Weltweit kommt es weiterhin zu einer Zunahme extremer Wetterereignisse, dennoch ist das Wetter weiterhin ein übersehener Faktor für viele Geschäftsabläufe auf der ganzen Welt. Dieses Problem ist in erster Linie darauf zurückzuführen, dass moderne numerische Wettervorhersagemodelle (NWP) nicht in der Lage sind, kritische lokale Wetterphänomene kosteneffektiv und zeitnah vorherzusagen.
Dies ist besonders wichtig für den Windkraftbetrieb weltweit, da eine bessere Wettervorhersage Folgendes ermöglichen würde:
- Erhöhte Sicherheit vor extremen Wetterbedingungen wie starkem Wind, der Schäden an Windkraftanlagen oder anderen Geräten verursachen kann
- Bessere Wetterinformationen für die Lastprognose für den nächsten Tag, um vorherzusagen, wie viel Energie für jede Stunde des nächsten Tages geliefert werden muss
A Visualisierung der physikalischen Prozesse, die in jeder Gitterzelle innerhalb eines numerischen Wettervorhersagemodells ablaufen.
NWP-Modelle sollen die Welt in ein dreidimensionales Gitter aufteilen, das Milliarden von Gitterzellen sowohl horizontal als auch vertikal enthält. Innerhalb jeder Gitterzelle werden meteorologische maßgebliche Gleichungen verwendet, um physikalische Prozesse zu berechnen, die charakterisieren, wie sich die Luft bewegt (d. h. wie Wärme und Feuchtigkeit in der Atmosphäre ausgetauscht werden), während das Modell zeitlich voranschreitet. Die atmosphärischen Bedingungen wie Temperatur, Druck, Luftfeuchtigkeit usw. sind in jeder Gitterzelle gleich.
Modelle, die mit niedrigeren Auflösungen (d. h. > 4 km) ausgeführt werden, wie z. B. globale Wettervorhersagemodelle, sind rechenintensiv, verfügen jedoch deutlich nicht über den erforderlichen Detaillierungsgrad, um Wettermerkmale auf lokaler Ebene genau darzustellen. In Simulationen mit niedriger Auflösung sind die Gitterzellen größer, was bedeutet, dass in einem größeren Bereich die gleichen atmosphärischen Bedingungen herrschen. Dies stellt ein erhebliches Problem für regionale Wettervorhersagen dar, da lokale Prozesse falsch dargestellt und übersehen werden, insbesondere in komplexem Gelände (z. B. Berge und Küstenregionen), wo geländebedingte Prozesse die lokalen Wetterbedingungen stark beeinflussen (z. B. Schnee mit Seeeffekt, aufkommende Gewitter usw.).
Eine Möglichkeit, dieses Problem zu lösen, besteht darin, ein (regionales) Modell mit einer höheren Auflösung (d. h. < 4 km) auszuführen, da diese Modelle die Darstellung kritischer Wettermerkmale auf lokaler Ebene verbessern können. Allerdings hat der Betrieb von Modellen mit höheren Auflösungen auch Nachteile. Die Gitterzellen in Modellen mit höherer Auflösung sind kleiner, was bedeutet, dass die Modelldomäne aus mehr Gitterzellen besteht, als wenn sie mit einer niedrigeren Auflösung ausgeführt würde. Kleinere Gitterzellen ermöglichen es dem Modell, die Wechselwirkungen physikalischer Prozesse auf lokaler Ebene effektiver zu charakterisieren, erhöhen jedoch erheblich die Rechenkosten und die Zeit, die zum Abschluss der Simulation benötigt wird, da mehr Berechnungen durchgeführt werden.
TempoQuest, der führende Anbieter beschleunigter lokaler Wettervorhersagesoftware, arbeitet an der Lösung dieses Problems durch die Entwicklung seines verbesserten Wettervorhersagesoftwareprodukts AceCAST, einer beschleunigten Version des Weather Research and Forecasting (WRF)-Modells. AceCAST wird ausschließlich auf Grafikprozessoreinheiten (GPUs) anstelle herkömmlicher Zentraleinheiten (CPUs) ausgeführt, wodurch Benutzer Simulationen mit höherer Auflösung fünf- bis fünfzehnmal schneller und zu wesentlich geringeren Kosten ausführen können.
AceCAST kann verhindern, dass Energieunternehmen jedes Jahr Millionen von Dollar verlieren
Die Risiken, die durch mangelndes Verständnis und inaktives Management der Wetterbedingungen entstehen, sind enorm.
Hagel oder Blitz: Kann Turbinen beschädigen oder zerstören, was bis zu Kosten verursacht 2,2 Millionen US-Dollar.
Starker Wind: Während Turbinen dazu gedacht sind, Windenergie zu nutzen, können sie auch durch Windböen mit mehr als 100 km/h beschädigt werden.
Extreme Temperaturen: Viele Turbinen befinden sich in abgelegenen Gebieten, die extremen Temperaturschwankungen von -22 °F bis 131 °F ausgesetzt sind.
Operative Entscheidungsfindung: Durch die Kombination der von AceCAST erstellten Windvorhersagen mit der Lastprognose können Betreiber den Rest der Stromerzeugungsflotte dazu verpflichten, die Last am nächsten Tag wirtschaftlich und sicher zu bedienen.
Wie in „Der Wert der Windkraftprognose“ geschrieben von Debra Lew und Michael Milligan am National Renewable Energy Laboratory:
“Bei Windkraftanlagen mit Pitchregelung variiert die Leistungsabgabe über einen erheblichen Teil der Leistungsabgabekurve als Potenz der Windgeschwindigkeit (siehe Abbildung unten). In dieser Region würden kleine Verbesserungen der prognostizierten Windgeschwindigkeit zu deutlich größeren Verbesserungen der Windkraftprognosen führen.”
Beispiel einer Leistungskurve einer Windkraftanlage.
AceCAST bietet die Möglichkeit, die Wettervorhersage durch beschleunigte numerische Wettervorhersage auf GPUs zu verbessern. Dadurch wird die Möglichkeit, lokalisierte Wettervorhersagen zu erstellen, praktischer. Wenn sie in Lastvorhersagen kombiniert werden, werden statistische und maschinelle Lernalgorithmen die Wettervorhersage weiter verbessern und umsetzbare Erkenntnisse liefern, indem sie die Auswirkungen der Windvorhersage auf das Kraftwerk übertragen.
Durch die Möglichkeit, von Anfang an eine bessere Vorhersage zu haben, ist die letztendliche Unsicherheit der Lastprognose geringer als bei der Verwendung eines weniger genauen Wettermodells mit niedriger Auflösung.
Quelle: https://www.nrel.gov/docs/fy11osti/50814.pdf
Weitere Informationen zu AceCAST finden Sie unter: https://tempoquest.com/
Weitere technische Informationen zu AceCAST finden Sie unter: https://acecast-docs.readthedocs.io/en/latest/
