Effektiv würde dies bedeuten, dass wenn man eine Messung aus 2016 auf Basis der hier herangezogenen MERRA2-Zeitreihe langzeitkorrigiert, mit einer 3% höheren AEP rechnen würde als wenn man die hier dargestellte EmdConWx-Zeitreihe verwenden würde.

Der rückwärts kumulierte Windindex in der unteren Grafik:


DE MCP2 (13).PNG


Hier repräsentiert der letzte (rechte) Wert den letzten Indexmonat, der vorletzte Wert den Mittelwert der beiden letzten Indexmonate, der Wert davor den Mittelwert der letzten drei Indexmonate u.s.w.

Dargestellt sind die letzten 120 Monate (10 Jahre). Es zeigt sich ein ziemlich konstanter Offset zwischen beiden Quellen, wobei beide 10 Jahre zurück sehr nahe an den 100%-Wert kommen. Dies hilft bei der Schlußfolgerung, dass die vergangenen 10 Jahre eine bessere Wahl erscheinen als die Gesamtzeitreihe, da diese auch etwa ein 100%-Mittel haben, aber die Diskrepanzen herausgenommen werden, die weiter zurück liegen.

Bei eigenen Zeitreihen werden Sie eventuell stärkere Fluktuationen sehen, bevor sich der Wert um den 100%-Wert stabilisiert; z.B. könnte die 100%-Linie 8 Jahre zurück gekreuzt werden. Dann könnten die vergangenen 8 Jahre eine bessere Langzeit-Periode sein. Eine andere Erwägung sollte allerdings die Repräsentativität der Windrichtungen. Je kürzer wir in der Zeit zurückgehen, desto höher ist das Risiko, keine langzeit-repräsentative Richtungsverteilung zu erhalten. In einem späteren Prozessschritt wird es die Möglichkeit geben, eine Anpassung für sehr lange Zeiträume vorzunehmen, für den Fall, dass Sie sich entscheiden, einen Zeitraum zu verwenden, der nicht auf 100% kommt.


Referenz-Vergleich

Dieses Fenster gibt Antwort auf die Frage, um wie viel die Voraussage mit einer alternativen Referenz von der Voraussage mit der gewählten Referenz abweichen würde.


DE MCP2 (9.1).PNG


Es werden Produktionsindices für die gewählte Referenz und für eine oder mehrere alternative Referenzen berechnet. Dann wird für beide Indices anhand eines Vergleichs des Abgleichszeitraums (Messperiode der Standortmessung) mit dem Langzeitraum ermittelt, wie stark die Lokalen Daten nach oben oder unten korrigiert würden. Das Verhältnis zwischen den Korrekturen mit den beiden Indices gibt dann an, wie sich die beiden Referenzen bezüglich des Korrekturergebnisses unterscheiden.

Die genannten Berechnungen werden für zwei unterschiedliche Definitionen des Langzeitraums durchgeführt:

  • Die gemeinsame Periode der Gewählten und der Alternativen Referenz (oben)
  • Die gesamte Periode jeder einzelnen Referenz (unten)

Zur Verdeutlichung werden die jeweiligen Bezugszeiträume im Zeitstrahl unten im Fenster hervorgehoben, wenn der Mauszeiger über einer der unterstrichenen Zahlen ist.




Register Einstellungen Session



DE MCP2 (14).PNG

In den Session-Einstellungen wird festgelegt, wie in der Session Windgeschwindigkeiten in Energie umgewandelt werden, wenn Energie als Maßzahl verwendet wird.


Optionen sind:

WEA-Leistungskennlinie: eine echte Leistungskennlinie verwenden - diese kann aus dem WEA-Katalog gewählt werden. Wählen Sie diese Option, wenn Sie bereits zum Zeitpunkt der Langzeitkorrektur wissen, welchen WEA-Typ Sie planen.

Vereinfachte Leistungskennlinie: Dies ist die Standardeinstellung. Sie verwendet eine vereinfachte Leistungskennlinie aus quadrierten Windgeschwindigkeiten, die bei 13 m/s trunkiert wird und ab 25 m/s Null ist. Die Trunkierungsgeschwindigkeit kann selbst gewählt werden.

Nur Perioden mit [...] % Verfügbarkeit: Um zu verhindern, einen Zeitraum mit schlechter Verfügbarkeit zu verwenden, da ansonsten die (wenigen) verfügbaren Daten als repräsentativ für den ganzen Zeitraum betrachtet werden.

Erwartete mittlere Langzeit-Windgeschwindigkeit: Grundsätzlich müssen beide Zeitreihen für Index-Berechnungen zunächst auf eine gemeinsame mittlere Windgeschwindigkeit skaliert werden, da ansonsten die Indices nicht gut miteinander korrelieren können (Bruttowindenergie in der 3. Potenz der Windgeschwindigkeit, Einfluss der Leistungskennlinie). Je genauer Sie hier die Langzeit-Windgeschwindigkeit vorhersagen können, desto aussagekräftiger werden nachher die Energie-basierten Kennzahlen. Schätzen Sie dies ggf. zunächst und bessern Sie nach einem ersten MCP-Durchlauf nach.



Register Justierung



DE MCP2 (15).PNG


Zeige Samples (2x, unter den beiden unteren Grafiken) ist standardmäßig nicht aktiviert, um lange Ladezeiten bei großen Datenmengen zu vermeiden. Die Balken in den beiden unteren Grafiken zeigen Mittelwert +/- 1 Standardabweichung.

