آموزش ArcGIS Pro: خلاقیت های کارتوگرافی

مدل سازی تولید برق بادی با وضوح مکانی و زمانی بالا با استفاده از سیستم اطلاعات جغرافیایی

چکیده 

انرژی باد در 20 سال گذشته به طور مداوم افزایش یافته است و تقریباً 25٪ از کل تامین برق آلمان را در سال 2019 پوشش داده است. برای بررسی اثرات و چالش های افزایش نیروی باد بر روی سیستم های انرژی، داده های تفکیک مکانی و زمانی در مورد تولید برق از توربین های بادی اغلب ارائه می شود. ضروری. فقدان سری های زمانی تغذیه آزاد در دسترس از توربین های خشکی، به عنوان مثال، به دلیل قوانین حفاظت از داده، تعیین تولید برق برای یک منطقه و دوره خاص را با کمک شبیه سازی های عددی با استفاده از داده های موجود در کارخانه و آب و هوا ضروری می کند. برای این، یک رویکرد جدید برای مدل نیروی باد استفاده می شود که از یک چند جمله ای مرتبه ششم برای منحنی توان ویژه یک توربین استفاده می کند. پس از اعتبارسنجی مدل با داده های اندازه گیری شده از یک توربین بادی، شبیه‌سازی‌ها برای مجموعه‌ای از 25835 توربین خشکی برای تعیین تولید نیروی باد آلمان برای سال 2016 انجام شده است. درجه بالای توافق چنین داده‌های تولید برق از توربین‌های خشکی را می‌توان برای بهینه‌سازی و نظارت بر سیستم‌های انرژی تجدیدپذیر در مقیاس‌های مکانی و زمانی مختلف به کار برد.
کلمات کلیدی: نیروی باد ; داده های هواشناسی مبتنی بر ماهواره ؛ مدل سازی فضایی و زمانی تولید برق

1. مقدمه 

با وجود نوسانات آن، انرژی تجدیدپذیر از توربین های بادی به یک ستون اساسی برای تامین برق در بسیاری از کشورهای جهان تبدیل شده است. در طول دهه گذشته، نیروی بادی با پیشرفت های قابل توجهی در یکپارچه سازی شبکه و کاهش هزینه، به حرکت رو به جلوی قوی خود ادامه داد. به عنوان مثال، 60.4 گیگاوات ظرفیت توربین بادی جدید در سال 2019 در سراسر جهان نصب شد، که دومین مقدار بالاتر در تاریخ و نزدیک به اوج سال 2015 با 63.8 گیگاوات است که منجر به حجم کل 651 گیگاوات می شود [ 1 ]. ظرفیت خشکی آلمان از 6.1 گیگاوات در سال 2000، زمانی که قانون انرژی های تجدیدپذیر آلمان (EEG) معرفی شد، به 53.3 گیگاوات در پایان سال 2019 افزایش یافته است .]. انتظار می‌رود این اعداد در آینده به دلیل کاهش هزینه‌های برق [ 3 ] و کربن‌زدایی بیشتر بخش برق برای دستیابی به اهداف اقلیمی تعیین‌شده فعلی در آلمان، به‌عنوان مثال، کاهش انتشار گازهای گلخانه‌ای حداقل به میزان حداقل افزایش یابد. طبق قانون فدرال تغییر آب و هوا (KSG 2019) تا سال 2030، 55٪ کمتر از سطح 1990 است.
پیشرفت سریع انرژی های تجدیدپذیر متغیر مانند نیروی باد نه تنها تأثیر اساسی بر توسعه آینده شبکه های برق، بلکه در بسیاری از زمینه های دیگر بخش انرژی نیز دارد و نیاز به تحقیقات بیشتر را برانگیخته است. تا کنون، مطالعات انرژی فعلی برای آلمان اغلب شامل تولید برق از توربین‌های بادی با وضوح مکانی بالا است، اما فاقد وضوح زمانی بالا، مانند تجزیه و تحلیل انتقال انرژی در بخش برق [ 4 ] است. از سوی دیگر، شبیه‌سازی‌های انرژی باد نیز در دسترس هستند، مانند تجزیه و تحلیل پتانسیل برای سیستم‌های انرژی تجدیدپذیر ترکیبی در اروپای مرکزی [ 5 ، 6 ]]، که در حال حاضر وضوح مکانی و زمانی بالایی را با استفاده از داده‌های آب‌وهوای بسیار تفکیک‌شده ارائه می‌دهد، اما نمی‌تواند این اطلاعات را برای توربین‌های بادی موجود به دلیل فقدان مجموعه داده‌های دقیق کارخانه نشان دهد. به منظور درک بهتر اثرات و چالش‌های ناشی از سهم فزاینده انرژی‌های تجدیدپذیر متغیر بر روی سیستم‌های انرژی، توزیع‌های مکانی و زمانی بالای تولید برق، به عنوان مثال، تا وضوح شهری و ساعتی، به طور فزاینده‌ای به یک عامل حیاتی برای تحقیقات آینده تبدیل خواهد شد. . به ویژه، مطالعات انرژی بر روی سیستم های قدرت غیرمتمرکز با نیروگاه های تجدیدپذیر بسیاری می تواند از این اطلاعات بهره مند شود، به عنوان مثال، برای جلوگیری از کمبود برق احتمالی ناشی از رکود تاریک منطقه ای یا خرابی قطعات محلی [ 7 ]]. با این حال، فقدان داده های تفکیک شده تولید برق برای یک منطقه و دوره خاص، به عنوان مثال، به دلیل قوانین سختگیرانه حفاظت از داده ها، بررسی اثرات متعدد افزایش توان باد در مقیاس منطقه ای یا محلی را برای تصمیم گیرندگان و محققان دشوار می کند.
این نشریه رویکرد جدیدی را برای ایجاد داده‌های تولید برق توربین‌های بادی با وضوح مکانی و زمانی بالا ارائه می‌کند که می‌تواند به رفع شکاف ذکر شده قبلی کمک کند. تاکنون، نقشه‌های انتقال انرژی برای حمایت از تصمیم‌گیرندگان و محققان با چنین داده‌هایی تا سطح شهری [ 4 ]، اما تنها بر اساس تولید سالانه نیرو از توربین‌های خشکی، توسعه یافته‌اند. برای اینکه بتوان این اطلاعات را نیز برای مدت زمان کوتاه‌تری تولید کرد، داده‌های تفکیک‌شده مکانی-زمانی ضروری است که با رویکرد مدل ارائه‌شده با استفاده از داده‌های گیاهی و آب و هوا در دسترس عموم امکان‌پذیر می‌شود.
ادامه این مقاله به صورت زیر سازماندهی شده است: بخش 2 داده های مورد استفاده گیاه و آب و هوا و همچنین اطلاعات مورد نیاز برای کالیبراسیون و اعتبار سنجی شبیه سازی ها را معرفی می کند. مدل نیروی باد، که توسعه بیشتر مدل فیزیکی ما ارائه شده در [ 8 ] است، و اجرای آن در بخش 3 توضیح داده شده است. در بخش 4 ، این مدل شبیه‌سازی برای یک توربین واحد اندازه‌گیری شده و متعاقباً برای مجموعه‌ای از 25835 توربین خشکی واقع در آلمان اعمال می‌شود. پس از آن، سری‌های زمانی حاصل از شبیه‌سازی‌های عددی تجمیع شده و با داده‌های اندازه‌گیری شده برای اعتبارسنجی مقایسه می‌شوند. بخش 5 شبیه سازی های انجام شده را مورد بحث قرار می دهد و اولین نمونه های استفاده را با استفاده از نتایج به دست آمده معرفی می کند. آخرین اما نه کم اهمیت، این مطالعه با نتیجه گیری های کوتاه در بخش 6 به پایان می رسد .

2. داده ها

بخش‌های فرعی زیر تمام داده‌های مورد نیاز برای مدل شبیه‌سازی از جمله مبدا و ویژگی‌های آنها را توضیح می‌دهند.

