Vindkart for Nordland Rapportnummer: KVT/EB/27/23
Innhold 1 INNLEDNING...3 2 BESKRIVELSE AV MODELLER OG INNGANGSDATA...4 2.1 WRF 4 2.2 MIKROSKALAMODELLEN WASP 6 2.3 RIX-VERDIER 6 3 KLIMATOLOGISK JUSTERING AV VINDKARTET...7 4 MODELLVALIDERING...9 4.1 KILDER TIL USIKKERHET I WRF 9 4.3 SAMMENLIGNING MED OBSERVASJONER AV VINDHASTIGHET 1 4.4 VINDROSER FOR ET UTVALG AV STASJONER 11 4.5 VINDKART FOR NORDLAND 14 4.5 INTERESSANTE OMRÅDER FOR VINDKRAFT UT FRA VINDKARTET 15 5 SAMMENDRAG... 16 6 REFERANSER... 17 7 VINDKART... 18 8 KART OVER KOMPLEKSITET I TERRENGET (RIX)... 2 2
1 Innledning Observasjoner av vind er tilgjengelig i 1m høyde fra Det Norske Meteorologiske Institutt (met.no) langs Norges kyst. Selv om met.no sine stasjoner ligger i kystsonen, der det til nå har vært mest aktuelt å bygge ut vindkraft, er KVTs erfaring at data fra disse kyststasjonene ofte er lite representative for vindklimaet i vindparker som kan ligge flere titalls kilometer unna observasjonspunktene. Årsakene til dette kan være at målingene er foretatt i lav høyde (1m) og at det lokalt kan være store variasjoner i terreng og overflateegenskaper. Variasjonene i vindforholdene i komplekst terreng vil ofte være store, både på grunn av småskala variasjoner i terrenget på 1-1 meters skala, men også på grunn av terreng-, temperatur- og overflatevariasjoner på større skala, typisk 1km til 2km. En skala fra 1km og opp til 2km blir innen meteorologi ofte kalt meso-skala, mens finere skala enn ca 1km kalles mikro-skala. Vinddata fra meteorologiske modeller er tilgjengelige med en horisontal oppløsning på 5-2km. En slik horisontal oppløsning er imidlertid for grov til å gi informasjon om forventede lokale vindforhold. Men slike modelldata er likevel godt egnet som inngangsdata til finere skala meteorologiske modeller, såkalte meso-skala modeller. Ved å kombinere vindkart generert fra meso-skala modeller med mikro-skala modeller kan en oppnå detaljerte vindkart for potensielle vindparker før vindmålinger er utført. I Berge et al. (27) er kombinasjonen meso-skala modellen WRF (Weather Research and Forecasting) og mikro-skala modellen WAsP validert vhja. observasjoner fra ni 5m høye vindmålemaster i tre vindparkområder i midt-norge. Gode resultater (avvik i intervallet -8%) er vist i dette arbeidet. En viktig konklusjon fra dette arbeidet er at meso-skala modeller er en effektiv og god metode for vindressurskartlegging i områder som mangler vinddata. I kombinasjon med mikro-skala modellen WAsP kan også detaljerte lokale vindkart utarbeides med god nøyaktighet, særlig i områder med liten kompleksitet i terrenget. I dette arbeidet som er utført for NVE og Nordland Fylkeskommune har vi benyttet meteorologiske data med en oppløsning på ca. 5km som inngangsdata til WRF. Beregningene fra WRF er utført for et kalenderår med en horisontal oppløsning på 1km. Disse beregningene danner basisen for det utarbeidete vindkartet for Nordland. For evaluere resultatene mot tilgjengelige måleresultater i Nordland har vi kombinert WRF med WAsP for to stasjoner der WAsP oppsett er tilgjengelig. Et tilsvarende vindkart er tidligere utarbeidet for Rogaland fylkeskommune (se Byrkjedal og Berge, 27). 3
2 Beskrivelse av modeller og inngangsdata 2.1 WRF WRF (Weather Research and Forecast) modellen representerer siste generasjons meso-skala numerisk værvarslingsmodell. Modellen blir brukt både som en værvarslingsmodell og til forskning innenfor meteorologi. Modellsystemet er nærmere beskrevet på http://www.wrfmodel.org/, mens mer detaljert informasjon om oppbyggingen av modellen, numeriske metoder og fysiske komponenter er beskrevet i Klemp et al. (2) og Michalakes et al. (21). Utviklingen av WRF støttes av et stort vitenskapelig miljø i USA samtidig med at antallet brukere av modellsystemet øker hurtig. I tillegg er modellens kildekode åpent tilgjengelig for brukerne. WRF er således et godt dokumentert verktøy med et stort brukermiljø. Vi vil her gi en oversikt over hvordan modellen har blitt satt opp for å gjennomføre ett år med beregninger av vindklimaet i Nordland. Globale meteorologiske data med ca. en grads horisontal oppløsning er tilgjengelige fra National Center for Environmental Protection (NCEP). Data har blitt hentet for 3- timersintervaller for hvert døgn i 25. Disse