Die folgenden Justierungen können vorgenommen werden:

Zeit Offset: Mit Auto ermittelt MCP automatisch, welche Zeitverschiebung die beste Korrelation zwischen Standort-Zeitreihe und Langzeit-Referenz zur Folge hat. Eine Zeitverschiebung der Referenzdaten ist unkritisch, da sie deren Integrität nicht beeinträchtigt. Häufig hat die lokale Messung 10 min-Samples und die Referenzdaten Stundendaten, und es ist nicht immer ersichtlich, wie diese zusammen passen, deshalb ist die Auto-Justierung über die Korrelation der beste Weg. Gleichzeitig wird das Problem falscher Zeitzoneneinstellungen gelöst.

Richtungswechsel: Auto berechnet den Richtungsunterschied für alle gleichzeitigen Samples bei Windgeschwindigkeiten >4 m/s (Standardeinstellung; kann auf Register ZeitreihenStatistiken geändert werden) und schlägt den Mittelwert aller Samples als Korrekturwert vor.

Für einen Richtungsunterschied kommen verschiedene Gründe in Frage, z.B.:

  • Fehlerhaft kalibrierte Windfahne am Messmast - hier sollte die Korrektur auf den Messmast angewandt werden
  • Lokale Verdrehungen der Windgeschwindigkeit durch das mikroskalige Gelände (steile Hänge), die von Mesoskalen- oder Reanalysedaten nicht erfasst werden. Hier sollten die Referenzdaten korrigiert werden
  • Für andere Fälle muss eine eigene Beurteilung vorgenommen werden, welche Daten geändert werden.

Beachten Sie, dass hier vorgenommene Richtungsänderungen das Endergebnis beeinflussen!

Mittelung: Wird diese Option gewählt, wird eine Zeitreihe mit einem gleitenden Mittel über die gewählte Periode erzeugt, wobei ein Zeitstempel jeweils die vorangegangene Periode bis zum Zeitstempel repräsentiert. Mit Mittelungen der Windgeschwindigkeit sollte äußerst vorsichtig umgegangen werden, da diese aufgrund der exponentiellen Beziehung zwischen Windgeschwindigkeit und Windenergie zu einer Reduktion des Energiegehalts der Zeitreihe führen. Verwenden Sie Mittelung nur, wenn sonst keine ausreichende Korrelation zwischen den Zeitreihen gegeben ist, z.B. Reanalyse-Zeitreihen mit 3h-Mittelwerten anstatt 10 min-Momentanwerten. Aber auch bei 1h-Referenzzeitreihen ist in der Regel keine Mittelung notwendig, selbst wenn diese Mittelwerte anstelle von Momentanwerten enthalten.



Register Modell-Input



DE MCP2 (16).PNG


Nachdem Justierungen durchgeführt wurden und die gleichzeitigen Samples extrahiert wurden, können hier die Daten untersucht werden, die in die Langzeitkorrektur-Methoden auf den folgenden Registern eingehen. Die Ansichtsoptionen ähneln denen des Registers Zeitreihen.

Bei der Untersuchung der Daten können verdächtige oder fehlerhafte Daten auffallen, wie z.B. eine Woche mit ungewöhnlich starkem Unterschied zwischen Langzeit-Referenz und Standortmessung. In diesem Fall sollten Sie die kritische Periode notieren, MCP unterbrechen und im METEO-Objekt eine zweite Überprüfung der Daten vorzunehmen, um möglicherweise zusätzliche Deaktivierungen vorzunehmen, die bei der ersten Prüfung nicht aufgefallen sind.



Register Konzept-Wahl



DE MCP2 (17).PNG


Die verfügbaren Optionen sind:

  • Modelle LZ: Langzeit-Zeitreihe für den Standort
  • Lokal Skaliert: Skalierung der Standort-Zeitreihe

Der Text auf dem Register erläutert das Vorgehen in Grundzügen. Genauere Informationen erhalten Sie bei der Erläuterung der MCP-Modelle (siehe unten).

Je nach der getroffenen Auswahl ist von den beiden folgenden Registern nur eines verfügbar.

Die Unsicherheit der Datengrundlage (inklusive Justierung) nach Klintø[1] wird angzeigt. Das Klintø-Modell basiert auf Analysen vieler Datensätze daraufhin, welche Parameter die Vorhersagefehler bestimmen und in welcher Größenordnung. Die Formel und die Gewichtung der Parameter lässt sich über Ansicht/Bearb. einsehen und modifizieren:


DE MCP2 (18).PNG


Klick auf den DE MCP2 (10).PNG-Knopf im Fenster öffnet eine Präsentation zur Klintø-Methode. Da die Ausgabe der Klintø-Methode sich auf die Energiedichte im Wind bezieht, wird in windPRO ein zusätzlicher Faktor "Dichte zu AEP (CF)" eingeführt, der dazu dient, dies in AEP-Unsicherheit (Annual Energy Production, Jährliche Energieproduktion) zu konvertieren. CF wird anhand der Leistungskennlinien-Einstellungen auf dem Register Einstellungen Session ermittelt.

Derzeit wird, wenn weniger als 1 vollständiges Jahr gemeinsame Daten vorliegen, die Unsicherheit zwar berechnet und angezeigt, erscheint jedoch nicht auf den Berichten, da solche Ergebnisse nicht in jedem Fall aussagekräftig sind.