2.1. مجموعه داده های گیاهی

مجموعه داده اولیه توربین بادی از پروژه EE-monitor [ 9 ] سرچشمه می گیرد که از طریق پورتال تحقیقاتی داده ها ( www.ufz.de/drp (دسترسی در 5 مارس 2020)) آزادانه در دسترس است. این مجموعه داده، با اطلاعات دقیق توربین خشکی شامل موقعیت جغرافیایی، ظرفیت نصب شده، ارتفاع توپی، قطر روتور و سال راه اندازی تا پایان سال 2015، از منابع رسمی ایالت های فدرال آلمان [ 10 ] گردآوری شده است. همانطور که از مطالعات مربوط به گیاهان شناخته شده است [ 10 ، 11 ، 12]، مجموعه داده های توربین بادی برای مناطق بزرگتر یا کل کشور به ندرت کامل می شوند به دلیل تعداد زیاد نیروگاه ها با پارامترهای خاص بسیار. به همین دلیل است که روش‌های مختلفی برای تکمیل مجموعه داده‌های توربین تا حد امکان توسعه داده شد. برای داده‌های توربین پروژه EE-monitor، از روش جنگل‌های تصادفی برای تولید اطلاعات گمشده استفاده شد [ 13 ]]، به عنوان مثال، برای بازسازی ارتفاع توپی ناشناخته یک توربین خاص توسط سایر پارامترهای موجود. به منظور گسترش این مجموعه داده های کارخانه به تمام ایالت های فدرال و به روز رسانی آن تا سال 2016، توربین های بادی ایالت های شهر آلمان و توربین های خشکی ساخته شده در سال 2016 با استفاده از داده های درخواستی اضافی از منابع رسمی درج شدند. در نهایت، تمام توربین‌های بادی این مجموعه داده با مرکز ثبت داده‌های بازار انرژی [ 14 ] مقایسه شدند] توسط یک پیوست فضایی. اگر مکان‌های توربین در این عملیات تقریباً یکسان بودند، یعنی انحراف فضایی کمتر از 75 متر در هر دو منبع داده نشان داده می‌شد، داده‌های توربین مربوط به مجموعه داده نیروگاه با اطلاعات ثبت داده‌های بازار انرژی هسته تکمیل می‌شد. این اتصال اغلب ارتفاع توپی دقیق را به جای مقدار تخمینی ایجاد شده توسط روش جنگل‌های تصادفی، تاریخ (خارج از) راه‌اندازی و نوع توربین در مجموعه داده درج می‌کند. بنابراین، در بسیاری از موارد، می‌توان از تاریخ واقعی راه‌اندازی به‌جای سال راه‌اندازی کمتر دقیق استفاده کرد، که مدل نیروی باد را قادر می‌سازد تا تغییرات درون سالانه نیروگاه را در نظر بگیرد. پس از این بهبودها و فیلتر کردن داده ها توسط توربین های بادی که در سال مورد بررسی 2016 کار می کردند، مجموعه داده نهایی کارخانه شامل 25 مورد است. 835 توربین خشکی مربوط به ظرفیت کل 43.61 گیگاوات. این مقدار با ظرفیت رسمی نصب شده 45.28 گیگاوات تمام توربین های خشکی در آلمان برای سال 2016 مطابقت دارد. 2 ]. انحراف کوچک کمتر از 3.7٪ از مجموع رسمی نشان می دهد که بیشتر توربین های بادی در مجموعه داده نهایی گنجانده شده اند.
برای هر توربین، مجموعه داده نیروگاه شامل موقعیت جغرافیایی با استفاده از مختصات طول و عرض جغرافیایی، واحد اداری محلی مرتبط (LAU) -Id 1 ، توان نامی، ارتفاع توپی، نوع توربین، و تاریخ (غیر) راه اندازی، به عنوان در جدول 1 نشان داده شده است. لازم به ذکر است که قطر روتور یک توربین بادی برای رویکرد مدل معرفی شده در این مطالعه مورد نیاز نیست و بنابراین تمام عدم قطعیت‌ها در مورد این پارامتر بر نتایج شبیه‌سازی تأثیری ندارد.
شکل 1 ظرفیت نصب شده توربین های بادی را در وضوح مکانی LAU2 در آلمان برای سال 2016 نشان می دهد و به عنوان اطلاعات اضافی، ظرفیت داخل سالانه در این مدت افزایش می یابد.

2.2. داده های کالیبراسیون

برای کالیبراسیون معقول مدل نیروی بادی، اطلاعات بیشتری مورد نیاز است که در مجموعه داده های نیروگاه نشان داده شده در جدول 1 گنجانده نشده است . برای مدل شبیه‌سازی ارائه‌شده، داده‌های منحنی توان ویژه یک توربین بادی، از جمله سرعت قطع، نامی و برش مشخصه آن ضروری است. چنین منحنی‌های توانی که رابطه بین سرعت باد در ارتفاع توپی و توان خروجی را در چگالی هوای استاندارد 1.225 کیلوگرم بر متر مکعب نشان می‌دهند ، در برگه‌های اطلاعات فنی سازنده توربین موجود هستند یا در پلتفرم‌های اینترنتی یافت می‌شوند، به عنوان مثال. ، در The Wind Power ( www.thewindpower.net ) [ 15 ].
نمودار در شکل 2 منحنی توان معمولی یک توربین بادی کنترل شده را با پارامترهای مشخصه آن نشان می دهد.
در سرعت باد کمتر از سرعت قطع ( cut-in ) گشتاور کافی توسط جریان باد روی پره های توربین اعمال نمی شود تا آنها را بچرخاند. با این حال، هنگامی که سرعت باد افزایش می یابد، توربین شروع به چرخش می کند و برق تولید می کند. سرعت باد زمانی که توربین شروع به تحویل انرژی به شبکه برق می کند، سرعت قطع نامیده می شود. برای اکثر توربین های بادی بین 2 تا 4 متر بر ثانیه است. هنگامی که سرعت باد از این سرعت قطعی بالاتر می رود، سطح الکتریسیته تولید شده به سرعت افزایش می یابد. به طور معمول، جایی در محدوده 12 و 14 متر بر ثانیه، خروجی الکتریکی به مقدار اسمی می رسد که توربین بادی برای آن طراحی شده است. این مقدار توان نامی ( R) و سرعت باد مربوط به سرعت نامی ( rated ) است. در سرعت های بالاتر باد، توربین طوری طراحی شده است که خروجی را به این سطح محدود کند. نحوه انجام این رفتار به طراحی فنی بستگی دارد، اما برای اکثر توربین های خشکی، با تنظیم زوایای پره ها بسته به سرعت باد برای ثابت نگه داشتن خروجی الکتریکی به دست می آید. این نوع تنظیم قدرت، کنترل گام نامیده می شود. هنگامی که سرعت باد بسیار بالاتر از سرعت نامی افزایش می‌یابد، نیروهای وارد بر ساختار توربین به افزایش خود ادامه می‌دهند و در برخی موارد، خطر آسیب وجود دارد. در نتیجه، یک سیستم خاموش و ترمز برای متوقف کردن روتور استفاده می شود. سرعت باد مورد نیاز برای خاموش شدن را سرعت قطع می گویند ( قطع) که برای بسیاری از توربین های خشکی حدود 25 متر بر ثانیه است.
برای تلفات توربین‌های بادی، که نمی‌توان آن‌ها را با محاسبات مبتنی بر منحنی توان دریافت کرد، باید کاهش اضافی برق تولیدی در شبیه‌سازی‌های عددی در نظر گرفته شود. چنین تلفاتی، به عنوان مثال، توسط اثرات زیر ایجاد می شود:
  • تلفات توان ناشی از سایه متقابل توربین های مجاور (اثر بیداری).
  • خاموش شدن به دلیل تجدید نظر در توربین بادی یا حفاظت از پرندگان و خفاش ها.
  • وقفه های تغذیه به دلیل مازاد انرژی در شبکه های برق.
با توجه به کمبود این اطلاعات در مورد هر توربین بادی، این نوع تلفات توربین در مدل توان باد به عنوان یک مقدار کلی متوسط ​​برای کل مجموعه نیروگاه گنجانده شده است.