dataene stammer fra FNL (Final Global Data Assimilation System), og er analyser basert på observasjonsdata. En mer detaljert beskrivelse av datagrunnlaget finnes på http://wwwt.emc.ncep.noaa.gov/gmb/para/parabout.html. De globale data har videre blitt interpolert ned til en oppløsning som svarer til den som velges for WRF-modellen (dvs. 1km i vårt tilfelle). Modellen er satt opp som en nøstet modell med et ytre og et indre modelldomene slik som vist i Figur 1. Det ytre modelldomene har en horisontal oppløsning på 5km. Det er dette ytre modelldomenet som tar inn de globale meteorologiske data som randverdier hver tredje time. Det ytre området er satt opp slik at effekter fra havet i vest og fjellkjedene i nordøst, øst, sørøst, sør og sørvest blir godt representert i modellen. Data fra dette området blir videre inngangsdata til et mindre domene med finere horisontal skala (1km) som dekker hele Nordland fylke. Det ytre domenet teller i alt 3x15 gridpunkter horisontalt, mens det indre domenet består av totalt 535x22 punkter horisontalt. Modellsimuleringen er satt opp med 32 nivåer vertikalt. Det er flest modellnivå nær bakken slik at en god oppløsning av vindprofilet i de bakkenære sjikt oppnås. Det øverste modellnivået er i 1hPa høyde (ca 15km). WRF utfører beregninger vhja. et koblet likningssett, der alle kjente fysiske atmosfæriske prosesser inngår. Dette inkluderer blant annet beregninger for vind, temperatur, stabilitet, fuktighet, skyer og stråling. Disse beregningene blir utført for hvert gridpunkt og for hvert vertikalnivå i atmosfæren i tillegg utføres beregninger for energi og fuktighet for jord og jordoverflaten. Beregningene er initiert fra de globale FNL-data. Simuleringen foregår ved at modellen beregner forandringen i de atmosfæriske feltene 6 sekunder framover i tid om gangen. Data fra modellen blir lagret til disk for hver modellerte time. Betydelig regnekraft er nødvendig for å kjøre en værvarslingsmodell for et helt år. En superdatamaskin kreves for å klare og fullføre beregningene innen rimelig tid. Vi har etablert et samarbeid med Universitetet i Oslo og simuleringene er utført på et såkalt Linux-cluster. Dette gir oss muligheten til effektivt å gjennomføre parallelle beregninger. Siden Nordland er et stort fylke har disse beregningene vært svært beregningsintensive. Sammenlignet med beregningene for Rogaland (se Byrkjedal og Berge, 27) har kjøringene for Nordland krevd ca. 3.5 ganger så mye regnekapasitet. Globale geografiske data er tilgjengelige fra NOAA (National Oceanic and Atmospheric Administration). Dette er statiske data med unntak av en enklere årssyklus for enkelte 4
parametere. Dataene inkluderer topografi, overflateegenskaper, albedo og vegetasjon. Disse dataene har en horisontal oppløsning på ca 1 km. I tillegg har vi oppdatert landoverflateegenskapene og vegetasjonsdata i modellkjøringen med markslagsdata på 25m horisontal oppløsning for Nordland fylke, skaffet til veie fra Nordland Fylkeskommune. Vindforholdene i de nederste få hundre meter over bakken er særlig følsomme til landoverflatens egenskaper, ved at endringer i overflatens ruhet vil bidra til større eller mindre oppbremsing langs bakken. Modellen er satt opp slik at simuleringen blir foretatt i 27 timers bolker. Modellkjøringen starter kl UTC for hvert døgn og kjøres som et 27 timers værvarsel framover i tid. Dette gir oss 3 overlappende timer for hvert døgn. Dette blir gjort siden modellens nøyaktighet ikke er like god i de første timene etter modellens oppstart. Dette skyldes vesentlig at de fysiske prosessene slik som skydanneles, strålingsbalanse, turbulente prosesser osv. vil bruke noe tid på å utvikle seg på modellens skala ut fra initiladataene. De første 3 timene av hver modellkjøring blir derfor ikke benyttet. Kartet for årsmiddelvinden i Nordland er basert på simuleringer av alle 365 dagene i 25. Simuleringene har totalt sett tatt ca. 2 måneder, og det er anvendt ca 7 CPU-timer. Den totale datamengde som er lagret til disk fra simuleringen er på ca 1.5 Tb. 75 o N 7 o N 45 o E 65 o N 15 o W 6 o N 3 o E 55 o N o 15 o E Figur 1. Ytre og indre modellområder for Nordland. 5