Register Modelle LZ

Auf diesem Register findet die Langzeitkorrektur statt, wenn das Ziel eine Standort-Langzeitreihe ist (siehe Konzept-Wahl).

Der typische Ablauf ist:

  1. Hinzufügen von Modellen, ggf. Variieren von Modellparametern
  2. Training + Test - Anwendung der Modelle auf die Referenzdaten, um die Messung im Abgleichszeitraum nachzubilden und Beurteilung der Ergebnisse
  3. Speichern der Ergebnisse als Zeitreihe oder regionale Windstatistik; in diesem Zuge wird dann die ganze Langzeitreihe mit dem gewählten Modell berechnet.


1.

Hinzufügen von Modellen

Es stehen vier verschiedene Modelle zur Verfügung:

DE MCP2 (19).PNG


  • Einfaches WG-Scaling: Dieses Modell wird automatisch standardmäßig hinzugefügt. Es verwendet das Verhältnis der mittleren Windgeschwindigkeiten zwischen Standortdaten und Langzeit-Referenz im Abgleichszeitraum als Skalierungsfaktor für die Zeitstempel der Langzeit-Referenz. Dies ist ein extrem einfaches Modell, das von den aufwändigeren Methoden regelmäßig übertroffen werden sollte (Mehr dazu)
  • Regression: Seit Jahrzehnten das verbreitetste Modell. Führt für jede Windrichtung (Standard: 360) eine Regressionsanalyse durch und skaliert die Langzeit-Windgeschwindigkeiten entsprechend der ermittelten Transferfunktionen, zzgl. Residuen (Mehr dazu)
  • Matrix: Ebenfalls eine Methode mit langer Tradition. Im Vergleich zur Regression werden hier Richtungsunterschiede zwischen Standort und Langzeit-Referenz besser gehandhabt, da Windgeschwindigkeit und Windrichtung kombiniert betrachtet werden (Mehr dazu).
  • Neuronales Netz: Eine neue Methode auf Basis von maschinellem Lernen. Zu Beginn relativ beliebige Annahmen über den Zusammenhang zwischen Standort und Referenz werden anhand der Zeitstempel des Abgleichszeitraums überprüft und das Feedback fließt in eine Verbesserung der Annahmen (Mehr dazu)


2.

Training und Test sowie Beurteilen der Ergebnisse

Training+Test (Aktivierte) führt alle Modellierungen durch, die in der Spalte Aktiviert markiert sind und präsentiert dann Grafiken und Kennzahlen zur Beurteilung der Ergebnisse oben in der Tabelle sowie unten auf zwei Registern:

  • Vergleich zum grafischen Vergleich der Kennzahlen der verschiedenen Modellierungen
  • Gewähltes Modell zur Anzeige verschiedener Grafiken des Modells, das oben in der Spalte "Gewählt" markiert ist


Weitere Steuerelemente im Fenster:

  • DE MCP2 (22).PNG
Entscheidet darüber, ob die Werte in Grafiken und Tabelle unter Berücksichtigung von Residuen dargestellt werden oder nicht. Die Einstellung Standard zeigt Residuen an, wo für die Beurteilung des Ergebnisses sinnvoll und unterdrückt sie, wo nicht. Vgl. weiter unten, Register Gewähltes Modell
  • Statistik Mittelung: Von Stunden- bis Monatsmittelwerten. Wirkt sich auf die ersten vier Grafiken auf Register Vergleich und auf die linken beiden Grafiken auf Gewähltes Modell
  • Parameter: Windgeschwindigkeit oder Energie. Wirkt sich auf alle Grafiken auf Register Vergleich aus. Hat keine Auswirkungen auf Register Gewähltes Modell
  • Ausklappmenü ganzer Abgleichszeitraum: Derzeit ohne praktische Anwendung - Vorbereitung für zukünftige Verbesserungen. Sollte nicht geändert werden


DE MCP2 (21).PNG


Grundsätzlich gilt für die Vergleiche, dass eine mit der jeweiligen Methode aus der Langzeit-Referenz modellierte (künstliche) Zeitreihe im Abgleichszeitraum mit den tatsächlich gemessenen Werten verglichen wird. Die Kennzahlen beschreiben, wie gut die Messwerte von der Modellierung reproduziert werden konnten.

Die folgenden Kennzahlen werden für den Vergleich zwischen verschiedenen Methoden berechnet:

