해당 내용은 Leibniz Universität Hannover의 Bauingenieurwesen(건축-토목공학) 과정에 참여하였을 당시 수업 내용을 개인적으로 정리한 것입니다.
저 스스로 복습의 의미도 가짐과 동시에, 독일에서 건축공학을 전공하시거나 특히 Leibniz Uni에서 건축공학을 공부하시는 분들께 조금이라도 도움이 되지 않을까 하는 마음으로 포스팅을 시작합니다.
#01. Langzeitkorrektur von Winddaten
- Problem : Kurzzeit-Messkampagne am Standort kann Langzeitvariation im Windklima nicht erfassen.
- Lösung : MCP-Techniken – Langzeitkorrelation und -korrektur von Standort-Messungen mit Langzeitdaten.
#02. MCP-Methode-Prinzip
- M : Measure(Messen) – am Standort : 1 Jahr, Referenzdaten : >10 Jahre
- C : Correlate(Korrelieren) – Korrelation der beiden Messungen und Ermitteln von Transferfunktionen
- P : Predict(Voraussagen) – Prognose der Langzeit-Standortdaten besierend auf Langzeit-Referenzdaten und Transferfunktionen.
#03. Measure (Messen)
- Referenzdaten / Bodenmessungen
-> Meteorologische Dienste
-> Frei verfügbare Daten : METAR(Flughafenstationen), SYNOP(Synoptische Stationen)
- Reanalysedaten (Klimamodelldaten)
-> MERRRA, NCEP/NCAR, ERA, Kommerzielle Anbieter
#04. Measure : Länge der Referenzdaten
- Minimum 10 vollständige Jahre
- Empfohlen : 30 Jahre oder mehr
- Zu kurz Zeitreihe (aber gute Qualität) : Verwenden des MCP-Moduls, um diese Daten auf ein Langzeitniveau zu skalieren, z.B. mit MERRA-Daten
#05. Measure : Konsistenz der Langzeitdaten
- Inkonsistenz in Langzeitdaten
-> Plötzliche Änderungen
-> Graduelle Änderungen
- Identifizieren von Inkonsistenzen
-> Datendokumentation lesen, wenn verfügbar
-> Messstandort besuchen
-> Mit anderen Datenquellen vergleichen
- Wenn Inkonsistenzen vorhanden sind
-> Nur Daten ab der letzten Inkonsistenz verwenden
#06. Bedeutung der Korrelation (Correlate)
- Die Korrelation ist ein Maß für die Stärke des Zusammenhangs zweier Variablen
- 0 = kein Zusammenhang, 1 = völlige Übereinstimmung
- Variablen hier : Windgeschwindigkeiten zu einem Zeitpunkt in Standort- und Referenzzeitreihe
#07. Korrelation von Einzel-Zeitstempeln
- Das gewichtete Mittel der Sektor-Korrelationen gibt Auskunft darüber, ob der Referenzdaten für eine Langzeitkorrektur mit den Methoden Regression oder matrix geeignet sind.
#08. Mittelungszeiträume
- Korrelation nimmt mit dem Mittelungsintervall zu, dabei geht aber Information verloren, WG sinkt.
- Best practice : Mittelungsintervall der Zeitreihe mit dem größren Mittelungsintervall anpassen.
- Alternative Mittelungsintervalle prüfen (z.B. 10 Min -> 1 H) und nach „gesundem Menschenverstand“ in Erwägung ziehen.
#09. Korrelation des monatlichen Windindex
- Wenn das gewichtete Mittel der Sektor-Koprrelationen nicht akzeptable ist, schauen Sie die Grafik zu [Korrelation] an. (bezogen auf Windindex)
#10. Predict : Zwei fundamental unterschiedliche Wege
1) Künstliche Standort-Langzeitreihe wird aus Referenzaten + Tranferfunktion erstellt -> dominierender Faktor ist das Verhältnis (Standort : Referenz)
-> Methode 1 : Regression
-> Methode 2 : Matrix
2) Standortdaten werden modifiziert auf Basis der Eigenschaften der Referenzdaten -> dominierender Faktor ist das Verhältnis (Kurzzeit : Langzeit)
-> Methode 3 : Weibull-Skalierung
-> Methode 4 : Windindex
#11. Prinzip Regressions-MCP / Matrix MCP
- Nur wenn eine grundsätzliche Korrelation (selbe Höhen, selbe Tiefen) zwischen Standort- und Referenzdaten herrscht, ist eine Langzeitkorrektur möglich (korrelationskoeffizient > 0.7)
- Ermitteln einer Transferfunktion zwischen Maß- und Referenzdaten in der übereinstimmenden Periode.