2.3. پایگاه داده آب و هوا

داده های آب و هوایی با وضوح بالا یک نیاز کلیدی برای مدل سازی تولید برق از توربین های بادی است و در اینجا کیفیت داده ها نقش مهمی برای دقت شبیه سازی های انجام شده ایفا می کند. برای منطقه اروپای مرکزی یا آلمان، محصولات آب و هوای مختلف با وضوح‌های مکانی و زمانی متفاوت به‌راحتی از طریق رابط‌های وب بسیاری از خدمات هواشناسی قابل دسترسی هستند. محصولات به اصطلاح تحلیل مجدد به عنوان یک منبع محبوب داده های آب و هوا برای مطالعات مختلف تولید الکتریسیته، به ویژه برای مدل سازی نیروی باد ظاهر شده اند [ 11 ، 17 ، 18 ، 19 ، 20 .]. چنین داده‌های آب‌وهوای تحلیل مجدد با استفاده از مدل‌های پیش‌بینی عددی، اجرای مجدد این مدل‌های آب‌وهوا برای یک دوره معین در گذشته، و انجام اصلاحات با اندازه‌گیری‌های هواشناسی موجود محاسبه می‌شوند. به طور کلی، وضوح فضایی داده های تحلیل مجدد جهانی، به عنوان مثال، محصولات MERRA و MERRA-2 با وضوح حدود 50 کیلومتر [ 21 ، 22 ]، برای سطح جزئیات مورد نیاز برای این مقاله کافی نیستند. برخلاف محصولات آب و هوای جهانی، داده های تحلیل مجدد منطقه ای معمولا وضوح مکانی بالاتری دارند، به عنوان مثال، داده های آب و هوای COSMO-REA6 که اروپا را با وضوح فضایی حدود 6 کیلومتر پوشش می دهد [ 23 ].]، و بنابراین، قبلاً نتایج شبیه سازی دقیق را با مدل نیروی باد ما امکان پذیر می کند.
این نشریه یک گام فراتر می رود و از داده های آب و هوای مبتنی بر ماهواره از همکاری تسهیلات کاربردی ماهواره در نظارت بر آب و هوا (CMSAF) [ 24 ] از طریق رابط وب دسترسی آزاد سیستم اطلاعات جغرافیایی فتوولتائیک (PVGIS) [ 25 ] استفاده می کند. بر اساس [ 25 ] پایگاه داده CMSAF در PVGIS دارای وضوح زمانی یک ساعت و وضوح مکانی حدود 2.5 کیلومتر برای منطقه آلمان است. ]. سری‌های زمانی حل‌شده ساعتی تحویل‌شده برای یک مکان و دوره مورد نیاز حاوی اطلاعات زیر مربوط به مدل شبیه‌سازی است: تاریخ و زمان در زمان جهانی هماهنگ (UTC)، ارتفاع زمین، دمای محیط در 2 متر، و سرعت کل باد در 10 متر بالاتر از سطح زمین اگرچه سرعت باد تنها در 10 متر در PVGIS موجود است، که ممکن است دقت برون یابی سرعت باد را به ارتفاع توپی مورد نیاز توربین های خشکی کاهش دهد، داده های آب و هوا به صورت جداگانه برای هر مکان کارخانه بازیابی می شود. این شرایط از درون یابی فضایی اضافی داده های آب و هوا به سایت های توربین مشخص شده و بنابراین از عدم قطعیت های ناشی از چنین روال هایی جلوگیری می کند. علاوه بر این، PVGIS همچنین ارتفاع زمین را در محل کارخانه مورد نیاز برای محاسبه فشار هوا به عنوان تابعی از ارتفاع کل از سطح دریا فراهم می کند. بنابراین، محصول هواشناسی CMSAF از طریق PVGIS 5.1 برای شبیه‌سازی تولید نیروی باد آلمانی استفاده شد. علاوه بر این، مدل نیروی باد و مدل فتوولتائیک قبلا منتشر شده [ 26 ] را می توان همراه با یک محصول آب و هوا در PVGIS استفاده کرد، که ترکیب پذیری متقابل نتایج شبیه سازی را بهبود می بخشد، به عنوان مثال، زیرا آنها دارای پایه زمانی یکسان هستند.

2.4. داده های اعتبارسنجی

نتایج به‌دست‌آمده از شبیه‌سازی‌های عددی باید با اندازه‌گیری‌های روی سیستم‌های واقعی به منظور اعتبارسنجی مدل اساسی و ارزیابی دقت آن مقایسه شود. برای اعتبار سنجی تبدیل باد به نیرو، سری های زمانی اندازه گیری شده از توان خروجی و سرعت باد مربوطه از یک توربین خشکی با پارامترهای خاص شناخته شده مورد نیاز است. چنین اندازه‌گیری‌هایی که می‌توانند به عنوان دقیق‌ترین داده‌ها برای اعتبارسنجی مدل نیروی بادی در نظر گرفته شوند، به سختی از اپراتورهای مزرعه بادی به دست می‌آیند، به عنوان مثال، به دلیل مقررات حفاظت از داده‌ها. از طریق همکاری با موسسه علوم زمین کاربردی TU برلین در مورد تأثیر نویز توربین بر ثبت لرزه‌ای، داده‌های سرعت باد اندازه‌گیری شده و توان خروجی یک توربین منفرد برای این مطالعه در دسترس است. شکل 3 سری زمانی توان خروجی و سرعت باد مربوطه را در ارتفاع هاب نشان می دهد.
علاوه بر این، مدل شبیه‌سازی توسعه‌یافته نه تنها شامل الگوریتم‌های فیزیکی برای تبدیل باد به نیرو می‌شود، بلکه تلفات توربین اضافی (شرح شده در بخش 2.2 ) و تغییرات درون سالانه توربین‌های بادی را برای تعیین الکتریسیته تولید شده در نظر می‌گیرد. تبدیل سری های زمانی شبیه سازی شده از UTC به زمان محلی و تجمع زمانی مناسب نتایج نهایی نیز توسط مدل نیروی باد انجام می شود. بنابراین، سری‌های زمانی شبیه‌سازی‌ها باید با سری‌های زمانی اندازه‌گیری شده نیز اعتبارسنجی شوند.
داده‌های تولید برق انرژی‌های تجدیدپذیر متغیر مانند نیروی باد فقط برای مناطق بزرگ‌تر، مانند کل کشورها در دسترس است. بنابراین، تولید الکتریسیته از تمام توربین‌های بادی مجموعه داده باید به صورت مکانی جمع‌آوری شود تا با داده‌های اندازه‌گیری شده برای کل آلمان، ارائه شده توسط پلت فرم اینترنتی SMARD آژانس شبکه فدرال ( www.smard.de ) مقایسه شود. [ 27]. از این پلتفرم داده‌های اندازه‌گیری شده تولید برق بادی آلمان برای کل سال 2016 دانلود شد. لازم به ذکر است در این مدت در سه روز مختلف هیچ داده اندازه‌گیری توسط SMARD در دسترس نبود و بنابراین مقادیر صفر حاصل در نظر گرفته نمی‌شود. برای اعتبارسنجی و در نمودار مربوطه محو شده است (شکل 9).

3. مدل

این بخش مدل شبیه‌سازی ما را برای تولید برق از توربین‌های بادی و قوانین فیزیکی که بر روی آن پیاده‌سازی شده است، توضیح می‌دهد. به طور کلی، داده های تولید توان برای مطالعات انرژی را می توان با روش های آماری، به عنوان مثال، مدل های رگرسیون خودکار و مونت کارلو، یا با مدل های فیزیکی تعیین کرد [ 11 ، 18 ]. برخلاف مدل های آماری [ 28]، نتایج مدل‌های فیزیکی، مانند مدل نیروی باد ارائه‌شده در اینجا، بر اساس داده‌های آب و هوایی با وضوح بالا از اندازه‌گیری‌های هواشناسی یا مدل‌های عددی است. بنابراین، یکی از مزیت‌های مدل‌های فیزیکی در مقایسه با روش‌های آماری، امکان ارائه داده‌های تولید برق در مقیاس فضایی-زمانی با وضوح بالا است.
فرآیند توسعه کامل از کالیبراسیون تا اعتبارسنجی مدل نیروی باد در شکل 4 نشان داده شده است. در این شکل داده های ورودی و خروجی به صورت کانتینر و فلش ها جهت جریان داده را نشان می دهند.
ساختار داخلی مدل شبیه سازی در شکل 5 نشان داده شده است . داده های نیروگاه و آب و هوا در این نمودار جریان، داده های ورودی برای مدل توان باد کالیبره شده را نشان می دهد. مراحل محاسباتی مورد نیاز مدل شبیه سازی به صورت مستطیل نمایش داده می شود و تمام نمادهای دیگر همان معنایی دارند که در شکل 4 توضیح داده شده است.
مطابق شکل 5 ، مدل توان باد را می توان به مراحل محاسبه اصلی زیر تقسیم کرد که برای هر توربین بادی مجموعه داده نیروگاه انجام می شود:
  • برون یابی داده های آب و هوایی ارائه شده برای محل کارخانه مشخص شده به ارتفاع هاب.
  • تبدیل باد به نیرو با کمک منحنی توان ویژه توربین بادی.
  • تصحیح توان خروجی با استفاده از دما و فشار هوا در ارتفاع هاب.
  • محاسبه برق تولیدی با در نظر گرفتن تلفات اضافی و تاریخ (خارج از) راه اندازی.
  • تجمع زمانی سری های زمانی شبیه سازی شده و ذخیره سازی داده ها.
برای برون یابی سرعت باد به ارتفاع توپی مورد نیاز از قانون هلمن استفاده می شود که می تواند با رابطه زیر بیان شود:

v0(اچاچ0)α
در رابطه (1)، v سرعت ناشناخته باد در ارتفاع توپی H است و 0 مخفف سرعت باد شناخته شده در ارتفاع 0 است که 10 متر بالاتر از سطح زمین است و از داده های آب و هوا به دست می آید. توان α را ضریب اصطکاک یا توان هلمن می نامند. این ضریب تابعی از توپوگرافی در یک مکان خاص است و اغلب به عنوان مقدار 1/7 برای زمین های باز در نظر گرفته می شود [ 29 , 30 ]]، که به خوبی با سایت های اکثر توربین های خشکی در آلمان مطابقت دارد. از این رو، این مقدار برای شبیه‌سازی‌ها استفاده می‌شود، اما در صورت لزوم و معقول، مقادیر میانگین دیگر مانند 1/5 یا 1/6 را می‌توان به راحتی در مدل نیروی باد اعمال کرد. مرحله بعدی سرعت باد محاسبه شده در ارتفاع هاب را به توان خروجی متناظر توربین بادی تبدیل می کند. این عملیات با کمک منحنی توان انجام می شود که توان خروجی را با چگالی هوای استاندارد 1.225 کیلوگرم بر متر مکعب برمی گرداند .. مزیت اصلی استفاده از منحنی توان این است که برای محاسبه توان خروجی نیازی به دانستن هیچ اطلاعات بیشتری در مورد فن آوری توربین نیست. بنابراین، در مدل شبیه سازی ارائه شده، هر توربین بادی را می توان مانند یک جعبه سیاه با منحنی قدرت به عنوان تابع انتقال آن در نظر گرفت. بخش غیر خطی یک منحنی توان معمولی، همانطور که در شکل 6 نشان داده شده است، معمولاً توسط سازنده به عنوان جدول مقادیر ارائه می شود. به منظور ادغام چنین رابطه غیرخطی و گسسته ای در مدل شبیه سازی با دقت بالا و بدون هیچ گونه روال درون یابی اضافی برای مقادیر میانی، منحنی توان ویژه به بخش های جداگانه تقسیم می شود و این بخش ها برای توابع تحلیلی توسعه می یابند. علاوه بر این، برای اینکه بتوان یک منحنی توان را به توربین‌های بادی مشابه با توان نامی متفاوت اختصاص داد، استفاده از منحنی‌های توان نرمال شده برای مدل قدرت باد مفید است. منحنی توان ویژه اکثر توربین‌های بادی، که اغلب مانند مثالی که در شکل 2 ارائه شده است، با گام کنترل می‌شوند، طبق رابطه (2) پیاده‌سازی می‌شوند. در این رابطه، N ( v) مخفف توان خروجی نرمال شده به عنوان تابعی از سرعت باد است، یعنی N(v) = P(v) / R ∈ [0, 1]:

ن) =,f) ،،,<vبرش – درvبرش – در≤ vدارای رتبهvدارای رتبهvقطع کردن _>vقطع کردن _
بیان

f) =60آمنvمن

یک چند جمله ای مرتبه ششم است که باید برای هر منحنی توانی که برای شبیه سازی های عددی استفاده می شود، مشتق شود. ضرایب مورد نیاز i از رابطه (3) با استفاده از رگرسیون چند جمله ای با استفاده از نرم افزار Excel تعیین می شود. همانطور که در شکل 6 برای یک Enercon E-40 نشان داده شده است، مشخص شد که توسعه بخش غیر خطی منحنی توان، یعنی محدوده بین برش خاص و سرعت نامی، تا یک چند جمله ای مرتبه ششم منجر به تقریب دقیق با ضرایب تعیین (R2 ) بهتر از 0.99 و ریشه میانگین مربعات خطا (RMSE) کمتر از 0.01.

برای توربین‌های بادی با سطح توان متغیر بالاتر از سرعت نامی، به‌عنوان مثال، توربین‌هایی با تنظیم توقف غیرفعال، محدوده بین سرعت نامی و سرعت قطع تا یک عبارت مرتبه ششم با رگرسیون چند جمله‌ای نیز توسعه می‌یابد. پس از استخراج چنین نمایش های تحلیلی از منحنی توان خاص، توان خروجی را می توان به سادگی برای هر سرعت باد معین محاسبه کرد، یعنی بدون هیچ تلاش اضافی برای روال های درونیابی. این مرحله محاسبه توان خروجی N را در چگالی هوای ثابت 1.225 کیلوگرم بر متر مکعب برمی گرداند.، که مربوط به دمای محیط 288.15 K (15 درجه سانتیگراد) در فشار اتمسفر معمولی 1.013 بار است. از این رو، مقدار توان به دست آمده باید با دما و فشار هوا در ارتفاع توپی اصلاح شود. برای این، دمای محیط ارائه شده توسط داده های آب و هوا بر اساس قاعده کلی ارائه شده در [ 31 ] برون یابی می شود:

تیتی0− 0.0065 ⋅ Hاچ0)
در این رابطه، T دمای هوا را در K در ارتفاع توپی H و 0 مخفف دمای محیط در ارتفاع 0 است که 2 متر بالاتر از سطح زمین است. پس از تخمین دمای هوا در ارتفاع توپی، با فرض یک گرادیان دمای متوسط ​​در تمام شرایط آب و هوایی 0.0065 K/m [ 31 ]، توان خروجی را می توان با عبارت زیر که از فرمول ارتفاع فشارسنجی و تصحیح منحنی توان مطابق با آن به دست می آید، تصحیح کرد. [ 32 ]:

پپن⋅ (288.15تی) ⋅exp ( اچتی8430)
در رابطه (5) که کاهش تصاعدی فشار هوا با ارتفاع کل را نیز در نظر می گیرد، P مخفف توان خروجی تصحیح شده در دمای هوا و فشار در ارتفاع توپی است. ارتفاع کل T با مجموع ارتفاع توپی و ارتفاع زمین از سطح دریا به دست می‌آید و ارتفاع به اصطلاح مقیاس دارای مقداری در حدود 8430 متر در دمای همدما 15/288 کلوین است. از آنجایی که تغییرات فشار اتمسفر باعث با توجه به آب و هوا در این محاسبات در نظر گرفته نشده است، به دلیل عدم وجود داده های فشار هوا بسیار حل شده در PVGIS، این تصحیح توان خروجی فقط دمای هوا در ارتفاع توپی و فشار هوا را به عنوان تابعی از ارتفاع کل در نظر می گیرد. .
پس از تصحیح توان خروجی، مرحله محاسبه بعدی مدل نیروی باد، تعیین الکتریسیته تولید شده با ضرب توان خروجی در شکاف زمانی معین است که با وضوح زمانی محصول آب و هوای استفاده شده که بیشتر ساعتی را ارائه می دهد، تعریف می شود. وضوح. این مرحله همچنین شامل تلفات اضافی توربین‌های بادی است که نمی‌توان آن‌ها را با محاسبات بر اساس منحنی قدرت پوشش داد و تاریخ راه‌اندازی (خارج از) راه‌اندازی به منظور در نظر گرفتن تغییرات درون سالانه نیروگاه را شامل می‌شود. در نهایت، سری زمانی حل شده ساعتی حاصل از UTC به زمان محلی تبدیل می‌شود و در صورت نیاز، به یک سری زمانی اضافی تبدیل می‌شود، به عنوان مثال، با وضوح روزانه. پس از انجام مراحل توصیف شده برای هر توربین بادی مجموعه داده،

4. نتایج

بخش‌های فرعی زیر شبیه‌سازی‌های انجام‌شده را با استفاده از داده‌های ورودی توصیف‌شده قبلی و مدل توان باد ارائه می‌کنند.