  • Mean Bias Error (MBE) *1): Mittlere Abweichung der Vorhersagen von den gemessenen Werten. Positive und negative Abweichungen gleichen sich aus, das Ergebnis sagt also nur aus, wie gut der Mittelwert getroffen wurde, nicht jedoch wie hoch die individuellen Abweichungen sind; diese können beliebig extrem sein, solange sie symmetrisch um den Mittelwert verteilt sind. Bei dieser Methode wird in der Regel das "Einfache WG-Scaling" die besten Werte erreichen, da diese Kennzahl hier gleichzeitig Kernstück der Methode ist; dies sollte allerdings nicht überbewertet werden.
  • Mean Absolute Error (MAE) *1): Mittel der absoluten Abweichung der Vorhersagen von den gemessenen Werten. Im Gegensatz zum MBE ein Maß, um zu beurteilen, wie hoch die Einzelabweichungen sind.
  • RMS (Root Mean Square) Error (RMSE) *1): Wurzel der Summe der Quadrate der Abweichungen der Vorhersagen von den gemessenen Werten. Aufgrund der Quadrierung wie der MAE ein Maß für die Beurteilung der Höhe der Einzelabweichungen; im Gegensatz zu diesem fließen aber hier hohe Abweichungen überproportional ein. Erlaubt damit zusätzlich eine Beurteilung, wie stark die Abweichungen streuen. Ist eine Säule in der MAE-Grafik unauffällig, sticht in der RMSE-Grafik aber nach oben heraus, dann spricht dies für eine stärkere Streuung der Einzelabweichungen (und umgekehrt).
  • Korrelation (in der Grafik 1 - Korrelation, um die Konsistenz des "kleine Säulen sind besser" zu wahren): Pearson-Korrelationskoeffizient der Vorhersagen mit den gemessenen Werten.
  • Kolmogorov-Smirnov: Der Kolmogorov-Smirnov-Test (KS Test) quantifiziert den maximalen Abstand zwischen zwei Verteilungen, in unserem Fall die Windgeschwindigkeitsverteilungen der Messung und der Modellierung. Kleinere Werte sind besser. Kolmogorov-Smirnov in der englischen Wikipedia.

*1) Die englischen Bezeichnungen wurden beibehalten, da diese im Internet zum Zweck der eigenen Recherche leichter zu finden sind und im Gegensatz zu den deutschen Begrifflichkeiten relativ einheitlich verwendet werden.

Weitere Grafiken auf Unterregister Vergleich

  • Jahresgang Fehler mittlere Energie (bzw. Windgeschwindigkeit)
  • Tagesgang Fehler Energie (bzw. Windgeschwindigkeit)
  • Sektor Fehler Energie (bzw. Windgeschwindigkeit)


Register Gewähltes Modell


DE MCP2 (23).PNG


Die Darstellungen auf diesem Register dienen nicht dazu, verschiedene Modelle untereinander zu vergleichen, sondern die Ergebnisse einer Modellierung im Abgleichszeitraum mit den zeitgleich gemessenen Werten zu vergleichen.

Dargestellt ist jeweils die Modellierung, die in der Spalte Gewählt markiert ist.

Bei den rechten vier Grafiken ist es ein gutes Zeichen, wenn die beiden Linien (Messung und Modellierung) übereinander liegen. In den beiden linken Grafiken ist möglichst wenig Streuung wünschenswert.

Besonderes Augenmerk sollte auf die Grafik Häufigkeit Windgeschwindigkeit gelegt werden - eine gute Übereinstimmung hier ist extrem wichtig für die korrekte Abbildung des Energiegehalts. Tagesgang und Jahresgang sind dagegen nur von Bedeutung, wenn das Ergebnis der Langzeitkorrektur als Zeitreihe gespeichert und in einer Scaler-Berechnung verwendet werden soll.

Hier im Vergleich dasselbe Modell wie oben, nur hier in der Darstellung ohne Residuen:


DE MCP2 (24).PNG


Es zeigt sich deutlich, das insbesondere die wichtige WG-Häufigkeitsverteilung deutlich viel schlechter getroffen wird, wodurch auch eine korrekte Abbilung des Energieniveaus unwahrscheinlich wäre.


3.

Speichern der Ergebnisse

In jeder Modellzeile gibt es eine Predict-Schaltfläche. Diese öffnet das folgende Fenster:


DE MCP2 (25).PNG


In der linken Fensterhälfte finden sich die Optionen

  • Zur Ausgabe als Zeitreihe und Speicherung in ein bestehendes oder ein neues METEO-Objekt
  • Zur Ausgabe als regionale Windstatistik; wird diese Option gewählt, wird innerhalb von MCP eine STATGEN-Berechnung durchgeführt.
    • Mit Setup können Terraindaten, WAsP-Parameter und Verdrängungshöhen dafür gewählt werden.
    • Derzeit ist es nicht möglich, aus MCP Berichte zur generierten Windstatistik auszugeben. In einer späteren Version wird diese Option im Speicherdialog (nach Erzeugen) nachgetragen.


Korrektur mit bekanntem Bias in Langzeitdaten: Sind die Langzeitdaten nicht langzeit-repräsentativ, so kann hier eine Abweichung angegeben werden, um die die Windgeschwindigkeit angepasst wird.

Zeige Modell vs. Messung: Stellt modellierte und gemessene Zeitreihe gegenüber. Wenn in der monatlichen Darstellung auffällige Abweichungen sichtbar sind, sollte der entsprechende Abschnitt noch einmal ohne Mittelung dargestellt werden. Eventuell zeigen sich dabei in den Messdaten Fehler, die vorher nicht erkannt wurden und die im METEO-Objekt behoben werden können.


DE MCP2 (27).PNG

DE MCP2 (28).PNG




Register Lokal skaliert



[Expland] anklicken für Versionen vor windPRO 3.3

Wenden Sie diese Methode in Versionen vor windPRO 3.3 nicht an, wenn die Langzeitreihe nicht den gesamten Zeitraum der Standortzeitreihe abdeckt. Sind in diesen Versionen z.B. 12 Monate Standortdaten vorhanden, aber nur für 11 davon auch Referenzdaten, so werden die 11 Monate auf das Langzeitniveau skaliert und der zusätzliche Monat fügt. wenn er nicht zufällig dem Mittel entspricht, einen Bias hinzu. In Versionen ab windPRO 3.3 wird dies durch einen zusätzlichen Korrekturfaktor verhindert.