- Voraussage der langzeit-Standortdaten mit der Transferfunktion.
#12. Prinzip Windindex-MCP / Weibull-Skalierungs-MCP
- Nur wenn eine grundsätzliche Korrelation (selbe Höhen, selbe Tiefen) zwischen Standort- und Referenzdaten herrscht, ist eine Langzeitkorrektur möglich (korrelationskoeffizient > 0,7)
- Ermitteln des Verhältnisses zwischen übereinstimmender Periode der Langzeitdaten und gesamten Langzeitdaten
- Übertragen dieses Verhältnisses auf Kurzzeit-Standortdaten, dadurch Skalierung auf Langzeitniveau.
#13. Die 4 Methoden
- Prinzip 1 (Verhältnis Referenz – Standort) : Regressions-MCP, Matrix-MCP
- Prinzip 2 (Verhältnis Kurzzeit – Langzeit) : Weibull-MCP, Windindex-MCP
- Welche Methode-verwenden?
-> Durch die Qualität der Referenzdaten bestimmt
-> Ergibt sich aus der Korrelation bezüglich der Windgeschwindigkeit, Windrichtung und Windindex
-> Ergibt sich aus der Performance der Methoden
#14. Methode 1 : Regressions-MCP
- Standardweg
-> Daten des gemeinsamen Zeitraums werden in 1° -Sektoren klassiert.
-> Regressionsgerade für jeden 1° -Sektoren mit Steigung a, Offset b und Streuung e(x)
-> Neue Zeitreihe aus Referenzzeitreihe (gleiche Länge, gleiche Zeitstempel)
WGneu = a * WGref + b + e(x)
- Achtung
-> Wenn gemeinsamer Zeitraum < 1 Jahr : Starker systematischer Fahler, da Stark- / Schwechwindzeiten eventuell fehlen.
-> Wenn gemeinsamen Zeitraum ≠ ganze Jahre : Systematischer Fahler, da Stark- / Schwachwindzeiten überrepräsentiert sind.
-> Der Streuungsparameter e(x) ist ein Zufallselement, das die Beurteilung der Qualität des Ergebnisses (Korrelationskoeffizient) erschwert. Er kann für Testzwecke ausgeschaltet werden.
#15. Qualitätsindikatoren
- Berechnung endet mit Vergleich Messung / künstliche Zeitreihe
- Qualitätsindikatoren : Korrelationskoeffizient (r) Windgeschwindigkeit, Standardfehler (s) Windgeschwindigkeit, Korrelationskoeffizient (r) Windindex, Standardfehler (s) Windindex
- Korrelationskoeffizienten sollten möglichst hoch sein, Standardfehler möglichst niedrig.
- Je größer der Mitteilungszeitraum, desto bessere Werte.
- Die Werte werden auch in der Ergebnisstabelle (Predict-Register) angegeben (Windgeschwindigkeit ohne Mittelung, Windindex Monatsmittel)
#16. Begriffsklärung : Windindex
- In der Regel ein monatlicher Wert gibt an, wie die Windbedingungen in diesem Monat im Vergleich mit einem Referenzzeitraum sind. [Windindex 107% -> der Monat war 7% über Durchschnittlich]
- Windindices sind Prouktionsindices, d.H. es wird die Produktion einer WEA simuliert.
- Windindex-Korrelation : nicht Windindex-MCP-Methode, die kommt später)
-> Nicht so empfindlich wie einzelne Windgeschwindigkeit-Zeitstempel. Bsp. Zeitversatz kann WG-Korrelation komplett verderben.
-> Berücksichtige den nicht-linear Zusammenhang zwischen WG und Produktion (Durch Lkabgebildet)
-> Nachteil : Kleine Datenbasis für Korrelation (12 Werte / Jahr gemeinsamer Zeitraum)
- Zwei Windindices können nur vergleichen werden, wenn die Zeitreihen vorher auf eine mittlere WG skaliert werden. (hierzu siehe Register Einstellungen)
#17. Methode 2 : Matrix-MCP
- Standardweg
-> Daten des gemeinsamen Zeitraums werden in 1° -Sektoren und 1 m/s-WG-Klassen klassiert.
