Für die Betriebsführung der Netze ist bei rein konventioneller Erzeugung durch die Variabilität des Verbrauchs ein stochastischer Einfluss zu berücksichtigen. Durch die zunehmende Durch-dringung des Netzes mit Erzeugung aus Solar-und Windenergieanlagen tritt auch auf der Erzeugungsseite ein stochastischer Anteil auf.
Auf die Möglichkeiten und Grenzen der ent-sprechenden Vorhersage wird auch in anderen Beiträgen in diesem Heft eingegangen. An dieser Stelle soll der Übergang von der Vorhersage der Leistung einer Einzelanlage zur Vorhersage der Verbundleistung noch einmal näher betrachtet werden. Die unterschiedliche erreichbare Qualität der Vorhersagen für Einzelanlagen und Verbünde wird durch die räumliche Variabilität des Vorhersagefehlers hervorgerufen. Dabei ergibt sich durch den damit verbundenen statistischen Ausgleich der Vorhersagefehler an mehreren Standorten in der Regel eine gegen-über der Unsicherheit einer Einzelvorhersage verringerte Unsicherheit der Verbundvorhersage.
Analog zur vorstehend behandelten Erfassung der räumlichen Statistik der Leistungsabgabe für die Modellierung der Glättung der Verbund-leistungsabgabe ist bei der Vorhersage das Feld der Vorhersagefehler zu analysieren. Abb. 7 zeigt das Ergebnis einer Untersuchung der Fehler des Windleistungsvorhersagesystems Previento (z. B. [7]).
Gezeigt ist die Kreuzkorrelationsfunktion der Vorhersagefehler an zwei Standorten in Abhängigkeit des Stationsabstandes. Auf der Basis dieser Daten lässt sich der Vorhersage-fehler für Ensembles unterschiedlicher Größe angeben (Abb. 8).
Ebenso lassen sich aus der Analyse der räumlichen Statistik der Vorhersagefehler repräsentative Anlagen identifizieren, aus deren vorhergesag-tem Ertrag sich der erwartete Ertrag eines 80 Kreuzkorrelations-funktion der Vorher-sagefehler für den Windleistungseintrag als Funktion des Abstandes der unter-suchten Standorte.
Dargestellt sind die Werte für Vorhersagen über unterschiedliche Zeithorizonte. Es wurde hier das Vorhersagesystem Previento in seinem Stand von 2001 analysiert [8].
Abbildung 8 Relative Vorhersage-fehler für die Verbundleistung unterschiedlich großer Anlagenverbünde. Die Werte geben das Ver-hältnis des Fehlers der Verbundvorhersage zum Fehler der Vorhersage für einen Einzelstandort an [8].
Verbunds auf optimale Weise hochskalieren lässt [7] (Abb. 9).
Angesichts der Wachstumsraten bei netzge-koppelten PV-Anlagen erscheint auch die entsprechende Behandlung der Vorhersage des Leistungseintrages durch den Verbund der PV-Anlagen sinnvoll.
Eine erste Studie untersucht die Vorhersagbarkeit des Eintrags innerhalb der VDN-Regelzonen.
Für diese Studie wurden in jeder Regelzone 10 Stationen ausgewählt. In Abb. 10sind die Werte der Wurzel des mittleren quadratischen Fehlers der auf die Anlagennennleistungen normierten Vorhersagen dargestellt (relative RMS-Fehler). Untersucht wurden hier Vorher-sagen über 24 Stunden für Einzelanlagen und Anlagengruppen von 2 –10 Anlagen in der EnBW-Regelzone. Hier wurde ein an der Uni Oldenburg entwickeltes Vorhersagemodell verwendet [9]. Es basiert auf Mittelfristvorhersa-gen, die das ECMWF (European Center for Midrange Weather Forecasts) bereitstellt. Die Strahlungsvorhersagen des ECMWF (räumliche Auflösung: 60 km x 60 km, zeitliche Auflösung:
3 h) wurden mit einem Interpolationsverfahren unter Berücksichtigung des Tagesgangs der Ein-strahlung zu standortaufgelösten einstündigen Vorhersagen umgerechnet.
Zur Extrapolation auf die Vorhersagefehler grö-ßerer Verbünde kann auch hier die Korrelations-struktur der Vorhersagefehler genutzt werden.
Diese Modellbildung kann hier anhand der Ergebnisse des von der meteocontrol GmbH verwendeten Vorhersagemodells [10]gezeigt werden. Auf Basis der Leistungswerte von
~3.000 Anlagen und den entsprechenden Vorhersagen kann das Feld der Vorhersagefehler analysiert werden. Abb. 11zeigt die Kreuzkor-relation der auf die Nennleistungen bezogenen Fehler einer Vorhersage über 24 h. Ebenso ist ein Modell dieser Daten, das lediglich den Abstand der Anlagen berücksichtigt, in die Abbildung eingetragen.
Über diesem Modell kann der Fehler der Vorher-sage der Verbundleistung aus dem Fehler der Vorhersage für Einzelanlagen bestimmt werden.
