Ressurskartlegging av vindkraftlokasjoner

Transkript

1 Ressurskartlegging av vindkraftlokasjoner Trond Arild Reiersølmoen Ole-Martin Rypestøl Master i energi og miljø Oppgaven levert: Juni 7 Hovedveileder: Terje Gjengedal, ELKRAFT Biveileder(e): Klaus Ole Vogstad, Agder Energi Norges teknisk-naturvitenskapelige universitet Institutt for elkrafteknikk

2

3 Oppgavetekst Ved planlegging av vindparker er det svært viktig å ha god oversikt over vindressursene i området. Vindressursene danner blant annet grunnlag for utvikling av prosjekter frem mot konsesjon og investeringsbeslutninger. To viktige prosesser innen ressurskartleggingen er langtidskorrelasjon av vindmåledata og modellering av vindforholdene innad i vindparken. Ved langtidskorrelasjon må det gjøres valg angående matematisk metode, valg av referansedata og liknende. Modellering av vindforhold innad i vindparken gjøres i dag ved hjelp av avanserte simuleringsprogrammer. På bakgrunn av forskjeller programmene imellom, samt usikkerheter disse simuleringene innebærer, er valg av program viktig for senere lønnsomhetsberegninger og investeringsbeslutninger. På bakgrunn av dette skal masteroppgaven ta for seg beskrivelse og vurdering av: Tilgjengelige referansedata for langtidskorrelasjon Metoder for langtidskorrelering Usikkerhet ved langtidskorrelering Forskjeller og usikkerhet ved bruk av simuleringsprogrammer Oppgaven skal utføres med tanke på best mulig estimering av vindressursene ved en spesifikk planlagt vindpark i regi av Agder Energi. I tillegg til generelle resultater skal derfor forhold ved denne vindparken vektlegges. Oppgaven gitt: 15. januar 7 Hovedveileder: Terje Gjengedal, ELKRAFT

4

5 Ressurskartlegging av vindkraftlokasjoner FORORD Masteroppgaven er gjennomført ved Institutt for elkraftteknikk i samarbeid med Agder Energi, representert ved Klaus-Ole Vogstad. Veileder for prosjektet er Terje Gjengedal, Professor II ved Institutt for elkraftteknikk, faggruppe kraftsystemer (KS). Masteroppgaven er obligatorisk for vårsemesteret i 5. klasse, og representerer avslutningen for masterstudiet. I prosjektgruppens tilfelle er masteroppgaven en videreføring av et arbeid påbegynt under høstsemesteret 6. Oppgaven har hatt en varighet på uker med oppstart medio januar og avslutning i primo juni. Det er vektet med studiepoeng som svarer til en arbeidsbelastning per gruppemedlem på veiledende 768 arbeidstimer. Prosjektgruppen ønsker å takke følgende personer som har bidratt med informasjon I alfabetisk rekkefølge: Crasto, Giorgio Gjengedal, Terje Harstveit, Knut Sørensen, Mads V. Vogstad, Klaus Ole AS Statkraft SF Meteorologisk institutt EMD International AS Agder Energi Produksjon AS Hovedinnholdet i masteroppgaven er beskrivelse og analyser av metoder for langtidskorrelering og simulering av vindressurser innad i en identifisert vindpark. Formålet er å avdekke usikkerhetsmomenter knyttet til metodene og simuleringsprogrammene som benyttes. Rapporten forutsetter at leseren har noe forkunnskaper innen vindkraft og meteorologi. Trondheim 8.juni 7 Ole-Martin Rypestøl Trond Arild Reiersølmoen iii

