Steigerung von Qualität und Effizienz bei der Ertragsabschätzung für Windparks, Teilvorhaben: Qualitätssteigerung der Datengrundlage und Bestimmung standortspezifischer Leistungskennlinien für ein effizientes Gesamtframework

Description: Zur Erreichung der von der Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. anemos ist in dem Verbundprojekt maßgeblich an der Automatisierung des Gesamtprozesses beteiligt. Wissenschaftlich wird anemos ein Verfahren zur Bestimmung der standortspezifischen Leistungskennlinie und zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen entwickeln. Außerdem wird anemos die Datengrundlage im Hinblick auf den Langzeitbezug von Kurzzeitmessungen auf relevante saisonale Abweichungen analysieren und korrigieren.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Windenergie ? Windkraftanlage ? Windpark ? Windenergienutzung ? Automatisierung ? Bestimmungsmethode ? Daten ? Künstliche Intelligenz ? Standortwahl ? Energieertrag ?

Region: Lower Saxony

Bounding boxes: 9.16667° .. 9.16667° x 52.83333° .. 52.83333°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Finanzielle Förderung)
• ENERTRAG SE (Mitwirkung)
• EnBW Energie Baden-Württemberg AG (Mitwirkung)
• Umweltbundesamt (Bereitstellung)
• anemos Gesellschaft für Umweltmeteorologie mbH (Projektverantwortung)

Time ranges: 2023-06-01 - 2026-05-31

Alternatives

• Language: Englisch/English
  Title: Subproject: Quality improvement of the data basis and determination of site-specific performance curves for an efficient overall framework
  Description: In order to achieve the expansion targets for wind energy set by the German government, it is necessary to develop a large number of new areas for wind farms within a short period of time. The basis for wind farm planning at a new site is the estimation of the expected energy yields and the selection of suitable wind turbines. Currently, the yield estimation is subject to high uncertainties. In addition, it is time-consuming and cost-intensive due to the currently required one-year wind measurement. Therefore, the aim of the project is to enable qualitatively better yield estimations in shorter time and at significantly lower costs by improvements along the entire process chain. To achieve this goal, procedures will be developed that provide a better data basis for the wind industry. In addition, innovative methods from the field of Data Science, such as machine learning or model ensembles, will be used at various points to enable accurate estimation of energy yields in a shorter time. Combining the various methods and data into an overall process enables a high degree of automation of yield assessments in addition to increasing quality. Ultimately, the project thus creates the basis for a reduction in project risks for planners and project developers. Furthermore, the developed methods can also be used for more precise regional potential estimations and thus contribute to a better planning of wind energy expansion. anemos is significantly involved in the automation of the overall process in the joint project. Scientifically, anemos will develop a method for determining the site-specific power curve and time series-dependent loss models for improved yield estimates. Furthermore, anemos will analyze and correct the data basis with regard to the long-term reference of short-term measurements for relevant seasonal deviations. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1127994

Status

Aktiv

Quality score

• Overall: 0.47
• Findability: 0.54

  • Title: 0.00
  • Description: 0.21
  • Identifier: false
  • Keywords: 1.00
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.