4.1. شبیه سازی یک توربین بادی منفرد

برای اثبات مفهوم و اعتبار مدل، توان خروجی یک توربین بادی با پارامترهای مشخص شناخته شده شبیه‌سازی شده و سپس با سری زمانی اندازه‌گیری شده تغذیه این نیروگاه مقایسه می‌شود. اندازه گیری ها بر روی جنرال الکتریک جنرال الکتریک 1.5sl با توان نامی 1.5 مگاوات و ارتفاع هاب 100 متر واقع در Zodel در نزدیکی شهر Görlitz انجام شد. همانطور که در بخش 2.4 معرفی شد ، توان خروجی و سرعت باد هر 10 دقیقه در یک دوره 60 ساعت اندازه گیری شد ( شکل 3 ). برای کالیبراسیون مدل توان بادی، منحنی توان این توربین، همانطور که در شکل 7 نشان داده شده است.، به یک چند جمله ای مرتبه ششم توسعه یافته و با پارامترهای مشخصه آن، به عنوان مثال، برش خاص و سرعت نامی اجرا می شود.
علاوه بر این، مقدار تلفات اضافی توربین و توان هلمن برای این شبیه‌سازی روی صفر تنظیم شد، زیرا سرعت باد مستقیماً در ارتفاع توپی اندازه‌گیری شد. ارتفاع زمین و دمای محیط مورد نیاز برای محاسبات برای این سایت توربین از طریق PVGIS با استفاده از پایگاه داده هواشناسی CMSAF بازیابی شد. نمودار زیر ( شکل 8 ) سری زمانی شبیه سازی شده و اندازه گیری شده توان خروجی از این تک توربین را نشان می دهد.
همانطور که در شکل 8 نشان داده شده استمدل نیروی باد الگوی سری های زمانی اندازه گیری شده را به خوبی در کل دوره بازتولید می کند. دست کم گرفتن مکرر نتایج شبیه‌سازی عمدتاً ناشی از این واقعیت است که مدل از منحنی قدرت تضمین‌شده جنرال الکتریک GE 1.5sl از سازنده استفاده می‌کند، که اغلب در شرایط واقعی ممکن است از آن فراتر رود. RMSE داده های 10 دقیقه ای در طول دوره کامل، به عنوان یک معیار آماری برای چنین انحرافاتی، به مقدار 84.8 کیلو وات می رسد. علیرغم انحرافات موجود، مدل نیروی باد معرفی شده با دقت کافی منجر به نتایج واقعی می شود. علاوه بر این، یک همبستگی پیرسون بین اولین تفاوت‌های سری‌های زمانی شبیه‌سازی شده و اندازه‌گیری شده، یک رابطه خطی مثبت قوی با ضریب همبستگی (R-value) 0.96 را نشان می‌دهد. نشان می دهد که الگوی ارزش دو سری زمانی در یک جهت و مقدار متفاوت است. از این رو، این مدل شبیه سازی می تواند برای تعیین توان خروجی و تولید برق مربوطه از توربین های بادی استفاده شود.

4.2. شبیه سازی گروه گیاهی

با توجه به عدم دسترسی آزادانه داده‌های تولید برق توربین‌های بادی با وضوح مکانی و زمانی بالا، که انگیزه اصلی برای مدل نیروی باد ارائه‌شده در این مطالعه بود، نمی‌توان عملکرد کل مجموعه توربین‌ها را بر روی یک تحلیل فضایی محک زد. مقیاس با این حال، اگر نتایج شبیه‌سازی از نظر فضایی در آلمان تجمیع شوند، می‌توان آنها را با یک سری زمانی خوراک در دسترس عموم از تمام توربین‌های خشکی آلمان، ارائه شده توسط SMARD [ 27 ] مقایسه کرد.
در این بخش از مدل نیروی باد برای تعیین تولید برق از 25835 توربین بادی در آلمان برای سال 2016 استفاده شد. برای این شبیه‌سازی‌ها، هر توربین بادی مجموعه نیروگاه به صورت جداگانه محاسبه شده و داده‌های آب و هوا و ارتفاع زمین مورد نیاز بازیابی می‌شود. از طریق رابط وب PVGIS برای هر سایت توربین، با استفاده از موقعیت جغرافیایی آن. از آنجایی که نوع توربین اغلب در مجموعه داده‌های نیروگاه ذکر نشده است، به دلیل کمبود اطلاعات از منابع رسمی [ 8 ]، توربین‌ها به کلاس‌های توان مختلف با منحنی‌های توان معمولی اختصاص داده می‌شوند. این کلاس های توان با محدوده های مربوطه و انواع توربین های کاربردی در جدول 2 نشان داده شده است. به عنوان مثال، برای توربین های بادی با توان نامی در محدوده بین 0.25 تا 0.75 مگاوات، منحنی توان نرمال شده Enercon E-40 با توان نامی 0.5 مگاوات در مدل شبیه سازی استفاده شد.
با این وجود، مکان نیروگاه، توان نامی، ارتفاع توپی و تاریخ (خارج از) راه اندازی به صورت جداگانه برای هر توربین در نظر گرفته شد. برای تلفات اضافی توربین، به عنوان مثال، ناشی از اثرات توصیف شده در بخش 2.2 ، مقدار کلی 16% برای کل مجموعه نیروگاه استفاده شد. این مقدار که طبق [ 33 ] معمولاً از 5 تا 30 درصد برای پروژه های بادی خشکی متغیر است، با شبیه سازی های زیادی ثابت شده است که میانگین معقولی برای مجموعه توربین در نظر گرفته شده است.
پس از انجام شبیه‌سازی‌های عددی برای 25835 توربین بادی، داده‌های ساعتی مجموعه نیروگاه در یک سری زمانی جمع‌آوری شد تا نتایج شبیه‌سازی با داده‌های تولید برق اندازه‌گیری شده توربین‌های خشکی برای کل آلمان مقایسه شود. سری های زمانی شبیه سازی شده و اندازه گیری شده که برای مقایسه بهتر به وضوح روزانه تبدیل شده اند، در شکل 9 نشان داده شده است.
از شکل 9 می توان دریافت که تولید برق شبیه سازی شده از داده های خوراک اندازه گیری شده به خوبی در طول سال پیروی می کند. انحرافات عمدتاً ناشی از اثرات زیر است که توسط مدل نیروی باد پوشش داده نمی شود:
  • انحراف از طریق قانون نمایی هلمن با سرعت باد در 10 متر.
  • عدم قطعیت داده های آب و هوا و واقعیت مقادیر میانگین ساعتی.
  • تغییرات مربوط به آب و هوا در فشار هوا در مدل در نظر گرفته نشده است.
  • تخصیص توربین های بادی به کلاس های قدرت مربوطه.
با این وجود، با RMSE 45.6 گیگاوات ساعت تعیین شده برای داده های حل شده روزانه، نتایج به دست آمده تطابق خوبی با سری زمانی اندازه گیری شده تغذیه نشان می دهد. در مقایسه با تولید برق سالانه 64.0 تراوات ساعت، تولید شده از تمام توربین های خشکی در آلمان برای سال 2016 طبق SMARD، RMSE مقدار 0.07٪ را نشان می دهد. علاوه بر این، یک همبستگی پیرسون بین اولین تفاوت‌های هر دو سری زمانی منجر به R-value 0.97 می‌شود که نشان می‌دهد روند سری‌های زمانی در یک جهت و مقدار متفاوت است. روش‌های آماری بیشتری برای مقایسه عمیق‌تر دو سری زمانی وجود دارد، به عنوان مثال، با استفاده از مدل‌های خودرگرسیون (AR) یا میانگین متحرک اتورگرسیو (ARMA) در سری‌های زمانی. از آنجایی که شباهت سری های زمانی شبیه سازی شده و اندازه گیری شده از نظر بصری آشکار است، چنین مدل هایی برای این مطالعه انجام نشد. در آینده نزدیک، زمانی که ثبت داده‌های بازار هسته انرژی آلمان، که شامل انواع توربین‌های خاص نیز می‌شود، به طور کامل تکمیل شود، می‌توان منحنی قدرت دقیق را به هر توربین بادی مجموعه داده نیروگاه اختصاص داد. این شرایط باید دقت نتایج شبیه سازی را بیشتر بهبود بخشد.