DE MCP2 (29).PNG


Diese Methode wird bevorzugt angewandt, wenn

  • Mehrere Jahre Standortmessung vorliegen oder
  • Das Windklima sich von Jahr zu Jahr nur geringfügig ändert, d.h. die Temperatur das bestimmende Element ist, oder
  • Die Korrelation zwischen Standort- und Referenzdaten so schlecht ist, dass die Erzeugung einer Langzeitreihe auf Basis von Transferfunktionen nicht empfohlen werden kann.

Die lokal gemessene Richtungsverteilung wird verwendet, was insbesondere in Gelände mit starken Richtungsänderungen ein bedeutender Vorteil sein kann, wenn die Langzeit-Referenz diese Richtungsänderungen nicht ausreichend abbilden kann. Auch das Beibehalten der Dynamik der am Standort gemessenen Windgeschwindigkeit kann die Genauigkeit verbessern, insbesondere bei der Zeitreihen-basierten Berechnung (Scaler).

Die verwendete Methode (Variance Ratio Method, Varianz-Verhältnis-Methode) verwendet einen Faktor und einen Offset, um die Standortmessung langzeitzukorrigieren (siehe hier).

Die skalierte Zeitreihe kann in ein METEO-Objekt geschriebene werden oder eine regionale Windstatistik kann generiert werden. Die Einstellungen dazu sind analog zu den Einstellungen beim Speichern von Langzeitreihen.



MCP-Berichte



Session-Übersicht
Session Details 1
Session Details 2

Beim Abschluss einer MCP-Berechnung werden zwei Berichtstypen generiert:

  • Session-Übersicht (siehe rechts)
    • Tabellarischer Vergleich der jeweils ausgewählten Ergebnisse der unterschiedlichen Sessions
    • Grafischer Vergleich
    • Unsicherheitsanalyse der Eingangsdaten nach Klintø[1] und die dort verwendeten Parameter


  • Session-Details - Vergleich der in den einzelnen Sessions getesteten Modelle
    • Seite 1 (siehe rechts)
      • Zeitreihen-Daten
      • Angewandte Filterungen und Justierungen
      • Verwendete Modelle und Kennzahlen
      • Auswahl der Vergleichsgrafiken von Register Modelle LZ / Vergleich
    • Seite 2 (siehe rechts)
      • Auswahl der Vergleichsgrafiken für das ausgewählte Modell von Register Modelle LZ / Gewähltes Modell



MCP-Modelle

Langzeit: Einfaches WG-Scaling



Dies ist ein extrem einfaches Modell, das von den aufwändigeren Modelle regelmäßig übertroffen werden sollte. Es wird in MCP vorwiegend als Referenzmodell verwendet, um die Performance der anderen Modelle damit ins Verhältnis zu stellen.

Das Modell verfügt über keine modifizierbaren Parameter.

Es wird die mittlere Windgeschwindigkeit berechnet für

  • die Standortdaten im Abgleichszeitraum umean,site
  • die Langzeit-Referenzdaten im Abgleichszeitraum umean,ref

Dann wird jeder Zeitstempel der Langzeit-Referenz mit dem Verhältnis (umean,site / umean,ref) multipliziert.



Langzeit: Regression



Im Referenzdokument MCP - Measure-Correlate-Predict - An Introduction to the MCP Facilities in WindPRO, Kapitel 2 wird die statistische Methode hinter Regressions-MCP erläutert. Die folgende Seite geht auf die Eingabeoptionen der Implementierung in windPRO ein.

MCP-Modul → Session öffnen → Register Modelle LZBearbeiten neben Zeile Regression