6 Ressurskartlegging av vindkraftlokasjoner SAMMENDRAG Formålet med denne masteroppgaven er å dokumentere arbeidsoppgaver som gjennomføres under ressurskartleggingsprosessen for et potensielt vindparkområde. Det er lagt spesiell stor vekt på problemstillinger som reiser seg ved langtidskorrelasjon og bruk av programvare for modellering av vindforhold innad i vindparken. Fokuset for resultatene i oppgaven er rettet mot en planlagt vindpark lokalisert i Rogaland fylke i regi av Agder Energi. Resultatene viser at det er knyttet stor usikkerhet til disse delene av ressurskartleggingsprosessen. Det innebærer at beslutningen hvorvidt parken skal realiseres eller ikke, vanskelig lar seg fatte på det grunnlaget en skulle ønske. I arbeidet er det vist at nærliggende meteorologiske værstasjoner har måledata som ikke tilfredsstiller kravene til kvaliteten som er nødvendig ved langtidskorrelering. Det er også påvist beskjedne homogenitetsbrudd for modelldata, men at disse likevel viser god korrespondanse i kraft som langtidsreferanse. Matematisk kan langtidskorrelasjon gjøres ved mange forskjellige metoder. Ved valg av korrelasjonsmetode, må man vite hva slags resultat og hva slags dataform man ønsker resultatet på. For energiberegninger er en av de undersøkte metodene best egnet, men dersom gjennomsnittlig vindhastighet eller vindretningsfordeling er det ønskelige resultatet, er andre metoder bedre egnet. Undersøkelser viser at usikkerhet rundt 15 % i energiproduksjon kan forekomme. Derimot viser resultatene at langtidskorrelering som oftest reduserer usikkerheten i motsetning til å kun bruke lokale korttids måledata for ressursberegninger. Ved kontrollmålinger viser modellverktøyene og en usikkerhet på 6 8 % i gjennomsnittlig vindhastighet ved målehøyde. viser seg å være marginalt bedre enn i tilfellene kontrollert i denne rapporten, men forskjellene er for tilfeldige til å trekke noen generell konklusjon. Modellverktøyene viser i gjennomsnitt relativt like vindressursestimater ved samme høyde som måledataene representerer. Derimot viser modellene forskjeller i det mest komplekse terrenget, spesielt i lesiden av høydedrag hvor ikke tar hensyn til separasjon og resirkulasjon av vindmasser. Forskjellene blir spesielt fremtredende når ekstrapolering er nødvendig. Ved en spesifikk parkdesign overestimerer resultatene til med 15 % i årlig energi. Dette indikerer en forskjell i årlig energiinntekt på millioner kroner. Resultatene i denne oppgaven demonstrerer at vindressursgrunnlaget er avhengig av svært mange variabler. Flere av variablene har kun et rent empirisk grunnlag, andre er utsatt for subjektive og stedsavhengige vurderinger. De aller fleste matematiske metodene som anvendes er også tilnærmelser av de reelle forhold. Akilleshælen i arbeidet er likevel at det ikke er mulig å anslå hvor tett fremgangsmåtene i kartleggingsprosessen kommer de faktiske vindforholdene. Ved å gjennomføre en identisk studie for et område hvor det foreligger et mer omfattende datagrunnlag, vil resultater og konklusjoner kunne anses mer slagkraftige, og kildene til usikkerhet vil lettere la seg adressere. iv

7 Ressurskartlegging av vindkraftlokasjoner ABSTRACT The objective in this Master s thesis is to document tasks with regard to wind resource assessment of an identified wind park location. The main problems to be addressed are longterm correlation of wind data and software-tools for wind-climate-modelling inside a wind park in Rogaland, Norway. The results show that these tasks involve large uncertainties. With regard to long-tem correlation, results show that the measured values from nearby meteorological stations don t fulfil the quality requirements for long-term correlation. It s also proved that model-data may include some long-term differences. Despite these differences, the model-data frequently shows better utility value than meteorological stations. Mathematically, the long-term correlation may be done with different methods. By choosing one of the methods, you got to know what kind of results you want. For energy calculations, one particular method shows best results, but if the desired results are mean wind speed or wind-direction frequency, some other methods show better results. Uncertainty addressed to long-term correlation depends on many conditions. Some of these conditions are the duration of measure-period inside the wind park and the variation between the wind-climate at the measure mast position and the long-term reference-mast position. Uncertainties about 15 % in energy production may occur. On the other hand, the results show that long-term correlation of wind-data usually reduces the uncertainty instead of using wind-data from short-term measurements. The modelling tools and shows, by comparing estimated wind-resources and measured wind-resources, an uncertainty of 6-8 % in average wind speed. shows a slightly better result than, but the differences are too scattered to make a general conclusion. The modelling tools also show different results in resource estimation inside a wind park. Differences are shown in steep terrain, especially in the leeside. It s seems that many of the differences may be addressed to s lack of separation- and recirculationcalculation, but the biggest difference seems to be a result of different extrapolation of wind speed from to meter altitude. In wind-energy, over-estimates the results from with 12 % in average, by comparing resource maps at meter altitude. The results of this thesis show that the wind resource estimation depends on many variables. Many of the variables are made on an empirical basis, other are exposed for subjective evaluation. In addition, mathematically methods are approximations. Unfortunately, in this thesis, it s not possible to prove how exact the estimations describe the real world. More extensive information of the real wind-resources would strengthen the results and more conclusions could be made. v