2.2 Mikroskalamodellen WAsP Mikroskalaberegningene er utført med vindmodellen WasP. En beskrivelse av modellen er gitt i WAsP (1993). WAsP er en klimatologisk vindmodell. Inngangsdata er frekvensfordelingen av vindhastighet- og retning fra en målestasjon eller en modell, ruhetsbeskrivelsen, topografi og evt. en beskrivelse av bygninger, trær og lignende nær målestasjonen. Modellen beregner vindklimatologien for valgte steder eller i et numerisk gitter innenfor et område der målestasjonen ligger. Usikkerheter i beregningene er bla. knyttet til avstanden mellom beregningsområdet og målestasjonen, kvaliteten på ruhet- og terrengbeskrivelsen samt kompleksiteten i terrenget. For terreng med en helning på mer enn ca. 3% (tilsvarende ca. 17 grader) vil separasjon av strømmen kunne foregå og kraftig turbulens utvikles. I slike områder vil lett WasP kunne overestimere vindhastighetene. Særlig er dette tilfellet over høydedrag, på fjelltopper og på toppen av bratte skrenter. I dette arbeidet er data fra WRF lagt inn i WAsP for mer nøyaktig å kunne beregne vinden i punktene der modellen er validert vhja. av data fra vindmålemaster. Dette er gjort for to steder i Nordland der WAsP oppsett med lokale terreng- og ruhetsdata allerede finnes. 2.3 RIX-verdier Kompleksiteten i terrenget karakteriseres i WAsP vhja. av såkalte RIX-verdier (RIX=Ruggedness Index, se Bowen and Mortensen, 1996). RIX-verdien beskriver hvor stor prosentdel av terrenget innenfor en gitt radius der helningen er mer enn 3%. Når terrenget heller mer enn ca. 3% kan avløst strømning forventes noe som gjør at det genereres turbulens. RIX-verdiene kan således tolkes som en indikator for potensialet for turbulens i et område, og de kan også tolkes som et mål på hvor stor usikkerhet det er i modellsimuleringene knyttet til mikroskala terrengvariasjoner. I vårt tilfelle har vi anvendt en radius på 2. km (j.fr. Berge et al., 26) for å beregne RIXverdiene. Hvis RIX-verdiene har omtrent samme verdi for lokaliteten som benyttes som inngangsdata til modellen og det området vi beregner for, viser erfaring at WAsP resultatene er pålitelige (se Bowen og Mortensen, 1996, Berge et al., 26). Hvis derimot RIX-verdiene i det området vi utfører beregninger er større enn for målestasjonen kan en overestimering forventes av WAsP. Hvis RIX-verdiene er mindre enn for målestasjonen kan en underestimering forventes. RIX verdiene kan også brukes til å korrigere vindatlaset fra mikroskala modellen WAsP (se Berge et al., 25). Et kart med RIX-verdier er presentert for Nordland Nord og Nordland Sør i henholdsvis Figur 5 og Figur 6 (se kapittel 8). Fra figurene ser vi at kompleksiteten i terrenget er stor mange steder i Nordland. Særlig de kystnære fjellene fra høyde med Mo i Rana og nordover har høy grad av kompleksitet. Lofoten utmerker seg med RIX-verdier på over 2% over store områder. Et unntak er områdene øst for Leknes og deler av Gimsøya. I indre deler av sørlige Nordland finnes det imidlertid store områder med forholdsvis lav terrengkompleksitet. 6
3 Klimatologisk justering av vindkartet Ut fra met.no sine målinger i 1m har vi analysert middelvindklimaet for 25 og sammenlignet med forventet langtidsmiddel for stasjonene. Til dette har vi anvendt stasjonene Andøya, Narvik, Bodø, Myken, Sandnessjøen og Brønnøysund, samt tre hindcast datapunkter som ligger i nærheten av Myken og vest for Bodø og Brønnøysund. Hindcast dataene er modelldata generert fra trykkdata fra observasjoner og værvarslingsmodeller og de dekker perioden 1955-25. Langtidsestimatene for Bodø og Myken er basert på perioden 196-25. For Narvik er det periodene 1951-1975 og 1995-26 som er benyttet. Narvikdataene fra 1951-1975 ansees som usikre, men siden den siste perioden er relativt kort har vi tatt med disse dataene for sammenligningens skyld. For Sandnessjøen og Brønnøysund er det kun tilgjengelig data for perioden 22-26, noe som gjør disse langtidsestimatene usikre. For Bodø mangler for øvrig data for perioden juli tom. oktober 25. Dette gjør en langtidsanalyse for Bodø også mer usikker. Langtidsanalysen er derfor basert på data fra november tom. juni for årene 196-25. Resultatene er presentert i Tabell 1. Tabell 1.Midlere windhastighet for 25, samt forventet langtidsmiddel for seks stasjoner i Nordland og tre hindcast punkter. Forventet langtidsmiddel (KVT) Årsmiddel 25 % avvik Andøya**** 5.8 5.6-3% Bodø* 6.5 6.2-5% Narvik** 4., 4.3 3.7-8%, - 14% Myken 7. 