Hochwertige Eingabedaten für präzise Leistungsprognosen erneuerbarer Energien

Die Qualität der Eingabedaten, die einem Prognoseverfahren für erneuerbare Energien zur Verfügung stehen, ist ein Schlüsselfaktor für die Prognosequalität. Ein Teil davon sind Anlagenstammdaten, wie z.B. der Standort und die physikalischen Eigenschaften der Anlage. Der andere Teil sind zeitvariante Daten, die – je nach Prognoseverfahren – numerische Wetterprognosemodelle, Wettermessdaten, Satellitendaten, Leistungsmessdaten oder Informationen über den aktuellen oder zukünftigen Zustand der Anlage umfassen. In diesem Blog-Artikel erklären wir die unterschiedlichen Arten von Eingabedaten und wie eine hohe Qualität dieser Eingabedaten sichergestellt werden kann.  

Komponenten einer Leistungsprognose: Numerische Wetterprognosemodelle, Standort und technische Daten einer Anlage werden mit Wartungsdaten und Live-Messdaten kombiniert, um die bestmögliche Prognosequalität für jeden Prognosehorizont zu erreichen.

Anlagenstammdaten

Die Kenntnis des Standortes der Anlage ist eine Voraussetzung für die Erstellung einer Prognose. Dies kann zu ersten Qualitätsproblemen führen, da die genauen geographischen Koordinaten nicht immer bekannt sind. Und je besser das Vorhersagesystem die physikalischen Eigenschaften und die Umgebung der Anlage kennt, desto genauere Vorhersagen kann es erstellen. Aus diesem Grund sind auch der Hersteller und das Modell der Turbine oder des PV-Moduls sowie die Nabenhöhe (Wind) oder die Neigung und Ausrichtung (PV) wichtige Daten.

Obwohl Anlagenstammdaten in der Regel digital vorliegen, ist nicht sicher, dass die für die Prognoseerstellung erforderlichen Daten fehlerfrei ins Prognosesystem übertragen werden können. In einigen Fällen bilden die Originaldaten die physikalischen Eigenschaften der Anlagen nicht korrekt ab. Gründe hierfür sind eine nicht standardisierte Datenübertragung, unterschiedliche Schnittstellen und Dateiformate, sowie manuelle Prozesse, bis hin zur Erfassung der Daten während des Anlagenbaus. Einige der für eine präzise Prognose kritischen Daten sind für das Kerngeschäft des Kunden möglicherweise nicht relevant und werden daher nicht systematisch erfasst.

Dies führt immer wieder zu Problemen mit Anlagestammdaten, wie z.B. ungültige Geokoordinaten (z.B. wegen eines fehlerhaften Formats oder Koordinaten, die nicht zur Adresse passen) oder falschen Kapazitäten (durch mehrdeutige Zahlenformate). Ein vollständiger Datensatz ermöglicht jedoch eine intelligente Stammdatenbereinigung, da viele Fehler bereits automatisiert erkannt werden können.

Numerische Wetterprognosemodelle

Numerische Wetterprognosemodelle (NWP-Modelle) stellen die wichtigste zeitvariante Datenquelle für Leistungsprognosen erneuerbarer Energien dar. Hochwertige NWP-Modelle werden von Wetterdiensten entwickelt und betrieben, um Wettervorhersagen für Behörden, private Organisationen und die Öffentlichkeit bereitzustellen. In einem Gitter von geographischer Koordinaten berechnen sie die Wetterbedingungen in den nächsten Stunden und Tagen. Die meisten NWP-Modelle werden 4-mal täglich aktualisiert, manche sogar stündlich.

Eine Reihe von Wetterdiensten berechnet  globale NWP-Modelle. Einige, wie z.B. NOAA GFS, stehen kostenfrei zur Verfügung, bieten jedoch eingeschränkte räumliche und zeitliche Auflösungen. Hochauflösende NWP-Modelle wie z.B. ECMWF HRES liefern Prognosen von höherer Qualität.

Diese globalen NWP-Modelle werden durch regionale NWP-Modelle ergänzt, die häufig nur kleine Gebiete wie z.B. einzelne Länder abdecken, jedoch dank einer höheren räumlichen Auflösung besser in der Lage sind, lokale Wetterphänomene abzubilden.

Live-Daten

Live-Leistungsmessdaten, jedoch auch Live-Verfügbarkeitsdaten (Meldungen zum Anlagenstatus, zu Wartung und Abregelungen) sind wichtige Eingabedaten für Kurzfristprognosen.

Wenn Live-Daten systematisch in das Prognosesystem eingespeist und bei der Prognoseberechnung berücksichtigt werden, spricht man von einer Echtzeit-Prognose. Die maximale Verzögerung für die Echtzeit-Integration sollte 1 Stunde betragen, da der Prognosefehler von Echtzeit-Prognoseverfahren mit zunehmendem zeitlichen Abstand zwischen den letzten verfügbaren Live-Daten und dem prognostizierten Zeitintervall rasch zunimmt.

Satellitendaten

Wettersatelliten liefern hochaufgelöste Messungen von bestimmten Wetterparametern mit hoher Aktualisierungsfrequenz. Am häufigsten werden Satellitenmessdaten der solaren Einstrahlung für PV-Leistungsprognosen verwendet. Da diese Wettersatelliten eine große geographische Abdeckung besitzen, können sie standortspezifische Live-Daten bereitstellen, um Live-Leistungsmessdaten zu ergänzen oder zu ersetzen, wenn diese nicht in ausreichender Qualität zur Verfügung stehen.

Erfahren Sie mehr in unserem Webinar

Wenn Sie mehr darüber erfahren wollen, wie man erneuerbare Energien präzise prognostiziert, dann melden Sie sich doch zu unserem Webinar am 14.05.2020 an. Jonathan Simon, Experte für die Leistungsprognosen erneuerbarer Energien, wird darin erläutern, wie die Prognosequalität gesteigert und Ausgleichskosten minimiert werden können.