DE MCP2 (33).PNG


Klassenbildung
Standardmäßig wird keine Klassenbildung (außer Richtungen, s.u.) vorgenommen. Optional kann eine Klassenbildung nach Jahres- und/oder Tageszeit vorgenommen werden. Die Zeiten werden über die windPRO-Jahreszeiten/Tag-Nacht Einstellungen vorgegeben. Wird nur eine Tag/Nacht-Einteilung gewünscht, so sollte die Anzahl der Jahreszeiten auf 1 gesetzt werden. Es wird empfohlen, die Anzahl der Jahres- bzw. Tagesperioden gering zu halten (z.B. nur Tag/Nacht und Sommer-/Winterhalbjahr), da ansonsten die Gefahr besteht, dass es pro Klasse so wenig Daten gibt, dass das Ergebnis nicht mehr repräsentativ ist.
Richtungsklassen
Transferfunktionen können entweder jeweils für einen Sektor (also i.d.R. 12 Transferfunktionen) oder für jeweils 1° (also 360 Transferfunktionen) ermittelt werden. Da das Ergebnis bei gradweisen Transferfunktionen exakter ist, ist dies die voreingestellte Methode. Das sektorweise Vorgehen ist der gängige Weg bei selbst gemachten Tabellen und kann z.B. ausgewählt werden, wenn WindPRO MCP2005 mit einer solchen Tabelle verglichen werden soll.
Sektorfenster
Ist die Option Transferfunktionen für jeweils 1° gewählt, reicht in der Regel die Menge an Samples pro Grad nicht aus, um daraus repräsentative Transferfunktionen zu berechnen. Deshalb wird standardmäßig ein Sektorfenster von 30° verwendet, also die Richtung +/- 15°. Für die Richtung 23° werden also z.B. alle Datensätze zwischen 8° und 38° verwendet. Wenn ein Sektorfenster von 360° gewählt wird, wird nur eine einzige Transferfunktion, die auf allen Daten beruht, erstellt.
Überspringe Richtungswechsel größer...
Insbesondere bei niedrigen Windgeschwindigkeiten kann die Windrichtung zwischen Langzeit-Referenz und Standortdaten beträchtlich variieren und der Korrelation eine Menge statistisches Rauschen hinzufügen. Durch das Ignorieren von Daten mit großen Richtungswechseln kann dieses Rauschen reduziert werden. Dies bedeutet allerdings, dass eventuell wichtige Informationen verworfen werden. Voreinstellung ist, dass alle Daten verwendet werden (Richtungswechsel >180° existieren nicht).
Überspringe Windgeschwindigkeiten kleiner...
Bei geringen Windgeschwindigkeiten ist eine lineare Beziehung zwischen Standort und Referenz, die bei höheren Windgeschwindigkeiten deutlich hervortritt, häufig nur sehr schwach ausgeprägt. Deshalb tragen niedrige Windgeschwindigkeiten oft trotz ihrer geringen Relevanz viel statistisches Rauschen zur Regression bei. Abhängig von der Breite der Streuung und der tatsächlichen Windgeschwindigkeiten kann dieser Wert frei definiert werden, voreingestellt ist ein Wert von 2 m/s.
Das Überspringen der Windgeschwindigkeiten bezieht sich nur auf die Referenzdaten und nur auf die Ermittlung der Transferfunktion, nicht auf deren Anwendung bei Erstellung der Langzeitreihe.


DE MCP2 (34).PNG

Regressionsmodell (Windgeschwindigkeit)
Hier wird die Art der Regression für die Windgeschwindigkeit ausgewählt. Lineare Regression bedeutet eine Regression erster Ordnung, wobei eine freie Regressionsgerade derjenigen durch den Ursprung (0,0) gegenüber zu bevorzugen ist, da sie in der Regel in dem Windgeschwindigkeits-Bereich, der für die WEA-Produktion relevant ist, eine bessere Anpassung bietet. Alternativ kann eine Regression 2. Ordnung gewählt werden, die eine Parabelförmige Regressionskurve ermittelt. Achtung: Dies mag zwar zu einer besseren Anpassung führen, kann aber auch zur Folge haben, dass extreme Windgeschwindigkeiten die Anpassung bei den hohen Windgeschwindigkeiten beeinträchtigen.
Regressionsmodell (Windrichtung)
In der Regel sind Wechsel der Windrichtung unabhängig von der Windgeschwindigkeit, deshalb sollte eine Regression 0. Ordnung verwendet werden (d.h. eine waagrechte Regressionsgerade). Die zur Wahl stehenden Modelle entsprechen denen zum WG-Regressionsmodell (siehe Grafik oben)


DE MCP2 (35).PNG

Residuenmodell (Windgeschwindigkeit und Windrichtung)
Voreinstellung für die Windrichtung ist Keine Modellierung.
Für die Windgeschwindigkeit ist die Voreinstellung die Erweiterte Normalverteilung mit Polynom-modellierter Windgeschw. (Ordnung:1) mit der Regressionsformel: y = ax + b + e(x). Die Spanne der Windgeschwindigkeiten wird in eine Anzahl Intervalle aufgeteilt. Innerhalb jedes Intervalls wird die Streuung anhand ihrer Standardabweichung und der Abweichung des Mittels (relativ zur Regressionsgeraden) charakterisiert. Diese beiden Charakteristika werden als Zufallselemente (oben: e(x)) dann auch auf die erzeugte Zeitreihe angewandt, um die nicht-lineare Zunahme der Windenergie mit der Windgeschwindigkeit besser abzubilden. Die beobachtete Standardabweichung wird als Polynom erster Ordnung modelliert.
Für die Windgeschwindigkeit sollte die Methode Keine Modellierung im Normalfall nicht verwendet werden. Da die Windenergie nicht linear mit der Windgeschwindigkeit zunimmt, die Regression aber auf Basis der Windgeschwindigkeiten durchgeführt wird, führt dies häufig zu einer Unterschätzung der Windenergie. Die Einstellung Keine Modellierung hat eine Berechtigung, wenn die resultierende Zeitreihe keine Zufallsstreuung enthalten darf, z.B. da sie in PERFORMANCE CHECK mit SCADA-Produktionszeitreihen abgeglichen werden soll.
Die Methode Normalverteilte Residuen ist veraltet, ist jedoch aus Kompatiblitätsgründen weiterhin verfügbar. Sie nimmt an, dass die Spannweite der Streuung in der Regressionsgrafik bei allen Referenzwindgeschwindigkeiten gleich ist und dass das Zentrum der Streuung die Regressionslinie sein musste. Die Transferfunktion wird damit zu y = ax + b + e. Die Anwendung dieser Methode auf Datensätze mit schlechter Korrelation oder ungleichmäßig verteilter Streuung kann zu Fehlern führen, häufig zu einer Überschätzung.
Die Erweiterte Normalverteilung mit Polynom-modellierter Windgeschw. (Ordnung:2) hat häufig das Problem, dass wenige verstreute Punkte bei hohen Windgeschwindigkeiten die simulierte Streuung in die Höhe treiben können. Es wird deshalb empfohlen, diese Methode vorsichtig einzusetzen und im Zweifelsfall die Standardmethode zu verwenden.