5. بحث

هدف اصلی این مطالعه تولید داده‌های تولید برق با وضوح بالا توربین‌های خشکی در آلمان برای یک دوره طولانی‌تر، به عنوان مثال، یک سال کامل، با استفاده از داده‌های در دسترس عموم بود. برای این کار، سال 2016 انتخاب شد، زیرا داده های گیاهی و آب و هوای کاربردی فقط تا پایان سال 2016 در زمان نگارش این مقاله در دسترس بود. دلیل دیگری برای این سال، ادامه نقشه‌های انتقال انرژی در سال 2015 [ 4 ] با داده‌های تولید برق توربین‌های بادی در آلمان برای سال 2016 بود. برای این نقشه‌های انتقال انرژی، وضوح فضایی در سطح LAU2 مورد نیاز است. از این رو، مدل شبیه سازی معرفی شده در ترکیب با پایگاه داده هواشناسی CMSAF در PVGIS [ 25] که وضوح فضایی بالایی را ارائه می دهد، برای تولید چنین نقشه هایی مناسب است. ابزار وب رایگان موجود renewables.ninja ( www.renewables.ninja ) [ 34 ]، که همچنین داده های تولید برق توربین های بادی را برای یک منطقه و دوره خاص ارائه می دهد، فقط داده های آب و هوای MERRA-2 را با وضوح کمتر حدود 50 اعمال می کند. کیلومتر [ 22 ]، که برای سطح جزئیات مورد نیاز برای نقشه های انتقال انرژی در سال 2016 کافی نیست.
درک تولید برق متغیر توربین‌های خشکی موجود در مقیاس مکانی-زمانی، پیش‌شرطی برای ادغام موفقیت‌آمیز نیروگاه‌های تجدیدپذیر آینده در سیستم‌های قدرت غیرمتمرکز فزاینده است. شکل 10 ، به عنوان اولین نمونه استفاده در این موضوع، تولید برق ماهانه از توربین های بادی را در وضوح فضایی LAU2 بر اساس شبیه سازی های انجام شده نشان می دهد. از این رو، پیشرفت‌های منطقه‌ای انتقال انرژی به سمت سهم‌های بالاتر نیروی بادی را می‌توان با کمک چنین نقشه‌هایی به‌طور قابل اعتمادی رصد کرد.
علاوه بر این، این نتایج شبیه‌سازی را می‌توان در ترکیب با مقادیر موجود ظرفیت نصب شده، همانطور که در شکل 1 نشان داده شده است ، برای تعیین فاکتورهای ظرفیت مکانی و زمانی توربین‌های خشکی به منظور بررسی کارایی آنها بسته به منطقه و دوره مشخص شده استفاده کرد. برای توربین‌های بادی، ضریب ظرفیت مکانی-زمانی CF st را می‌توان بر اساس رابطه (6) محاسبه کرد:

سیافخیابان= Ewtتیسیwt× 100 ٪
در این عبارت T مخفف بازه زمانی مشخص شده است، wt ظرفیت توربین بادی نصب شده در منطقه مورد نظر و wt برق تولیدی از توربین های بادی در این منطقه و دوره است. شکل 11 فاکتورهای ظرفیت ماهانه را در تفکیک مکانی LAU2 در آلمان برای سال 2016 نشان می دهد.
از این رقم به راحتی می توان استنباط کرد که فاکتورهای ظرفیت تعیین شده توربین های بادی از نوامبر تا فوریه بسیار بیشتر از ماه های باقیمانده سال 2016 بوده است. با اوج ارزش 64٪ در Stedesdorf در نزدیکی شهر Wittmund، که اوج سالانه 72٪ در ژانویه را نیز داشت. همچنین قابل ذکر است که قسمت شمالی آلمان به ویژه مناطق ساحلی دارای بالاترین فاکتورهای ظرفیت در طول سال می باشد. در ماه ژوئن تا سپتامبر، کمترین فاکتورهای ظرفیت ماهانه را می توان برای آلمان با مقادیر متوسط ​​حدود 10 درصد یافت.
از شبیه‌سازی‌های عددی در بخش 4 ، به وضوح می‌توان دریافت که با کمک مدل توسعه‌یافته نیروی باد، نتایج به اندازه کافی دقیق را می‌توان هم برای یک توربین بادی منفرد و هم برای یک مجموعه نیروگاه بزرگ به دست آورد. برای تولید برق بادی آلمان در سال 2016، 25835 توربین خشکی در شبیه سازی ها در نظر گرفته شد که در آن تولید برق هر توربین بادی به صورت جداگانه محاسبه شد. نتایج به‌دست‌آمده به وضوح مکانی در سطح سایت توربین می‌رسند و وضوح زمانی ساعتی دارند. تا جایی که ما می دانیم، چنین داده های تولید توان بسیار حل شده توربین های بادی با در نظر گرفتن تقریباً تمام نیروگاه های خشکی در آلمان [ 2 ]]، که قیمت های تضمینی تغذیه برق را طبق EEG دریافت می کنند، قبلا هرگز نشان داده نشده بود. علاوه بر این، یک رویکرد جدید برای مدل شبیه‌سازی مورد استفاده قرار گرفت که در آن بخش‌های غیرخطی منحنی توان ویژه یک توربین بادی به چند جمله‌ای مرتبه ششم تبدیل می‌شوند تا شبیه‌سازی‌های عددی را ساده‌سازی و بهبود بخشند.

6. نتیجه گیری

این مقاله ایده های جدیدی را برای تولید داده های تولید توان با وضوح بالا توربین های خشکی در آلمان با استفاده از یک مدل فیزیکی نشان داده است. همچنین هدف این نشریه توسعه یک مدل نیروی باد بود که در آن تمرکز بر روی یک رویکرد مدل بسیار شفاف، آسان برای تقلید و به اندازه کافی دقیق بود. برای کمک به چنین رویکردی، داده‌های کارخانه و آب‌وهوای مورد نیاز برای شبیه‌سازی‌های عددی باید در دسترس عموم باشد تا به کاربران بالقوه این فرصت را بدهد تا مدل خود را بر اساس ایده‌های معرفی‌شده ایجاد کنند. در این مطالعه به وضوح نشان داده شد که مدل توسعه‌یافته نیروگاه بادی می‌تواند جایگزین امیدوارکننده‌ای برای به دست آوردن داده‌های تولید برق بسیار حل‌شده توربین‌های بادی با استفاده از داده‌های نیروگاه و آب و هوا در دسترس عموم باشد.
بنابراین، بر اساس رویکرد مدل ارائه شده و استفاده از یک زبان برنامه‌نویسی منبع باز، مانند R یا Python، می‌توان داده‌های تولید انرژی مکانی-زمانی توربین‌های خشکی را برای کل آلمان تولید کرد. چنین سری‌های زمانی حل‌شده مکانی می‌تواند به بررسی تولید الکتریسیته از توربین‌های بادی در طی رویدادهای آب و هوایی شدید، به عنوان مثال، دوره‌های طولانی باد آرام یا طوفان‌های طولانی و شدید کمک کند. علاوه بر این، مدل شبیه‌سازی توسعه‌یافته را می‌توان برای سایر کشورها یا مناطق جغرافیایی بدون هیچ تغییری در صورتی که تمام داده‌های گیاهی و آب‌وهوای مورد نیاز برای این مناطق در دسترس باشد، استفاده کرد. علاوه بر این، سایر کاربردها، به عنوان مثال، مطالعات ارزیابی مکان برای مزارع بادی آینده [ 35 ] یا تأثیر نویز توربین بادی بر ثبت لرزه‌ای [35]36 ]، می تواند از داده های تولید الکتریسیته با وضوح بالا که توسط مدل ارائه شده انرژی بادی ارائه شده است، بهره مند شود.

