Malibu: Modellbasierter Ansatz für lidarbojen-basierte Offshore-Windpotenzialmessungen: Bestimmung der Unsicherheit

 

Zuwendungsgeber: BMWi / PtJ
Partner: Universität Stuttgart (Projektkoordination), Stuttgarter Lehrstuhl für Windenergie (SWE)
Laufzeit: 07/2017 – 04/2021

 

Schwimmende LiDAR-Bojen-Messsysteme haben entscheidende Vorteile gegenüber konventionellen Offshore-Windmessmethoden wie Messmasten: sie sind flexibel an verschiedenen Standorten einsetzbar, erfordern geringere Investitionskosten und können schneller installiert werden.

Allerdings gibt es bei der Messung des Windpotenzials mittels LiDAR-Bojen eine Herausforderung: die Genauigkeit der Messung mit diesem bewegten System hängt maßgeblich von äußeren Bedingungen wie Wellenhöhe und –periode, aber auch von der Windsituation ab.

Im Projekt „MALIBU“ wird ein Modell entwickelt, das den Einfluss der externen Bedingungen auf die Mess-Performance beschreibt. So können schon vor Beginn der Messung die zu erwartenden Messunsicherheiten ermittelt werden. Dies ist möglich, da die Umgebungsbedingungen von einem zu untersuchenden Standort in gewissem Maße vorab bekannt sind.

Für die Entwicklung einer Simulationsumgebung für schwimmende LiDAR-Bojen wird ein Simulationsmodell einer eingesetzten Boje mit Daten der Umgebungsbedingungen für die LiDAR-Messungen gekoppelt. Das Modell errechnet dann für verschiedene Standortbedingungen das Ausmaß der Unsicherheiten bei der Windmessung. Die Ergebnisse werden mit den realen Messdaten der „Fraunhofer IWES Wind-LiDAR-Boje“ und anschließend mit Referenzmessungen eines Windmessmasten abgeglichen.

Diese Methode trägt dazu bei, Ertragsprognosen für Offshore-Windparks zu verbessern, indem entweder die Standortwahl auf Basis der Ergebnisse optimiert oder kleinere Anpassungen am Bojensystem vor der Messung durchgeführt werden. Geringere Messunsicherheiten senken die Kosten für einen zu entwickelnden Windpark und damit letztendlich auch die Stromgestehungskosten. Zudem kann eine größere Akzeptanz für LiDAR-Messsysteme geschaffen werden.