8. +14% Sandnessjøen*** 4.4 4.4 % Brønnøysund*** 4.3 4.4 + 2% Hindcast 3442 (nær Myken) 8.4 9.4 + 12% Hindcast 3443 (vest for Bodø) 8.5 9.4 + 1% Hindcast 354 (vest for Brønnøysund) 8.6 9.5 + 1% * Månedene juli and oktober er ikke tatt med ** Basert på langtidsdata for Narvik II for 1951-1975, and 1995-2 *** Basert på data for 22-26 **** Basert på data fra 1963-1998 og 22-25 For Narvik og Bodø var middelvindnivået i 25 5-14% lavere enn langtidsverdien, men disse estimatene er som nevnt forholdsvis usikre. For Myken som ligger ytterst i havgapet og hindcastdatapunktene viser dataene 1-14% høyere årsmiddel i 25 enn forventet langtidsverdi. For Brønnøysund og Sandnessjøen er avvikene små, men referanseperioden er kun på fem år. Siden resultatene av denne analysen spriker så vidt mye finner vi lite grunnlag for å 7
langtidskorrigere vindkartet. Resultatene som presenteres er derfor identiske med resultatene for 25. Nordland er et vidstrakt fylke og det er grunn til å kunne anta at vindforholdene for et år, sett i relasjon til langtidsmiddelet, kan variere for ulike deler av fylket. Datagrunnlaget fra met.no er imidlertid for usikkert til at denne type analyse kan gjøres for fylket. 8
4 Modellvalidering 4.1 Kilder til usikkerhet i WRF Selv en avansert meteorologisk modell som WRF bygger på en rekke forenklinger og antakelser om fysiske og dynamiske prosesser i atmosfæren og hvordan atmosfæren påvirkes av forholdene ved bakken. Dette gir bakgrunn for usikkerheter i det endelige vindkartet. Slike forhold bør en ta i betraktning når en vurderer resultatene som framkommer i vindkartet. I det følgende vil vi prøve å beskrive de ulike kildene til usikkerhet i vindkartet. Modellen har en endelig horisontal oppløsning. For denne simuleringen vil det si at landskapet er oppdelt i ruter på 1x1km. Dette medfører at effekter på en skala mindre enn oppløsningen til modellen ikke beregnes direkte. Dette vil være tilfelle for turbulens som i stedet må estimeres ved hjelp av en såkalt parameterisering. Dette er en forenklet beskrivelse av turbulens, og vil som regel avvike noe fra den faktiske turbulensen. Oppdelingen av landskapet i kvadratkilometer store ruter bidrar til at topografien i modellen blir noe glattet. Typisk vil fjelltopper i modellen ha en litt lavere høyde enn den samme fjelltoppen i virkeligheten, dette er fordi modellhøyden vil være den midlere høyden for alt landskap som faller innenfor ruta på 1x1km. Høydedrag og fjelltopper er ofte knyttet til økning i vindhastigheten, ved at lufta presses over høydedraget. Når modellen underestimerer høyden til disse toppene vil ofte også denne speed-up effekten være underestimert. Dette vil ofte gi lavere vindhastigheter på høydedrag, rygger og fjelltopper i modellen enn det en vil finne fra observasjoner. Det er ikke bare de høyeste toppene som blir glattet i modellen. Mikroskala terrengvariasjoner blir også glattet. Disse representerer en betydelig terreng-ruhet som vil skape turbulens og dermed redusere vinden langs bakken. Denne effekten vil på grunn av glattingen av topografien kunne være underrepresentert i modellkjøringen. Dette kan på sin side bidra til høyere vindhastigheter i modellen enn observert. Vi har lagt ved et kart over RIX verdier (se Figur 5 og Figur 6) for Nordland. RIX verdiene er store der hvor variasjonen i mikroskala terrenget er stor. Usikkerheten knyttet til vindkartet vil være størst der hvor en finner de største RIX verdiene. En korrigering av vindkartet basert på RIX verdiene vil generelt gå mot lavere vindhastigheter. Metodikken bak RIX kartet er gitt i kapittel 2.3. I 1-2 km over bakken vil vindene i stor grad være styrt av trykkgradienter. Topografi på større skala vil også spille en viktig rolle for vind i høyden. Dette gir ganske glatte vindfelt og mindre geografiske variasjoner. Dersom vi beveger oss nedover nærmere bakken vil påvirkningen fra underlaget være mer tydelig. Friksjon langs bakken i form av turbulens vil redusere vinden nær bakkenivået. Denne friksjonen er også merkbar et godt stykke opp i atmosfæren. Friksjonen langs bakken vil dermed gi et vertikal profil av vindhastighet, med laveste vindhastigheter langs bakken og høyere hastigheter lenger oppe. Eksempler på vertikale vindprofiler er gitt i Figur 2. Formen på dette profilet blir i stor grad bestemt ut fra bakkens ruhet. Det vil da være ulike former for ruhet: - Topografisk ruhet beskriver mikroskala topografisk variasjon innenfor en grid-rute. Topografisk ruhet kan bli underestimert i modellen. Her kan RIX kartet være til hjelp. - Mark-slags ruhet. Ulike typer vegetasjon har ulik påvirkning av luftstrømmene. Skog bidrar til høyere ruhet enn for eksempel gressmarker. - Ruhet som skyldes urbanisering. Bygninger og ulike strukturer påvirker et områdes ruhet. Eksempelvis vil byer representere stor ruhet for et område. 9
