Inhaltszusammenfassung:
Windenergie wird auch in der zukünftigen Energieversorgung eine wichtige Rolle spielen. Damit Wind eine nachhaltige und zuverlässige Stromquelle bleibt, ist eine langfristige Energieplanung erforderlich. Da jedoch der Klimawandel global und lokal das Wetter beeinflusst, wird er auch Auswirkungen auf den Wind haben. Daten aus Klimamodellen können genutzt werden, um potenzielle Veränderungen in der Verfügbarkeit von Wind(energie) zu analysieren. Diese Arbeit untersucht, wie Daten aus Klimamodellen verwendet werden können, um Veränderungen in der Windenergieerzeugung der
nächsten Jahrzehnte (multidekadisch) zu analysieren und bezieht dabei die Standorte der Windturbinen mit ein. Die zentralen Inhalte dieser Arbeit sind:
(i) ein Überblick und eine Kategorisierung vonWind- und Windenergiedaten, um die Forschung mit öffentlich zugänglichen Daten zu fördern.
(ii) eine Analyse des Einflusses der zeitlichen Auflösung von Winddaten auf multidekadische Windenergieprognosen. Die Ergebnisse zeigen, dass systematische Fehler aufgrund niedriger Datenauflösungen durch die Wahl einer Datenauflösung von drei oder sechs Stunden reduziert werden können. Dabei ist es wichtig, dass die Daten keine Durchschnitte über den Zeitraum sind, sondern Momentanwerte. (iii) eine Begründung, warum die Wahl des Klimamodells gegenüber derWahl der räumlichen Auflösung von Klimamodellen priorisiert werden sollte. Dies motiviert die Nutzung räumlich grob aufgelöster Klimamodelldaten für multidekadische Windenergieprognosen in größeren Regionen–sofern das zugrundeliegene Klimamodell sinnvoll ist.
(iv) ortsbezogene multidekadische Windenergieprognosen mit Daten aus globalen Klimamodellen für Deutschland. Die Prognosen deuten darauf hin, dass bei den aktuellen Turbinenstandorten die aggregierte zukünftige Windenergieerzeugung bis 2050 nur geringe Veränderungen im Vergleich zur aktuellen Energieerzeugung aufweisen wird.
Der anthropogene Klimawandel beeinflusst die Atmosphäre und damit die Grundlage erneuerbarer Energien. Diese Arbeit trägt zur Analyse seiner Auswirkungen bei und die Ergebnisse leisten damit einen Beitrag für ein nachhaltiges und widerstandsfähiges zukünftiges Energiesystem.
Abstract:
Wind power will play an evermore important role in future power supply. For wind to remain a sustainable and reliable source of electricity, long-term power planning is required. However, as climate change affects global and local atmospheric circulation and therefore winds, it also affects wind power as a renewable energy source. Data from climate models can be used to analyze such potential changes in wind (power) availability. This thesis investigates how climate model data can be used to analyze changes in location-aware multi-decadal wind power generation. The contributions include:
(i) an overview and categorization of wind and wind power data to foster research with open-source data.
(ii) analyzing the impact of temporal resolution of wind data for multi-decadal wind power predictions. The results reveal that systematic biases due to low data resolution can be reduced by choosing a data resolution of three-or six-hourly instantaneous data.
(iii) motivating the prioritization of the choice of climate model over the spatial resolution of climate models. This provides a justification for utilizing spatially coarse-resolved global climate model data for multi-decadal wind power predictions across larger regions.
(iv) location-aware multi-decadal wind power predictions with global climate model data for Germany. The predictions reveal that, given current turbine locations, aggregated future wind
power generation up to 2050 is expected to show only minor changes compared to current
power generation. Anthropogenic climate change affects the atmosphere and, consequently, the foundation of renewable energy. This work contributes to analyzing its impacts, and the results contribute to a sustainable and resilient future energy system.
machine learning