Für eines über Bayern verteilten Verbundes von 21 Anlagen und den Monat Juli ergibt sich für
das Verhältnis des normierten Vorhersagefehlers für den Verbund zum Vorhersagfehler für eine Einzelanlage ein Wert von 0,67. Für einen über die Regelzonen EnBW und RWE verteilten Verbund von 96 Anlagen im Monat August ergibt sich ein Wert von 0,5. Es ist so – bei einer mittleren Unsicherheit der Vorhersage für eine Einzelanlage von ~10% der jeweiligen Nenn-leistung (Abb. 10)– mit einer Unsicherheit der Vorhersage der Erzeugung dieses PV-Verbundes in der Größenordnung von 5 % der installierten Gesamtnennleistung zu rechnen.
81 Abbildung 9
Darstellung von 45 repräsentativen Windparks, aus deren individuellen
Leistungsvorhersagen sich auf optimale Weise die Gesamt-leistungsvorhersage aller Windparks in Deutschland ermitteln lässt [7].
Abbildung 10 Die Güte der 24-Stun-den Vorhersage der PV-Leistung für Einzel-anlagen und Anlagen-verbünde. Gezeigt sind die Werte der Wurzel des mittleren quadratischen Fehlers der auf die Anlagen-nennleistungen normierten Vorher-sagen des Leistungs-eintrags (rRMSE).
Untersucht wurden Verbünde von Photovoltaikanlagen an 1 bis 11 Stand-orten in der EnBW-Regelzone [11].
Anzahl der Stationen April
Juli
rmse
Zusammenfassung und Ausblick
Die großskalige Integration dargebotsabhängiger Stromerzeugung in das Verbundnetz erfordert sowohl bei Ausbauplanung und Betrieb die explizite Betrachtung der räumlich/zeitlichen Charakteristiken der treibenden meteorolo-gischen Felder. Bezüglich der Prognose des Leistungseintrags durch Windenergieanlagen sind entsprechende Verfahren bereits in den operationell eingesetzten Verfahren implemen-tiert und werden parallel zum weiteren Aus-und Umbau der Erzeugungskapazität weiter-entwickelt [12,13]. Die operationelle
Anwendung der entsprechenden Verfahren zur Solarstromprognose ist entsprechend dem zu erwartenden weiteren Ausbau der PV-Kapazität bereits heute vorzubereiten.
Literatur
[1] Hoyer-Klick, C., Kronshage, S., Nitsch, J., Trieb, F., Schillings, Ch., Krewitt, W.
(2006): Grid integration of solar energy and optimizing the energy mix of tomor-row. In: Dunlop, E.D., Wald, L., Súri, M.
[Hrsg.]: Solar Energy Resource Manage-ment for Electricity Generation, Nova Science Publishers, Inc., S. 161-172, ISBN 1-59454-919-2.
[2] Beyer, H.G., J. Luther und R. Steinberger-Willms: Power fluctuation in spatially dispersed wind turbine systems. Solar Energy, 50, 297-305 (1993).
[3] Steinberger-Willms, R.: Untersuchung der Fluktuation der Leistungsabgabe von räumlich ausgedehnten Wind- und Solar-energie-Konvertersystemen in Hinblick auf deren Einbindung in elektrische Versor-gungsnetz, Dissertation, Uni Oldenburg (1993).
[4] Poplawska, J., P. Wieting: Analyse und Modellierung von Wolkenstrukturen-Anwendungen in Bezug auf photo-voltaische Energieerzeugung, Diplom-arbeit, Fachbereich Physik, Universität Oldenburg (1993).
82
Abbildung 11 Auf Basis der Leistungs-werte von ~3.000 PV-Anlagen und den entsprechenden Vor-hersagen für diese Leistungswerte kann das Feld der auftretenden Fehler analysiert werden. Die Abbildung zeigt den Kreuzkorrelations-koeffizienten der auf die Nennleistungen bezogenen Vorher-sagefehler an Stand-ortpaaren über dem Standortabstand.
Es wurden auch hier Vorhersagen über 24 h (Monat Juli) ausgewertet [11].
1.2 1 0.8 0.6 0.4 0.2 0 -0.2 -0.4
0 100 200 300 400 500 600 700 800 900
Distanz [km]
Daten Modell
Korr.-Koeffizient[-]
[5] Beyer, H.G., A. Hammer, J. Luther, J.
Poplawska, K. Stolzenburg und P. Wieting:
Analysis and synthesis of cloud pattern for radiation field studies. Solar Energy, 52, 379-390 (1994).
[6] Beyer, H.G., M. Hübert, E. Ortjohann, J. Poplawska, J. Voß und P. Wieting: Grid interference of a locally high share of PV-energy – Effects of Short Term Fluctua-tions. Proc. of the ISES Solar World Congress 1993, Budapest, Ungarn, Vol. 3, 423-428 (1993).
[7] Focken, U., Lange, M. and Heinemann, D.: 2002, “Previento – Regional Wind Power Prediction with Risk Control”, Pro-ceedings of the Global Windpower Confe-rence, Paris, France, 02.-05.04. (2002).