Forskjeller i topografi og ruhet vil bidra til å gi meso-skala forskjeller i årsmiddelvind i vindkartet. Lave ruhetsverdier vil gi et skarpt vertikalprofil, det vil si at vinden i høyden i mindre grad påvirkes av nedbremsingen ved bakken enn over områder med stor ruhet. Dette er illustrert i Figur 2, som viser midlere vertikalprofil for vind over hav (som har svært lav ruhet) og over land opp til en høyde på 1m. Usikkerheter knyttet til overflatens ruhet vil også være en usikkerhetsfaktor knyttet til modellsimuleringen. I vårt oppsett har vi benyttet markslagsdata på 25 meters oppløsning fra Nordland Fylkeskommune. Dette har gitt oss mer detaljerte og riktigere verdier for ruhet enn standardverdiene fra WRF. Derimot er det fortsatt en viss usikkerhet knyttet til tolkningen av de ulike markslagsklassene, og hvor stor ruhet disse klassene skal representere i modellen. 1 Vind over hav Vind over land 9 8 7 6 Høyde [m] 5 4 3 2 1.3.4.5.6.7.8.9 1 Skalert vind: U z /U 1 Figur 2. Skisse av midlere vertikal profil for vind for gridruter over hav og over land. Vindhastighetene er skalert mot vind i 1m høyde for å illustrere betydningen av overflatens ruhet. 4.3 Sammenligning med observasjoner av vindhastighet Vi har sammenlignet modellresultatene med observasjoner fra met.no sine stasjoner med 1m høyde. I tillegg har vi fått tilgang til målinger fra vindkraftutviklere i Nordland der vinddata opp til 5m høyde er tilgjengelig. De absolutte vindverdiene fra observasjonene til disse utviklerene er ikke vist, i stedet er resultatene fra denne sammenligningen utnyttet til å vurdere vindnivået i vindkartet. Det er viktig å være klar over at til nærmere man kommer bakken til større avvik kan det forventes mellom en modell og observasjoner. Dette skyldes at modellen ikke vil ta hensyn til små variasjoner i terreng, ruhet osv. i nærheten av observasjonspunktet som vil kunne påvirke vindmønsteret nær bakken. Siden navhøyde for vindturbiner er ~ 8 m er en sammenligning med vinddata i 1m lite ideell. Med unntak av de to stasjonene fra den ene utvikleren i Nordland er det dessverre ikke data for høyder over 1m tilgjengelig for modellvalidering. 1
For alle stasjonene i nordlige deler av Nordland vises en underestimering, det samme gjelder for site 2. For site 2 og Myken forventes betydelig lokal speed-up slik at noe lavere verdier forventes i WRF enn i observasjonene. For site 1 og Brønnøysund vises godt samsvar med modellen, mens modellen overestimerer vindhastigheten i Sandnessjøen. For site 1 og 2 er samsvaret mellom modell og målinger bedre enn for 1m dataene. Det er trolig rimelig å anta at modellen kan ha underestimert vinden noe i nordlige deler av fylket, mens verdiene er nærmere det som forventes i den sørlige delen av fylket. Datagrunnlaget er imidlertid for dårlig til å kunne kvantifisere eventuell avvik i modellberegningene over større områder. Tabell 2. Sammenligning mellom WRF og 1m observasjoner fra met.no for 25 Stasjon Årsmiddel 25 WRF Andøya 5.6 m/s 4.7 m/s - 16 % Narvik 3.7 m/s 3. m/s - 19 % Bodø 6.5 m/s 4.4 m/s - 32 % Myken 8. m/s 6.6 m/s -18 % Sandnessjøen 4.4 m/s 5.5 m/s + 25 % Brønnøysund 4.4 m/s 4.5 m/s + 2 % I Tabell 3 vises tilsvarende resultater for to måleserier (site 1 og site 2) fra vindparkområder i Nordland. Tabell 3. Sammenligning mellom WRF og observasjoner fra vindkraftprosjekter i Nordland Stasjon WRF Site 1 % Site 2-12 % 4.4 Vindroser for et utvalg av stasjoner For mange av stasjonene ser vi et godt samsvar mellom modellerte og observerte vindroser. Lokale terrengvariasjoner som styrer vindretningene kommer fram i modellberegningene. Best samsvar er det for vindrosene på Myken, Bodø, Site1 og Site2. For Narvik, Sandnessjøen og Brønnøysund er det en del avvik, noe som må tilskrives det komplekse terrenget i nærheten av disse stasjonene. Generelt sett er avviket i vindretningsfordelingene størst for de østlige sektorene, dvs. i de tilfellene der luften styres over land og det komplekse terrenget. 11
