Detailansicht: 3 von 1005

 

Verbundvorhaben: 'Optimierung der Windleistungsprognose für Windparks, Netzknoten, Regelzonen und Deutschland mit Methoden des Maschinellen Lernens durch optimale Kombination von deterministischen und probabilistischen Wettervorhersagen; (WindSage); Teilvorhaben: ZSW'

Förderzeitraum
2014-09-01  –  2016-12-31
Bewilligte Summe
303.176,00 EUR
Ausführende Stelle
Förderkennzeichen
0325722A
Leistungsplansystematik
Energiemeteorologie [EB1812]
Verbundvorhaben
01154080/1  –  Optimierung der Windleistungsprognosen für Windparks, Netzknoten, Regelzonen und Deutschland mit Methoden des maschinellen Lernens durch optimale Kombination von deterministischen und probabilistischen Wettervorhersagen
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIC6)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI4)
Förderprogramm
Energie
 
Ziel des Projektes ist es, das von den Projektpartnern gemeinsam betriebene operationelle Windleistungsprognosesystem in mehreren Bereichen signifikant zu verbessern und damit den Vorhersagefehler der Day-ahead-Prognose für Deutschland auf ein bisher nicht erreichtes Niveau von unter 3% nRMSE zu senken. Das bisherige System erreicht mit nur einem Wettervorhersagemodell (NWP) 4,1% nRMSE. Eine erhebliche Verbesserung der Prognosegüte soll durch die Hinzunahme von neun weiteren NWP-Modellen und Ensemblevorhersagen erreicht werden, da jedes NWP Modell und Ensemble für eine eigene Meinung zum Verlauf des Wetters steht. Für die damit notwendige Gewichtung und Datenreduktion der Eingangsparameter und der damit einhergehenden Bewertung und Auswahl der verschiedenen NWP-Daten kommen hochmoderne Optimierungsverfahren des Maschinellen Lernens (ML) zum Einsatz. Nach Abschluss der Entwicklungsarbeiten und Testbetrieb des neuen Vorhersagesystems WindSage findet ein längerer Benchmark statt. Das Vorhaben ist in Projektkoordination und 5 Arbeitspakte (AP A bis E) gegliedert. Im AP A (Datenakquisition) werden die noch nicht vorhandenen Daten weiterer NWP-Modelle und Windeinspeisedaten beschafft, bevor im AP B die Daten aufbereitet und qualitätsgesichert werden. In AP B werden aus den neuen NWP Daten physikalische Windleistungsvorhersagen erstellt. Diese dienen als Eingangsdaten für AP C, der Belernung und Optimierung der Windleistungsprognosen mit ML-Methoden. Vorgesehene Arbeitsschritte sind der Test und die Evaluierung verschiedener ML-Techniken und -Architekturen, die automatische Auswahl der Eingangsparameter mit Optimierungsmethoden, die Verbesserung von Rampenvorhersagen und die Minimierung des Maximalfehlers von Prognosen. In AP D wird WindSage in ein operationelles System implementiert und getestet bevor in AP E ein Online-Benchmarktest über mehrere Monate stattfinden wird. Den Abschluss des Vorhabens stellt ein Workshop mit allen Teilnehmern des Benchmarks dar.
Weitere Informationen