Maschinelle Lernverfahren machen Windkraftprojekte sicherer

Karlsruhe/Stuttgart 28.11.2013. Um festzustellen, ob sich ein
Standort für ein Windkraftprojekt eignet, brauchen Investoren,
Projektierer und Anlagenbetreiber ein Gutachten. Dabei müssen
sie allerdings Unsicherheiten aus Meteorologie und Technologie
in Kauf nehmen – was sich wiederum direkt auf die Finanzierung
der Projekte durch die beteiligten Banken auswirkt. Neue Wege,
um solche Risiken zu minimieren, geht der Karlsruher
Wetterdienstleister EWC. In Kooperation mit dem Zentrum für
Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg
(ZSW) wurde eine neuartige Methode des Langzeitbezugs von
Windmessungen (MCP) für Windkraftstandorte entwickelt, die
wetter- und technologiebedingte Unsicherheiten gegenüber den
herkömmlichen Verfahren deutlich reduziert.

(IINews) - Auf tiefen neuronalen Netzen aufbauend, ermöglicht dieses
Verfahren der süddeutschen Projektpartner nicht-lineare
Korrekturen der langen Zeitreihen, die die Korrelation, also
die zeitliche Übereinstimmung, zur Messung verbessert. Das
Ergebnis basiert auf aktuellen Messwerten vor Ort und liefert
eine 34 Jahre umfassende, stündliche Windzeitreihe für die
projektierte Windkraftanlage bzw. den Messstandort.
Bei der detaillierten Evaluation des maschinellen
Lernverfahrens zeigt sich eine deutliche Überlegenheit
gegenüber herkömmlichen Methoden.
So ist die Häufigkeitsverteilung der Windgeschwindigkeit sowie
die Korrelation zwischen Messung und Langzeitdaten optimiert
und weist in allen betrachteten Fällen wesentlich geringere
Fehler in der Ertragsabschätzung auf als zum Beispiel bei
klassischen Verfahren mit linearen Regressionen oder der
Matrix-Methode. Bei der Untersuchung stellte sich heraus,
dass schon bei einer Messdauer von neun Monaten das
vorgestellte Verfahren der süddeutschen Forscher und
Dienstleister das Qualitätsniveau der klassischen Methoden
erreicht. Bei längeren Beobachtungszeitreihen kommt die
ganze Stärke des Verfahrens zum Tragen: Selbst an
komplexen Standorten lassen sich bisherige Fehler um bis zu
50 Prozent reduzieren, sobald die Messdauer 12 Monate
erreicht.
Neben der Messdauer spielt auch die Verfügbarkeit der
Langzeitdaten eine große Rolle. Die Zeitreihen basieren auf
MERRA-Reanalyse-Daten, für die EWC aus 3D-Daten
individuelle Windprofile mittels verifizierter Downscaling-
Verfahren berechnet. Ein weiterer Vorteil: Die letztmonatlich
fehlenden Reanalysen werden durch Daten anderer
Wettermodelle ersetzt. Ein Bezug zu aktuellen Messdaten von
"gestern" ist somit immer gegeben.

„Mit Hilfe der selbstoptimierenden neuronalen Netze können

wir den systematischen Fehler (BIAS) und den
Verteilungsfehler so stark minimieren, dass die Korrelation
der Langzeitreihe der Winddaten auf stündlicher Basis extrem
hoch ist. So erhalten wir eine sehr belastbare Windzeitreihe
für einen neuen Windparkstandort mit einem in Energie
umgerechneten Ertragsfehler, der nur halb so groß ist wie
bisher verwendete Methoden“, erklärt Jon Meis,
Geschäftsführer von EWC. Anton Kaifel, Leiter der
Arbeitsgruppe Modellierung und Optimierung am ZSW, sieht
seine langjährige Erfahrung bestätigt, dass die Vorteile tiefer
neuronaler Netze voll ausgespielt werden können. „Um dieses
Ergebnis zu erreichen, so Anton Kaifel weiter, „optimieren und
trainieren wir die Netze mehrere Stunden auf
Hochleistungsgrafikkarten (GPU), die etwa Faktor 100
schneller rechnen als ein leistungsfähiger PC.“

„Mit diesen 34-jährigen Zeitreihen“, erläutert Jon Meis weiter,
„werden von unseren Kunden die weiteren Berechnungen zur
Finanzierung von Windkraftprojekten durchgeführt. Durch den
verbesserten Langzeitbezug der Messungen wird der P90 des
langjährigen Parkertrags größer.“ Der P90 gibt denjenigen
Wert an, dass der prognostizierte langjährige mittlere
Jahresenergieertrag mit einer Wahrscheinlichkeit von 90%
nicht unterschritten wird. „Das spiegelt sich dann in der
Werthaltigkeit des Projekts wider.“

Interessenten können die langzeitkorrigierten Windzeitreihen
ab sofort bei EWC über info(at)weather-consult.com beziehen.

Weitere Infos zu diesem Fachartikel:

Themen in diesem Fachartikel:


Unternehmensinformation / Kurzprofil:
PresseKontakt / Agentur:
Bereitgestellt von Benutzer: EWC
Datum: 29.11.2013 - 10:50 Uhr
Sprache: Deutsch
News-ID 990305
Anzahl Zeichen: 0

Kontakt-Informationen:
Ansprechpartner: Stefanie Raysz
Stadt:

Karlsruhe

Telefon: 49721663230

Kategorie:

Dienstleistung

Meldungsart: PresseMitteilung
Versandart: Veröffentlichung
Freigabedatum: 29.11.2013

Dieser Fachartikel wurde bisher 189 mal aufgerufen.


Der Fachartikel mit dem Titel:
"Maschinelle Lernverfahren machen Windkraftprojekte sicherer"
steht unter der journalistisch-redaktionellen Verantwortung von

Stefanie Raysz (Nachricht senden)

Beachten Sie bitte die weiteren Informationen zum Haftungsauschluß (gemäß TMG - TeleMedianGesetz) und dem Datenschutz (gemäß der DSGVO).

Maschinelle Lernverfahren unterstützen komplexes Winddatenmanagement ...

Mit über 60 teilnehmenden Nationen bietet das Event der internationalen Windgemeinde eine Plattform mit Ausstellung, Konferenz und Netzwerkmöglichkeiten. EWC, seit 1999 als Wetterdienstleister im Energiesektor tätig und führender Techno ...

EWC Wetterdaten: Services und Management in höchster Komplexität ...

Wetterdaten und Erneuerbare Energien bzw. Ertragsprognosen für den Einkauf und Handel im Strommarkt sind eng miteinander verzahnt und extrem wichtig geworden. EWC, seit 1999 im Markt aktiv mit hochaufgelösten, zeitnahen Prognosen, punktet auf der F ...

EWC Wetterdaten: Services und Management in höchster Komplexität ...

Wetterdaten und Erneuerbare Energien bzw. Ertragsprognosen für den Einkauf und Handel im Strommarkt sind eng miteinander verzahnt und extrem wichtig geworden. EWC, seit 1999 im Markt aktiv mit hochaufgelösten, zeitnahen Prognosen, punktet auf der F ...

Alle Meldungen von Stefanie Raysz