8 Ressurskartlegging av vindkraftlokasjoner Innholdsfortegnelse 1 Innledning Bakgrunn for verdikjeden for vindkraft Agder Energi Hva er en verdikjede og hva brukes den til? Verdikjeden for vindkraft Rettighetserverv Planprosesser Utbygging Drift Salg i kraftmarked Detaljert verdikjede for prosjektoppgaven... 3 Bakgrunn for langtidskorrelasjon og beregningsverktøy Vindatlas Norge Referansedata Kilder til referansedata Meteorologiske vindmålinger Lista fyr, Obrestad fyr og Stavanger lufthavn Sola Lista fyr Obrestad fyr Stavanger lufthavn Sola Grafisk fremstilling av meteorologiske måledata Prosesserte og estimerte vindmålinger modelldata Satelite Eye og Galathea ekspedisjonen NCEP/NCAR Hindcast ECMWF NAO-indeks Oversikt over referansene Sammenlikning av punktmålinger og modelldata Oppsummering referansedata Metoder for langtidskorrelering Standard korrelasjonsmetode Lineær regresjon Variansmetoden Weibullmetoden Matrisemetoden Wind-index metoden Normalfordelingsmetoden Vurderingsmetoder Vurderingsmetoder for back-prediction -analyser Vurderingsmetoder for estimert langtidsserie Datagrunnlag og resultater ved back-prediction -analyser Datagrunnlag ved back-prediction -analyser Tidsforskyvning mellom målemast og referansemast Etablering og redigering av konkurrerende tidsserier Sammenliking ved back-prediction -analyser Datagrunnlag og resultater ved estimering av langtidsserie Datagrunnlag ved estimering av langtidsserie Back-prediction -resultater for Lista fyr vi

9 Sektor 7 ( grader). Leksarvatnet Sektor 8 ( grader). Leksarvatnet Sektor 9 ( grader). Leksarvatnet 9 9 9,,,,,9 1, 1,,,,,,9 1, 1,,,,,,9 1, 1, Sektor ( grader). Leksarvatnet Sektor 11 ( grader). Leksarvatnet Sektor 12 ( grader). Leksarvatnet 9 9 9,,,,,9 1, 1,,,,,,9 1, 1,,,,,,9 1, 1, Figur V5-2 Estimerte og målte vertikale sektorvise vindhastighetsprofiler ved Leksarvatnet

10 9 Sektor 1 ( grader). Holmavatnet,,,,,9 1, 1, Sektorvis vertikal vindhastighetsprofil - Holmavatnet Sektor 2 (15-45 grader). Holmavatnet Sektor 3 (45-75 grader). Holmavatnet 9 9,,,,,9 1, 1, 9 Sektor 4 (75-5 grader). Holmavatnet,,,,,9 1, 1,,,,,,9 1, 1, Sektor 5 ( grader). Holmavatnet Sektor 6 ( grader). Holmavatnet 9 9,,,,,9 1, 1,,,,,,9 1, 1,

11 Sektor 7 ( grader). Holmavatnet Sektor 8 ( grader). Holmavatnet Sektor 9 ( grader). Holmavatnet 9 9 9,,,,,9 1, 1,,,,,,9 1, 1,,,,,,9 1, 1, Sektor ( grader). Holmavatnet Sektor 11 ( grader). Holmavatnet Sektor 12 ( grader). Holmavatnet 9 9 9,,,,,9 1, 1,,,,,,9 1, 1,,,,,,9 1, 1, Figur V5-3 Estimerte og målte vertikale sektorvise vindhastighetsprofiler ved Holmavatnet

12 Vedlegg 6. Sammenlikning av ressurskart fra og Figur V6-1 Vindressurskart meters høyde fra. Verdier angir vindhastighet (m/s). Figur V6-2 Vindressurskart meters høyde fra. Verdier angir vindhastighet (m/s).

13 Figur V6-3 Vindressurskart meters høyde fra. Verdier angir vindhastighet (m/s). Figur V6-4 Vindressurskart meters høyde fra. Verdier angir vindhastighet (m/s).

14 Figur V6-5 Energiproduksjonskart meters høyde fra. Verdier angir energi i kwh/år. Figur V6-6 Energiproduksjonskart meters høyde fra. Verdier angir energi i kwh/år.

15 Figur V6-7 Energiproduksjonskart meters høyde fra. Verdier angir energi i kwh/år. Figur V6-8 Energiproduksjonskart meters høyde fra. Verdier angir energi i kwh/år.