مشارکت های نویسنده

مفهوم سازی، راینهولد لنیس; روش شناسی، راینهولد لهنیس و دیوید مانسکی. نرم افزار، Reinhold Lehneis و David Manske. اعتبار سنجی، راینهولد لنیس; تحلیل رسمی، راینهولد لنیس و دیوید مانسکی. تحقیق، راینهولد لنیس؛ منابع، دیوید مانسک و راینهولد لنیس. سرپرستی داده ها، دیوید مانسکی. نوشتن – آماده سازی پیش نویس اصلی، Reinhold Lehneis; نگارش- بررسی و ویرایش، راینهولد لهنیس، دیوید مانسک، و دانیلا تران. تجسم، دیوید مانسک و راینهولد لنیس. نظارت، Daniela Thrän; مدیریت پروژه، Daniela Thrän; همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

این تحقیق بودجه عمومی را از انجمن هلمهولتز مراکز تحقیقاتی آلمان دریافت کرد.

بیانیه رضایت آگاهانه

قابل اجرا نیست.

قدردانی ها

نویسندگان با سپاسگزاری از Hortencia Flores Estrella (TU Berlin) برای ارائه داده های اندازه گیری در یک توربین بادی جنرال الکتریک GE 1.5sl قدردانی می کنند.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. GWEC. گزارش جهانی باد 2019 ; شورای جهانی انرژی بادی: بروکسل، بلژیک، 2020. [ Google Scholar ]
  2. BMWi Zeitreihen zur Entwicklung der erneuerbaren Energien در آلمان تحت Verwendung von Daten der Arbeitsgruppe Erneuerbare Energien-Statistik (AGEE-Stat). در دسترس آنلاین: https://www.erneuerbare-energien.de (در 30 ژوئیه 2020 قابل دسترسی است).
  3. ایرنا هزینه های تولید برق تجدیدپذیر در سال 2019 ؛ آژانس بین‌المللی انرژی‌های تجدیدپذیر (IRENA): ابوظبی، امارات متحده عربی، 2020. [ Google Scholar ]
  4. راونر، اس. Eichhorn، M. Thrän، D. بعد فضایی سیستم قدرت: بررسی نقاط داغ تامین انرژی تجدیدپذیر هوشمند. Appl. انرژی 2016 ، 184 ، 1038-1050. [ Google Scholar ] [ CrossRef ]
  5. رامیرز کامارگو، ال. گروبر، ک. نیچ، اف. دورنر، دبلیو. سیستم‌های انرژی تجدیدپذیر ترکیبی برای تامین برق ساختمان‌های مسکونی خودکفا در اروپای مرکزی. Energy Procedia 2019 ، 158 ، 321-326. [ Google Scholar ] [ CrossRef ]
  6. رامیرز کامارگو، ال. نیچ، اف. گروبر، ک. والدز، جی. Wuth، J. دورنر، W. تحلیل پتانسیل سیستم‌های انرژی تجدیدپذیر ترکیبی برای استفاده مسکونی خودکفا در آلمان و جمهوری چک. Energies 2019 , 12 , 4185. [ Google Scholar ] [ CrossRef ]
  7. اوتنبرگر، اس.اس. چاکماک، هنگ کنگ؛ جاکوب، دبلیو. بلاتمن، ا. تریبوشنی، دی. راسکوب، دبلیو. Kühnapfel، U. Hagenmeyer, V. یک روش بهینه‌سازی جدید برای توزیع برق تاب‌آور و منصفانه شهری که از وضعیت‌های بحرانی شبکه جلوگیری می‌کند. بین المللی جی. کریت. زیرساخت. Prot. 2020 ، 29 ، 100354. [ Google Scholar ] [ CrossRef ]
  8. Lehneis، R. مانسکه، دی. شینکل، بی. Thrän، D. مدل سازی تولید برق از توربین های بادی با وضوح مکانی و زمانی بالا. ژنرال EGU Assem. Conf. Abstr. 2020 . [ Google Scholar ] [ CrossRef ]
  9. تران، دی. بونزل، ک. کلنکه، آر. کوبلنز، بی. لورنز، سی. ماجر، س. مانسکه، دی. ماسمن، ای. اوهمیچن، جی. پیترز، دبلیو. و همکاران Naturschutzfachliches Monitoring des Ausbaus der Erneuerbaren Energien im Strombereich und Entwicklung von Instrumenten zur Verminderung der Beeinträchtigung von Natur und Landschaft ; Bundesamt für Naturschutz: بن، آلمان، 2020. [ Google Scholar ]
  10. Eichhorn، M. شفتلوویتز، ام. رایشموث، ام. لورنز، سی. لوکا، ک. شیفلر، آ. کیونکه، آر. باوشمن، ام. پونیتکا، جی. مانسکه، دی. و همکاران توزیع فضایی توربین های بادی، سیستم های میدان فتوولتائیک، انرژی زیستی و نیروگاه های آبی رودخانه در آلمان. داده 2019 ، 4 ، 29. [ Google Scholar ] [ CrossRef ]
  11. اولاسون، جی. برگکویست، ام. مدل سازی تولید نیروی بادی سوئدی با استفاده از داده های تحلیل مجدد MERRA. تمدید کنید. انرژی 2015 ، 76 ، 717-725. [ Google Scholar ] [ CrossRef ]
  12. انگلهورن، تی. Müsgens, F. چگونه می توان تغذیه توربین بادی را با داده های موجودی ناقص تخمین زد: یک چارچوب کلی با کاربرد برای ارزش های بازار خاص توربین در آلمان. اقتصاد انرژی 2018 ، 72 ، 542-557. [ Google Scholar ] [ CrossRef ]
  13. بکر، آر. Thrän، D. تکمیل مجموعه داده‌های توربین بادی برای مطالعات ادغام باد با استفاده از جنگل‌های تصادفی و K-نزدیک‌ترین همسایه‌ها. Appl. انرژی 2017 ، 208 ، 252-262. [ Google Scholar ] [ CrossRef ]
  14. ثبت اطلاعات اصلی بازار انرژی آژانس شبکه فدرال. در دسترس آنلاین: https://www.bundesnetzagentur.de/EN (در 30 ژوئیه 2020 قابل دسترسی است).
  15. پیروت، ام. نیروی باد. در دسترس آنلاین: https://www.thewindpower.net/ (در 25 ژوئن 2020 قابل دسترسی است).
  16. برگه داده ENERCON E-40/5.40. ENERCON GmbH، Dreekamp 5، 26605 Aurich (آلمان) . 2003. در دسترس آنلاین: https://www.enercon.de (در 19 مه 2020 قابل دسترسی است).
  17. استافل، آی. Pfenninger, S. استفاده از تحلیل مجدد با تعصب تصحیح شده برای شبیه سازی خروجی نیروی باد فعلی و آینده. انرژی 2016 ، 114 ، 1224-1239. [ Google Scholar ] [ CrossRef ]
  18. Olauson, J. ERA5: قهرمان جدید مدل سازی نیروی باد؟ تمدید کنید. انرژی 2018 ، 126 ، 322-331. [ Google Scholar ] [ CrossRef ]
  19. گونزالس آپاریسیو، آی. مونفورتی، اف. ولکر، پی. زوکر، آ. کارری، اف. هالد، تی. Badger, J. شبیه سازی تولید برق بادی اروپا با استفاده از کاهش مقیاس آماری برای تحلیل مجدد داده ها. Appl. انرژی 2017 ، 199 ، 155-168. [ Google Scholar ] [ CrossRef ]
  20. بوش، جی. استافل، آی. هاکس، AD پتانسیل‌های انرژی باد خشکی جهانی موقتی و صریح و مکانی حل‌شده. انرژی 2017 ، 131 ، 207-217. [ Google Scholar ] [ CrossRef ]