[8] Focken, U., Lange, M., Mönnich, K., Waldl, H.-P., Beyer, H.G., Luig, A.: A stati-stical Analysis of the reduction of wind power prediction errors by spatial smoot-hing effect, Journal of Wind Engineering and Industrial Aerodynamics 90, 231-246, (2002).
[9] Girodo, M.: Solarstrahlungsvorhersage auf der Basis numerischer Wettermodelle, Dis-sertation, Universität Oldenburg (2006).
[10] Bofinger, S., Heilscher, G.: Solar electricity forecast – approaches and first results, 21st European Photovoltaic Solar Energy Conference, Dresden, 4-8.9. (2006).
[11] Bofinger, S., Lorenz, E., Beyer, H.G.:
Validierung und Optimierung eines Solar-stromprognosesystems unter Berücksich-tigung von Ensemble-Effekten, in Vorbereitung, 22. Symp. Photovoltaische Solarenergie, Bad-Staffelstein, 7-9.3 (2007).
[12] Tambke, J., Poppinga, C., von Bremen, L., Claveri, L., Lange, M., Focken, U., Bye, J.A.T. and Wolff, J.-O.: “Advanced Forecast Systems for the Grid Integration of 25 GW Offshore Wind Power in Germany”, Pro-ceeding of the European Wind Energy Conf. EWEC, Athen (2006).
[13] Rohrig, K.: Extra Large Scale Virtual Power Plants – New Concepts to Integrate Ger-man Wind Potential into Electrical Energy Supply, Proc. Of the EWC, Athen, (2006).
83
Einleitung
Das Klima der Erde ist kein starres System, sondern vielmehr das Ergebnis eines Zusammen-spiels vielfältiger Einflüsse, die zu Variationen der Temperatur, des Niederschlags oder der Son-nenscheindauer führen. So wechselten sich in der Erdgeschichte Warmperioden mit Eiszeiten ab, hervorgerufen durch Veränderungen von Umlaufbahn und Rotationsachse der Erde oder der Bewegung der tektonischen Platten der Erdkruste. Der Zeitraum solcher Schwankungen reicht von mehreren tausend bis mehreren Millionen Jahren. Sehr viel schnellere
Veränderungen des Klimas wurden seit Beginn der Industrialisierung vor rund 100 Jahren gemessen.
Markantestes Beispiel ist der Anstieg der mittle-ren Temperatur, der so genannte Treibhaus-effekt. Er wird durch die Freisetzung bestimmter Gase wie Kohlendioxid oder Methan hervorge-rufen, die dazu führen, dass weniger Energie von der Erde abgestrahlt wird, als ihr von der Sonne zugeführt wird. Beide Phänomene, Eis-zeiten und Treibhauseffekt, wirken sich auch auf das Solarstrahlungsangebot aus. Eiszeiten sind
jedoch für die Solarenergieproduktion heute nicht von Interesse. Der Treibhauseffekt könnte hingegen schon Auswirkungen auf die Höhe des Anteils der Solarstrahlung haben, der die Erdoberfläche erreicht. Allerdings sind diese bisher nicht eindeutig nachgewiesen.
Klimamodelle belegen eindrucksvoll, wohin ein unverändert anhaltender Anstieg der Treibhaus-gaskonzentration führen kann. Diese Berech-nungen sind jedoch Szenarien, die von
bestimmten Annahmen beispielsweise über den weiteren Ausstoß der Treibhausgase ausgehen.
Sie dürfen nicht als Vorhersagen darüber ver-standen werden, wie sich das Klima tatsächlich entwickeln wird. Des Weiteren stand das Solar-strahlungsangebot bisher noch nicht im Mittel-punkt des Modellierungsinteresses. Bei der Betrachtung der zurückliegenden Klima-entwicklung stimmen die aus den Modellläufen erhaltenen Werte der Solarstrahlung meist nicht mit Messungen überein. Grund hierfür ist der Mangel an Daten vor allem über die Aerosol-konzentration, die wechselnde Datengrund-lagen über Jahrzehnte hinweg, sowie Schwächen in den Strahlungseigenschaften von Wolken in den Modellen selbst. So werden zwar die Mittelwerte der Solarstrahlung oft zufrieden stellend wiedergegeben, die zeitliche Entwick-lung jedoch nicht.
Dieser Beitrag beschäftigt sich daher nicht mit der Auswertung der Szenarien von Klima-modellen. Vielmehr soll untersucht werden, wie groß die Auswirkungen von Veränderungen der Bewölkung oder des Aerosolgehaltes in der Vergangenheit auf das Solarstrahlungsangebot waren. Sie können als exemplarische Unter-suchungen dafür dienen, welche Zu- oder Abnahmen des Solarenergieangebotes zu erwarten sind, sollten in Zukunft entsprechende Veränderungen in der Atmosphäre auftreten, unabhängig vom Mechanismus, durch die sie ausgelöst werden.
84
S. Lohmann Deutsches Zentrum für Luft- und Raumfahrt DLR
sina.lohmann@dlr.de
Abbildung 1 Wechselwirkung der einfallenden Solarstrahlung mit der Atmosphäre