Wind rose at 924 in the period 1 Jan 25 22 Sep 25 Wind rose at 8711 in the period 1 Jan 25 31 Dec 25 33 3 2 25 15 2 1 15 5 1 5 33 3 2 25 15 2 1 15 5 1 5 3 6 3 6 27.5.1.15.2.25 9 27.5.1.15.2.25 9 24 12 24 12 21 15 21 15 18 18 Vindroser for 1m vind for Andøya i 25. Venstre figur er vind simulert med WRF, høyre er for observasjoner fra met.no. Wind rose at 914 in the period 1 Jan 25 31 Dec 25 Wind rose at 847 in the period 1 Jan 25 31 Dec 25 33 3 2 25 15 2 1 15 5 1 5 33 3 2 25 15 2 1 15 5 1 5 3 6 3 6 27.5.1.15.2.25 9 27.5.1.15.2.25 9 24 12 24 12 21 15 21 15 18 18 Vindroser for 1m vind for Narvik i 25. Venstre figur er vind simulert med WRF, høyre er for observasjoner fra met.no. Wind rose at 915 in the period 1 Jan 25 31 Dec 25 Wind rose at 8229 in the period 1 Jan 25 31 Dec 25 33 3 2 25 15 2 1 15 5 1 5 33 3 2 25 15 2 1 15 5 1 5 3 6 3 6 27.5.1.15.2.25 9 27.5.1.15.2.25 9 24 12 24 12 21 15 21 15 18 18 Vindroser for 1m vind for Bodø i 25. Venstre figur er vind simulert med WRF, høyre er for observasjoner fra met.no. 12
Wind rose at 916 in the period 1 Jan 25 31 Dec 25 Wind rose at 861 in the period 1 Jan 25 31 Dec 25 33 3 2 25 15 2 1 15 5 1 5 33 3 2 25 15 2 1 15 5 1 5 3 6 3 6 27.5.1.15.2.25 9 27.5.1.15.2.25 9 24 12 24 12 21 15 21 15 18 18 Vindroser for 1m vind for Myken i 25. Venstre figur er vind simulert med WRF, høyre er for observasjoner fra met.no. Wind rose at 917 in the period 1 Jan 25 31 Dec 25 Wind rose at 7675 in the period 1 Jan 25 31 Dec 25 33 3 2 25 15 2 1 15 5 1 5 33 3 2 25 15 2 1 15 5 1 5 3 6 3 6 27.5.1.15.2.25 9 27.5.1.15.2.25 9 24 12 24 12 21 15 21 15 18 18 Vindroser for 1m vind for Sandnessjøen i 25. Venstre figur er vind simulert med WRF, høyre er for observasjoner fra met.no. Wind rose at 918 in the period 1 Jan 25 31 Dec 25 Wind rose at 7633 in the period 1 Jan 25 31 Dec 25 33 3 2 25 15 2 1 15 5 1 5 33 3 2 25 15 2 1 15 5 1 5 3 6 3 6 27.5.1.15.2.25 9 27.5.1.15.2.25 9 24 12 24 12 21 15 21 15 18 18 Vindroser for 1m vind for Brønnøysund i 25. Venstre figur er vind simulert med WRF, høyre er for observasjoner fra met.no. 13
Wind rose at 923 in the period 1 Jan 25 31 Dec 25 Vsensor: 2, Dsensor: 2 Wind rose at 271 in the period 1 Jan 25 31 Dec 25 33 3 2 25 15 2 1 15 5 1 5 33 3 2 25 15 2 1 15 5 1 5 3 6 3 6 27.5.1.15.2.25 9 27.5.1.15.2.25 9 24 12 24 12 21 15 21 15 18 18 Vindroser for site 1 for 25. WRF beregningene er til venstre. Wind rose at 922 in the period 1 Jun 25 31 Dec 25 Vsensor: 2, Dsensor: 2 Wind rose at 312 in the period 1 Jun 25 31 Dec 25 33 3 2 25 15 2 1 15 5 1 5 33 3 2 25 15 2 1 15 5 1 5 3 6 3 6 27.5.1.15.2.25 9 27.5.1.15.2.25 9 24 12 24 12 21 15 21 15 18 18 Vindroser for site 2 for 25. WRF beregningene er til venstre. 4.5 Vindkart for Nordland Vindkartet for Nordland Nord og Nordland Sør er vist i henholdsvis Figur 3 og Figur 4 (se kapittel 7). Kartet representerer et årsmiddel i 8m høyde. Det er basert på årsmiddelet for 25 uten langtidskorrigering (se kapittel 3). Vindhastigheter på over 7-5-8. m/s i 8m vises ytterst på kysten og i en del fjellområder. Av fjellområder under 8-1 m som utmerker seg er områdene i Bindal, Sømna, Vefsn og Vevelstad kommune i den sørlige delen av Nordland. Videre nordover er det også gode vindforhold i fjellområdene i Leirfjord, Nesna, Rødøy, Rana, Skjerstad, Bødø, og ytre deler av Steigen. I Tysfjord, Narvik og videre i Vesterålen og Lofoten finnes høye vindhastigheter, men da i kombinasjon med svært komplekse fjellområder ofte med topper på over 1 m. Følgende forhold er det viktig å merke seg når kartet skal anvendes til vindkraftformål: (1) Vindkartet er beregnet med en horisontal oppløsning på 1km*1km. Lokale forhold i en vindpark (terreng, ruhet osv.) vil kunne gi avvik i de lokale vindforholdene i forhold til vindkartet. Dette kan bety både høyere eller lavere årsmiddelvind avhengig av de lokale forholdene. 14