  21. Rienecker، MM; سوارز، ام جی؛ گلارو، آر. تودلینگ، آر. باکمایستر، جی. لیو، ای. بوسیلویچ، ام.جی. شوبرت، SD; تاکاکس، ال. کیم، جی.-ک. و همکاران MERRA: تحلیل گذشته نگر عصر مدرن ناسا برای تحقیقات و کاربردها. جی. کلیم. 2011 ، 24 ، 3624-3648. [ Google Scholar ] [ CrossRef ]
  22. گلارو، آر. مک کارتی، دبلیو. سوارز، ام جی; تودلینگ، آر. مولود، ا. تاکاکس، ال. رندلز، کالیفرنیا؛ دارمنوف، آ. بوسیلویچ، ام.جی. رایشل، آر. و همکاران تحلیل گذشته نگر عصر مدرن برای تحقیقات و کاربردها، نسخه 2 (MERRA-2). جی. کلیم. 2017 ، 30 ، 5419-5454. [ Google Scholar ] [ CrossRef ]
  23. بولمایر، سی. کلر، جی دی. اوهلوین، سی. وال، اس. کرول، اس. فریدریکس، پی. هنس، ا. کیون، جی. نایفل، اس. Pscheidt، I. و همکاران به سوی یک تحلیل مجدد منطقه ای با وضوح بالا برای دامنه CORDEX اروپا. QJR Meteorol. Soc. 2015 ، 141 ، 1-15. [ Google Scholar ] [ CrossRef ]
  24. تسهیلات کاربردی ماهواره در پایش آب و هوا (CM SAF). در دسترس آنلاین: https://www.cmsaf.eu/EN/Home/home_node.html (در 18 مارس 2020 قابل دسترسی است).
  25. مرکز علمی اتحادیه اروپا – سیستم اطلاعات جغرافیایی فتوولتائیک (PVGIS). در دسترس آنلاین: https://ec.europa.eu/jrc/en/pvgis (در 25 ژوئن 2020 قابل دسترسی است).
  26. Lehneis، R. مانسکه، دی. Thrän، D. تولید داده های تولید برق با تفکیک مکانی-زمانی سیستم های PV در آلمان. ISPRS Int. J. Geo Inform. 2020 ، 9 ، 621. [ Google Scholar ] [ CrossRef ]
  27. SMARD—Strommarktdaten، Stromhandel und Stromerzeugung در آلمان. در دسترس آنلاین: https://www.smard.de/home/ (در 18 مارس 2020 قابل دسترسی است).
  28. اکستروم، جی. کویویستو، م. ملین، آی. میلار، RJ; Lehtonen, M. یک روش مدل‌سازی آماری برای شبیه‌سازی‌های بلندمدت تولید باد و رمپ قدرت در مکان‌های نسل جدید. Energies 2018 , 11 , 2442. [ Google Scholar ] [ CrossRef ]
  29. بانوئلوس-روئداس، اف. آنجلس-کاماچو، سی. Rios-Marcuello, S. روش‌های مورد استفاده در برون‌یابی داده‌های سرعت باد در ارتفاعات مختلف و تأثیر آن در ارزیابی منابع انرژی بادی در یک منطقه. در مزرعه بادی – مقررات فنی، برآورد پتانسیل و ارزیابی مکان . BoD–Books on Demand: Norderstedt، آلمان، 2011. [ Google Scholar ] [ CrossRef ]
  30. پترسن، EL; مورتنسن، NG; لندبرگ، ال. Højstrup، J. فرانک، هواشناسی نیروی باد HP. بخش اول: اقلیم و آشفتگی. انرژی باد 1998 ، 1 ، 2-22. [ Google Scholar ] [ CrossRef ]
  31. Witterung und Klima: Eine Einführung in die Meteorologie und Climatologie ، ویرایش یازدهم. هاپفر، پی. Kuttler, W. (Eds.) Vieweg+Teubner Verlag: Wiesbaden, Germany, 2005; شابک 978-3-322-96749-7. [ Google Scholar ]
  32. DIN EN 61400-12-1 VDE 0127-12-1:2017-12 Windenergieanlagen. در دسترس آنلاین: https://www.beuth.de/de/norm/din-en-61400-12-1/279191705 (در 5 مارس 2020 قابل دسترسی است).
  33. کربس، اچ. Kuntzsch، J. Betriebserfahrungen mit Windkraftanlagen auf komplexen Binnenlandstandorten. Erneuerbare Energ. 2000 ، 12 ، 2000. [ Google Scholar ]
  34. پنینگر، اس. Staffell, I. Renewables.Ninja. در دسترس آنلاین: https://www.renewables.ninja/ (در 29 سپتامبر 2020 قابل دسترسی است).
  35. بکر، آر. Thrän، D. مکان یابی بهینه مزارع بادی در سیستم های قدرت تحت سلطه انرژی بادی. Energies 2018 , 11 , 978. [ Google Scholar ] [ CrossRef ]
  36. استرلا، HF; کورن، ام. آلبرتز، ک. تجزیه و تحلیل تأثیر نویز توربین بادی بر ثبت لرزه ای در دو پارک بادی در آلمان. جی. ژئوشی. محیط زیست Prot. 2017 ، 5 ، 76-91. [ Google Scholar ] [ CrossRef ]
شکل 1. ( الف ) ظرفیت توربین بادی نصب شده و ( ب ) افزایش ظرفیت درون سالانه در سطح LAU2 در آلمان برای سال 2016. در مناطق خاکستری هیچ توربین بادی ( a ) نصب نشده یا ( b ) در طول این سال اضافه نشده است.
شکل 2. منحنی توان معمولی (خط آبی) یک توربین بادی با استفاده از مثال Enercon E-40 با توان نامی 0.5 مگاوات. نقاط سیاه روی منحنی قدرت، مقادیر گسسته را همانطور که در برگه اطلاعات سازنده [ 16 ] ارائه شده است، نشان می‌دهند. پارامترهای مشخصه منحنی توان در متن زیر توضیح داده شده است.
شکل 3. توان خروجی اندازه گیری شده (خط سیاه) و سرعت باد (خط آبی) سری زمانی یک توربین بادی جنرال الکتریک جنرال الکتریک GE 1.5sl واقع در Zodel در نزدیکی شهر Görlitz. اندازه گیری های به تصویر کشیده شده هر 10 دقیقه در یک دوره 60 ساعت انجام می شود.
شکل 4. طرح فرآیند توسعه مدل نیروی باد (WP).
شکل 5. ساختار مدل WP به صورت فلوچارت نشان داده شده است.
شکل 6. تقریب بخش غیرخطی منحنی توان نرمال شده یک Enercon E-40 به یک چند جمله ای مرتبه ششم (خط آبی) با ضریب تعیین متناظر (R 2 ) و خطای ریشه میانگین مربع (RMSE). نقاط سیاه روی خط آبی مقادیر نرمال شده تعیین شده از مقادیر گسسته نشان داده شده در شکل 2 و داده شده در برگه اطلاعات سازنده [ 16 ] را نشان می دهند.
شکل 7. بخش مورد نیاز منحنی توان تضمینی (خط آبی) جنرال الکتریک جنرال الکتریک 1.5sl، که با مقادیر گسسته (نقاط سیاه روی خط آبی) گرفته شده از پایگاه داده توربین The Wind Power [ 15 ] داده می شود.
شکل 8. توان خروجی شبیه سازی شده (خط سیاه) و اندازه گیری شده (خط آبی) توربین بادی جنرال الکتریک جنرال الکتریک GE 1.5sl در یک دوره 60 ساعتی با وضوح زمانی 10 دقیقه.
شکل 9. تولید برق شبیه سازی شده (خط سیاه) و داده های تغذیه اندازه گیری شده (خط آبی) از توربین های بادی در آلمان برای سال 2016 با وضوح روزانه.
شکل 10. تولید برق ماهانه جمع آوری شده از توربین های خشکی در سطح LAU2 در آلمان برای سال 2016. در مناطق خاکستری هیچ توربین بادی نصب نشده است.
شکل 11. فاکتورهای ظرفیت ماهانه تعیین شده توربین های بادی در سطح LAU2 در آلمان برای سال 2016. در مناطق خاکستری هیچ توربین بادی نصب نشده است.

1 نظر

دیدگاهتان را بنویسید