Langzeit: Matrix



Im Referenzdokument MCP - Measure-Correlate-Predict - An Introduction to the MCP Facilities in WindPRO, Kapitel 3 wird die statistische Methode hinter Matrix-MCP erläutert. Die folgende Seite geht auf die Eingabeoptionen der Implementierung in windPRO ein.

MCP-Modul → Session öffnen → Register Modelle LZBearbeiten neben Zeile Matrix


DE MCP2 (36).PNG

Klassenbildung
Standardmäßig wird keine Klassenbildung nach Zeiten vorgenommen, es ist jedoch möglich, Jahres- und/oder Tageszeitklassen zu bilden. Die Zeiten werden über die windPRO-Jahreszeiten/Tag-Nacht Einstellungen vorgegeben. Wird nur eine Tag/Nacht-Einteilung gewünscht, so sollte die Anzahl der Jahreszeiten auf 1 gesetzt werden. Es wird empfohlen, die Anzahl der Jahres- bzw. Tagesperioden gering zu halten (z.B. nur Tag/Nacht und Sommer-/Winterhalbjahr), da ansonsten die Gefahr besteht, dass es pro Klasse so wenig Daten gibt, dass das Ergebnis nicht mehr repräsentativ ist.
Richtungsklassen / Sektorfenster
Transferfunktionen werden jeweils für 1° / 1 m/s-Klassen ermittelt. In der Regel reicht die Menge an Samples in dieser engen Klasse nicht aus, um daraus repräsentative Transferfunktionen zu berechnen, deshalb wird standardmäßig ein Sektorfenster von 30° verwendet, also die Richtung +/- 15°. Für die Richtung 23° werden also z.B. alle Datensätze zwischen 8° und 38° verwendet. Wenn ein Sektorfenster von 360° gewählt wird, wird nur eine einzige Transferfunktion, die auf allen Daten beruht, erstellt.
Überspringe Richtungswechsel größer...
Insbesondere bei niedrigen Windgeschwindigkeiten kann die Windrichtung zwischen Langzeit-Referenz und Standortdaten beträchtlich variieren und der Korrelation eine Menge statistisches Rauschen hinzufügen. Durch das Ignorieren von Daten mit großen Richtungswechseln kann dieses Rauschen reduziert werden. Dies bedeutet allerdings, dass eventuell wichtige Informationen verworfen werden. Voreinstellung ist, dass alle Daten verwendet werden (Richtungswechsel >180° existieren nicht).
Windgeschw.-Fenster [m/s]
Transferfunktionen werden jeweils für 1° / 1 m/s-Klassen ermittelt. Wenn die Menge an Samples in dieser Klasse trotz Sektorfenster (s.o.) nicht ausreicht, um daraus repräsentative Transferfunktionen zu berechnen, kann auch ein Windgeschwindigkeits-Fenster definiert werden, d.h. es werden nicht nur benachbarte Richtungen sondern auch benachbarte WG-Klassen in die Ermittlung einer Transferfunktion einbezogen.
Min. Anzahl Messwerte für Polynom-Anpassung
Um zu vermeiden, dass Klassen mit zu wenigen Daten die Modellierung beeinflussen, können diese ausgefiltert werden. Standardwert ist 5.
Richtungsfenster für Polynom-Anpassung
Die Regression der Transferfunktion basiert auf allen Transferfunktionen in einem bestimmten Richtungsfenster. Standardwert ist 10.
Statistiken vom Abgleichszeitraum nutzen
Beim Öffnen des Fensters werden für die angegebenen Sektor-/WG-Fenster jeweils Richtungswechsel und Windgeschwindigkeits-Verhältnis (Mittel und Standardabweichung, davon Mittel / Min / Max) berechnet. Hohe Werte weisen auf unsichere Transferfunktionen hin.
Sollen die Werte für geänderte Sektor-/WG-Fenster neu berechnet werden, muss das Fenster geschlossen und erneut geöffnet werden. Um eine Neuberechnung zu verhindern, löschen Sie das Häkchen Statistiken vom Abgleichszeitraum nutzen.
Polynom
Für jeden der Parameter kann eine Polynominale Regression erstellt werden, um die Transferfunktion zu beschreiben. Die Ordnung der Regression kann frei gewählt werden und kann sogar von Parameter zu Parameter unterschiedlich sein. Die Standardeinstellung für mittlere Windgeschwindigkeiten ist eine Polynomanpassung ersten Grades, da diese robust gegenüber abweichenden Extremwerten ist. Für den mittleren Richtungswechsel wird eine Polynomanpassung nullten Grades vorgeschlagen (Richtungswechsel unabhängig von der Windgeschwindigkeit). Für die Standardabweichungen wird jeweils eine um einen Grad höhere Polynomanpassung vorgeschlagen.
Matrix-Methode Ausgabe
Standardmäßig wird für eine Sektor-/WG-Klasse die gemessene Transferfunktion verwendet, aber liegen weniger als 5 Samples in der Klasse vor, wird eine modellierte Funktion verwendet.
Alternativ kann für alle Klassen eine modellierte Funktion verwendet werden. Diese kann fehlerhafte / extreme Messwerte ausgleichen und bei geringer Datenqualität zu besseren Ergebnissen führen.