(2) En sammenligning med observasjonsdata fra met.no, og vinddata fra utviklere i Nordland gjør at vi kan trekke følgende konklusjoner: - For områdene nord i Nordland antyder sammenligningen med observasjonene en viss underestimering av årsmiddelvinden nær bakken. Det er imidlertid betydelig usikkerhet knyttet til dette siden observasjonsmaterialet er usikkert. - For de sentrale og sørlige delene av Nordland antyder sammenligningen med observasjonene et bedre samsvar, men også her er dette usikkert. Resultatene fra meso-skala modellen kan anvendes som inngangsdata til mikro-skala modeller når mer detaljerte lokale vindkart skal utarbeides. En evaluering av kombinasjonen av mesoskala modellen WRF og mikro-skala modellen WAsP er gitt i Berge et al. (27) basert på målinger fra tre norske vindparkområder. Vinddata fra ni 5m høye vindmålemaster var tilgjengelige fra de tre vindparkområdene. Resultatene viste avvik fra -8% i årlig middelvind. De største avvikene finnes der RIX-verdiene er størst, dvs. at terrenget har betydelig kompleksitet. I Nordland er terrengkompleksiteten mange steder høy noe som vil øke usikkerheten i vindestimatene. Det er viktig å være klar over at vindkartet gir et første grunnlag for å vurdere lokale vindforhold og hvilke områder som utmerker seg i forhold til andre områder. Vindkartet representerer dermed et betydelig framskritt i forhold til den vindinformasjonen som tidligere har vært tilgjengelig for Nordland. Mer detaljerte studier vhja. vindmålinger og detaljerte modellstudier er nødvendig for å kunne beregne vind- og produksjonspotensialet nøyaktig for et enkelt vindparkområde. 4.5 Interessante områder for vindkraft ut fra vindkartet Det er mange hensyn å ta når et område skal velges ut med tanke på vindkraftutvikling. Vindressursgrunnlaget er en svært viktig faktor, andre viktige meteorologiske forhold vil være ising og turbulens. Utover de meteorologiske forholdene vil miljøhensyn, nettforhold, tilgjengelighet i terrenget, strømpris mm. kunne være avgjørende. En utvelgelse av interessante vindkraftområder ut fra vindkartet alene er derfor ikke optimalt. En vindhastighetsgrense for hvilke områder som er interessante vil være vanskelig å bestemme ut fra dette. Eksempelvis så kan produksjonen i et område med en årsmiddelvind på 7. m/s være like stor som i et område med 7.5 m/s hvis det er mye ising i det siste området. Områder med en årsmiddelvind lavere enn 7. m/s regnes ofte for lite interessante i norsk sammenheng, men vil kunne være interessante i andre land bla på grunn av ulike støtteordninger for vindkraft. Det er tidligere vist at det må forventes en usikkerhet på ±1% i vindkartet i forhold til vinden lokalt i en vindpark (Byrkjedal og Berge, 27). Mikro-skala analyser viser også at speed-up og lokal bremsing kan gjøre at vinden lokalt også kan endre seg en god del i forhold til et mesoskala vindkart. Lokale fjell og rygger, som ikke er godt representert i WRF, kan derfor ha høyere vindhastighet enn i meso-skala kartet og dermed være interessante for vindkraftutvikling. For et område med en årsmiddelvind på 6. m/s iflg. vindkartet vil vinden lokalt kunne være 7. m/s eller høyere. Vår vurdering er derfor at områder med en årsmiddelvind over 6. m/s iflg vindkartet vil kunne være interessante for vindkraft. Det er da viktig å være klar over at områder med lavere årsmiddelvind iflg. vindkartet også kan være interessante, og at de evt. kan bli mer interessante i framtiden avhengig av lønnsomheten i vindkraften. 15
5 Sammendrag Et vindkart i 8m høyde er utarbeidet for Nordland ved hjelp av meso-skala værvarslingsmodellen WRF (Weather Research and Forecasting). Modellberegninger er utført for et helt år (25). Globale data med ca. en grads oppløsning er benyttet som initial- og randverdier for beregningene. De globale dataene er oppdatert hver 3 de time. WRF er satt opp med to områder; et ytre område med 5 km horisontal oppløsning og et indre område med 1 km oppløsning. For det indre området er markslagsdata gjort tilgjengelig fra Nordland fylkeskommune og anvendt for å karakterisere overflateegenskapene i 1 km området (ruhet osv.). Modellberegningene er gjennomført ved hjelp av en massiv parallell regnemaskin. Vindstatistikk for 25 er sammenlignet med langtidsmiddel for ulike stasjoner i fylket. Det er ikke funnet grunnlag for å langtidsjustere det endelige vindkartet. Resultatene er derfor identiske med resultatene for 25. Vindkartet er beregnet med en horisontal