Uni-Bayreuth

Sprungmarken

 

Diplomarbeit

Untersuchung zu einem Windleistungsprognosesystem mittels künstlicher neuronaler Netze auf der Grundlage der Daten des meteorologischen Meßnetzes Mecklenburg-Vorpommern

Stefan Müller (07/2000-12/2000)

Betreuer: Thomas Foken

Das Ziel dieser Diplomarbeit war die Untersuchung der Eignung künstlicher neuronaler Netze zur Vorhersage der Windgeschwindigkeit. Diese stellt den wichtigsten Parameter in einem Windleistungsprognosesystem dar. Ein Vorteil künstlicher neuronaler Netze ist, daß keine Prozeßidentifikation notwendig ist, da die meteorologischen, wie auch die räumlichen und zeitlichen Zusammenhänge selbst von den an der biologischen Informationsverarbeitung und –weiterleitung an-gelehnten neuronalen Netzen erlernt werden. Datengrundlage waren Stundenmittel von Meßwerten, die im Rahmen des meteorologischen Meßprojektes Mecklenburg-Vorpommern in den Jahren 1993 - 1997 an sieben in Mecklenburg-Vorpommern verteilten Stationen aufgezeichnet wurden.
Es wurden künstliche neuronale Netze erster und zweiter Ordnung für Vorhersage-zeiträume von einer, zwei, drei und fünf Stunden erstellt und analysiert. Als Eingabeparameter kamen unterschiedliche Kombinationen von Meßdaten zur Anwendung. Es stellte sich heraus, daß die Kombination der Modelleingabe-parameter mit Ausnahme der Windgeschwindigkeit eine nur unwesentliche Rolle für die Güte der Vorhersage spielt. Im Gegensatz dazu war eine Verbesserung der Prognosegüte bei Verwendung von den mit sogenannten Shortcut-Connections ausgestatteten Netzen 2. Ordnung besonders bei kurzen Vorhersagezeiten festzustellen. Es konnte nachgewiesen werden, daß die zu den empirischen Modellen gehörenden neuronalen Netze die Situationen am besten vorhersagen, die ihnen während der Trainingsphase am häufigsten präsentiert werden, wie beispielsweise Windgeschwindigkeiten um den Modalwert bzw. Winde aus den Hauptwindrichtungen. Die Genauigkeit der Vorhersage besonders hoher und niedriger Windgeschwindigkeiten ist daher schlechter. Daraus ergeben sich Probleme bei der Vorhersage der für die Energieversorger wichtigen Wind-geschwindigkeiten, nämlich der Einschaltwindgeschwindigkeit und vor allem der Abschaltwindgeschwindigkeit von Windenergieanlagen. Das als Referenz dienende einfache Persistenzmodell wurde ab einem Prognosezeitraum von zwei Stunden übertroffen. Beim Vergleich des neuronalen Netzes mit der sechsstündigen Vorhersage des numerischen Deutschlandmodells des Deutschen Wetterdienstes wurde ein bessere Vorhersagegüte des Netzes festgestellt. Künstliche neuronale Netze sind somit geeignet, die Lücke zwischen dem einfachen Persistenzmodell ab zwei Stunden Vorhersagezeit und der numerischen Windvorhersage bis sechs Stunden zu schließen.

Letzte Änderung 12.12.2003