-> Die Daten werden in eine Metrix-Datenbank eingetragen (Bsp. Rechts : Farben sind mittlere Änderung der Windgeschwindigkeit)
-> Lücken in der matrix werden durch Gleichungen / Modelle angeglichen
-> Neue Zeitreihe aus Referenzzeitreihe (gleiche Länge, gleiche Zeitstempel)
- Vorteile
-> Kann unterschiedliche Richtungsverteilungen an Standort und Referenz besser als Regression handhaben
-> Handhabt Windgeschwindigkeit und Windrichtung kombiniert (nicht separat wie Regression)
- Nachteile
-> Keine Möglichkeit, WG-Korrelation ihne Zufallselement zu bekommen -> Fokus auf Windindex-Korrelation
-> Ausreißer bleiben in neuer Zeitreihe erhalten (durch Regression werden sie an Mittel angeglichen.)
#18. Methode 3 : Weibull-Skalierung
- Prinzip
-> Lineare Beziehung der Weibull-Parameter (A. K. f) zwischen Kurz- und Langzietdaten der Referenz wird berechnet.
-> Weibullparameter der lokalen Daten werden entsprechend modifiziert.
- Vorteile
-> Nahe an der Dynamik des Windes
-> Bei gleicher Richtungsverteilung -> Stabil
-> Einfach nachzuvollziehen
- Nachteile
-> Kann nur für kleine Anpassungen verwendet werden (A/K < 10%, Dir > 5% als Richtwerte)
-> Rein Empirisch
-> Benötigt gute Übereinstimmung der Windrichtung, ansonsten kritisch falsche Änderung möglich.
-> Keine Zeitreihe als Ausgabe, keine Korrelationen. Nur Windstatistik und/oder korrigierte Weibull-Verteilung.
#19. Methode 4 : Windindex
- Standardweg
-> Prüfung der Korrelation der Windindices der beiden Zeitreihen (Register Correlate -> Knopf Korrelation). Fortfahren nur wenn Limits es sinnvoll erscheinen lassen.
-> Windindex-MCP
• bestimmung des Windindex-Verhältnisses der Referenz- und der Stndortmessung
• Berechnung einer Windstatistik aus den Standort-Daten und Skalierung mit dem Windindex-Verhältnis
- Standort und Referenzwindgeschwindigkeit werden beide auf erwartete WG auf Nabenhöhe skaliert
- Leistungskennlinie : 2 Produktionszeitreihen.
- Vorteile
-> Bewahrt lokale Daten und Dynamik
-> Keine Richtungsanpassung -> auch möglich, wenn Richtungen schlecht korrelieren
-> Auf niedrigem Niveau stabil : Die Gefahr, fatale Änderungen vorzunehmen, ist gering. Selten toll, aber auch selten total daneben.
- Nachteile
-> Beurteilung nur mit Windindex-Korrelation. Wenn nur 12 Monate (=12 Werte) -> Aussagekraft?
-> Keine Richtungsanpassung
-> Nur Ausgabe als Windstatistik möglich
#20. Welches Ergebnis verwenden?
- Es gibt keinen eindeutigen Indikator -> Abwägung zwischen verschiedenen Faktoren
-> Eignung Methode / Art der Referenzdaten
-> Korrelationskoeffizienten
-> Vergleich Modellierte Daten / Standortdaten in der gemeinsamen Periode
- Datentypen und Methoden
-> 10 min- und 60 min-Referenzdaten : Lineare Regression / Matric
-> Größere Mittelungsintervalle (z.B. NCAR) : Windindex-Methode
-> Weibull-Skalierung : nur bei geringen Änderungen
-> Ausreßer werden bei lineare Regression unterdrückt, bei Matrix einbezogen.
- Die Korrelationskoeffizienten / Standardfehler sind nur ein Beurteilungkriterium.
- Windindex-Korrelationen von Regression, Matrix und Windindex-MCP sind vergleichbar
-> Verwenden der besten Korrelation / des geringsten Standardfehlers
- Weibull-Skalierung ist eine eigenständige Methode, nicht über Kennzahlen vergleichbar
- Verwenden Sie verschiedene Referenzdaten. Wie breit streuen die Ergebnisse? -> Unsicherheit. (Vergessen Sie aber nicht den Einfluss der Länge und der Konsistenz der Zeitreihen.)
#21. Fertigstellen der MCP-Berechnung
- Probieren Sie verschiedene Methoden aus
- Varrieren Sie die Parameter der Methoden, um eventuell eine bessere Korrelation zu erreichen.
- Entscheiden Sie, welche Methode / Parameter-Variation Die verwenden möchten.
Dann
- Speichern der Ihre Ergebnisse als Windstatistik (benötigt Terraindaten-Objekt mit Zweck: für STATGEN) oder
- Speichern der die Langzeit-korrigierten Standortdaten als Zeitreihe / Tabelle in ein METEO-Onjekt