oppløsning på 1km*1km. Lokale forhold i en vindpark (terreng, ruhet osv.) vil kunne gi avvik i de lokale vindforholdene i forhold til vindkartet. Dette kan bety både høyere eller lavere årsmiddelvind avhengig av de lokale forholdene. Vindhastigheter på over 7.5-8. m/s i 8m vises ytterst på kysten og i en del fjellområder. Av fjellområder under 8-1 m som utmerker seg er områdene i Bindal, Sømna, Vefsn og Vevelstad kommune i den sørlige delen av Nordland. Videre nordover er det også gode vindforhold i fjellområdene i Leirfjord, Nesna, Rødøy, Rana, Skjerstad, Bødø, og ytre deler av Steigen. I Tysfjord, Narvik og videre i Vesterålen og Lofoten finnes høye vindhastigheter, men da i kombinasjon med svært komplekse fjellområder ofte med topper på over 1 m. Følgende forhold er det viktig å merke seg når kartet skal anvendes til vindkraftformål: - Vindkartet er beregnet med en horisontal oppløsning på 1km*1km. Lokale forhold i en vindpark (terreng, ruhet osv.) vil kunne gi avvik i de lokale vindforholdene i forhold til vindkartet. Dette kan bety både høyere eller lavere årsmiddelvind avhengig av de lokale forholdene - For områdene nord i Nordland antyder sammenligningen med observasjonene en viss underestimering av årsmiddelvinden nær bakken. Det er imidlertid betydelig usikkerhet knyttet til dette siden observasjonsmaterialet er usikkert. For de sentrale og sørlige delene av Nordland antyder sammenligningen med observasjonene et bedre samsvar, men også her er dette usikkert. Vindrosene i vindkartet samsvarer bra med observasjonene for de fleste stasjonene, men en del avvik sees også, noe som trolig skyldes det komplekse terrenget mange steder i Nordland. De største avvikene observeres i forbindelse med østlige vindretninger, dvs. når vinden kommer fra innlandet. Det er viktig å være klar over at vindkartet gir et første grunnlag for å vurdere lokale vindforhold og hvilke områder som utmerker seg i forhold til andre områder. Vindkartet representerer dermed et betydelig framskritt i forhold til den vindinformasjonen som tidligere har vært tilgjengelig for Nordland. Mer detaljerte studier vhja. vindmålinger og detaljerte modellstudier er nødvendig for å kunne beregne vind- og produksjonspotensialet nøyaktig for et enkelt vindparkområde. Ved å ta i betraktning de kommentarene som er gitt ovenfor vil vindkartet kunne gi et godt overblikk over vindforholdene i Nordland. 16
6 Referanser Berge, E., Bredesen, R.E. and Mollestad, K. 27. Combining WAsP with WRF meso-scale model. Evaluation of wind resource assessment for three Norwegian wind farm areas. In Proceedings of EWEC-27, Milano, Italy. Berge, E., Nyhammer, F.K., Tallhaug, L. and Jacobsen, Ø. 26. An evaluation of the WAsP model at a coastal mountainous site in Norway. Wind Energy, 9, 131-14. Bowen, A. J. and Mortensen, Niels G. 1996. Exploring the limits of WAsP the wind atlas analysis and application program. In Proceedings of EWEC-1996, Gøteborg, Sweden. Byrkjedal, Ø. and Berge, E. Vindkart for Rogaland. Kjeller Vindteknikk AS Report 1, 27, Kjeller, Norway. Klemp, J. B., W. C. Skamarock, and J. Dudhia, 2: Conservative split-explicit time integration methods for the compressible non-hydrostatic equations. (see http://www.wrfmodel.org/). Landberg, L., Myllerup, L., Rathmann, O., Petersen, E. L., Jørgensen, B. H., Badger, J. and Mortensen, N. G. 23. Wind resource estimation An overview. Wind Energy, Vol. 6, 261-271. Michalakes, J., S. Chen, J. Dudhia, L. Hart, J. Klemp, J. Middlecoff, and W. Skamarock 21. Development of a Next Generation Regional Weather Research and Forecast Model. Developments in Teracomputing: Proceedings of the Ninth ECMWF Workshop on the Use of High Performance Computing in Meteorology. Eds. Walter Zwieflhofer and Norbert Kreitz. World Scientific, Singapore. pp. 269-27 WAsP Manual: Wind Analysis and Application Program (WAsP), 1993. Vol 2: Users Guide. Risø National Laboratory, Roskilde, Denmark, ISBN 87-55-178. 17
7 Vindkart Figur 3. Vindkart for den nordlige delen av Nordland i 8m høyde. 18
Figur 4. Vindkart for den sørlige delen av Nordland i 8m høyde. 19
8 Kart over kompleksitet i terrenget (RIX) Figur 5. Terrengkompleksitet (RIX) for den nordlige delen av Nordland. 2
Figur 6. Terrengkompleksitet (RIX) for den sørlige delen av Nordland. 21