Langzeit: Neuronales Netz



Die Methode verwendet ein Künstliches Neuronales Netz (KNN), um die Beziehung zwischen Langzeit-Referenz und Standortmessung herzustellen. Die Langzeit-Referenz im Abgleichszeitraum bildet dabei den Ausgangsdatensatz und die Standortmessung gibt das Feedback, das dazu verwendet wird, das Neuronale Netz zu trainieren. Zu den Eingangsdaten des Neuronalen Netzes gehören immer Windgeschwindigkeit und Windrichtung, fakultativ Tagesstunde und Monat (s.u.). Die Ausgangsschicht enthält Windgeschwindigkeit und Windrichtung.


MCP-Modul → Session öffnen → Register Modelle LZModell hinzuf: Neuronales NetzBearbeiten neben Zeile Neuronales Netz

DE MCP2 (20).PNG


Die Häkchen im obigen Screenshot zeigen die Standardeinstellung.

Tagesgang: Ist dies aktiviert, so wird die Tagesstunde als Bestandteil eines Samples betrachtet und fließt in den erfahrungsbasierten Lernprozess mit ein

Jahresgang: Wenn aktiviert, fließt der Monat als Bestandteil eines Samples in den Lernprozess ein. In Fällen, in denen das Verhältnis zwischen Standort und Referenz im Jahresgang fluktuiert, führt dies oft zu einer besseren Nachbildung des Jahresgangs. Vorsicht ist geboten, wenn mit weniger als einem vollen Jahr Messdaten gearbeitet wird, da dann das Neuronale Netz in den fehlenden Monaten mit einer Situation konfrontiert wird, mit der kein Training möglich war.

Windgeschwindigkeits-Residuen hinzufügen: Wie die Regressions-Methode neigt das Neuronale Netz dazu, die Variabilität in der vorhergesagten Zeitreihe nicht abzubilden und damit auch den Energiegehalt zu unterschätzen. Diese Variabilität kann und sollte über ein Residuenmodell künstlich hinzugefügt werden. Verwendet wird, wie bei der Regressionsmethode, die Methode der Erweiterten Normalverteilung (1.Ordnung).



Kurzzeit: Lokal skaliert




Es soll eine Standort-Zeitreihe von Windgeschwindigkeiten anhand einer Langzeit-Referenz angepasst werden, um zu erreichen, dass die Windgeschwindigkeiten der Standortzeitreihe denen der Langzeitreihe entsprechen.

Es wird vorausgesetzt, dass die Standort- und die Referenzzeitreihe sich im Abgleichszeitraum (Abgl.) überlappen.

Mit dem Konzept der Indexkorrekture wird keine direkte Standort-zu-Referenz-Beziehung wie in den anderen MCP-Methoden hergestellt. Stattdessen wird die Korrektur ausschließlich auf die Referenzzeitreihe gestützt. Die Korrektur gibt die Beziehung zwischen Abgleichszeitraum (Abgl.)und ganzem Zeitraum (ganz)für die Referenzzeitreihe wieder.


DE MCP2 (37).PNG


Bei der "Lokal skaliert"-Methode wird eine Transferfunktion mit Steigung und Offset verwendet, so dass sowohl die mittlere Windgeschwindigkeit als auch die Standardabweichung anhand der Beziehung zwischen Abgleichs- und Langzeitraum korrigiert werden.

Modell:

DE MCP2 (38).PNG


Es werden zwei Gleichungen benötigt, um die beiden Parameter α und β festzulegen, eine für den Mittelwert und eine für die Standardabweichung, die beide direkt von der Definition von Mittel und Standardabweichung und der angenommenen linearen Beziehung / Transferfunktion.

Bedingungen:

DE MCP2 (39).PNG

Diese führen zusammen zu den folgenden Ausdrücken für α und β:

DE MCP2 (40).PNG

Ein kleineres Problem dabei ist, dass das Korrekturmodell zu negativen Windgeschwindigkeiten für einige der korrigierten Samples führen kann. Dies wird pragmatisch gelöst, indem diese auf Null trunkiert werden.

Die vollständige Korrekturformel für uStandort ist also:

DE MCP2 (41).PNG


In windPRO werden Skalierung und Offset auf dem Register Lokal skaliert angezeigt:

MCP → Session öffnen → Register Lokal skaliert


DE MCP2 (42).PNG


Wenn die Standortdaten einen Zeitraum enthalten, der nicht in der Referenz enthalten ist, so wird ein zusätzlicher Faktor ("Postfaktor") eingeführt, um den gesamten Zeitraum der Standortdaten trotzdem langzeitrepräsentativ zu machen. Der Postfaktor ist die mittlere Windgeschwindigkeit der Standortdaten mit gleichzeitigen Referenzdaten geteilt durch die mittlere Windgeschwindigkeit aller Standortdaten. Mit ihm werden alle Windgeschwindigkeiten in der bereits skalierten lokalen Zeitreihe multipliziert.

Wenn ein Postfaktor verwendet wird, so wird er unter der Skalierung und dem Offset angegeben:

DE MCP2 (42.5).PNG



Referenzen:

  1. 1.0 1.1 Verschiedene Konferenzbeiträge, z.B. Klintø, F: Long-Term Correction - Uncertainty Model using different Long-Term data; London, April 2015, Wind Power Conference 2015 Wind Resource Assessment