Hirner, R. (2012). Kosteneffiziente Berechnung von Windenergiepotentialen mit ArcGIS [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-56607
E370 - Institut für Energiesysteme und Elektrische Antriebe
-
Date (published):
2012
-
Number of Pages:
130
-
Keywords:
Windenergie; Regression; GIS
de
wind energy; regression; GIS
en
Abstract:
Um Windenergiepotentiale für bestimmte Gebiete schätzen zu können, wenn keine lokalen Windatlanten zur Verfügung stehen, werden oft Ergebnisse großräumiger Windmodelle wie ALADIN oder COSMO-EU verwendet. Um die Genauigkeit der damit erstellen Windkarten zu erhöhen, können diese mithilfe eines geostatistischen Modells verbessert werden. Ein lineares Regressionsmodell in verschiedenen Variationen zeigt geringe Zusammenhänge zwischen der Windgeschwindigkeit des COSMO-EU-Modells, der Windgeschwindigkeit gemäß lokalen Windatlanten (für Österreich und Spanien) und geostatistischen Parametern wie Orografie und Hangneigung. Dabei werden Punkte, die sich aufgrund ihrer hohen mittleren Windgeschwindigkeit besonders für die Windenergienutzung eignen, in der ausgewählten Regression höher bewertet. Die erhaltenen Zusammenhänge sind deutlicher, wenn eine Bias-Korrektur, die großräumige Unterschiede zwischen dem verwendeten Windatlantas und dem Windmodell ausgleicht, und die beschriebene Gewichtung durchgeführt wird. Die Zusammenstellung und Verarbeitung der Daten erfolgte mit ArcGIS und der offenen Statistik- Software R und kann daher leicht auch für andere Gebiete durchgeführt werden.<br />
de
Results from large-scale wind models are commonly used to estimate wind energy potentials for certain regions if there are no detailled wind maps available. The accuracy of these wind models for medium- and small-scale applications can be increased using a geo- statistical model. A linear regression model in various versions shows small relations between the COSMO-EU wind model, detailled wind maps (for Austria and Spain) and geo-statistical parameters like orography and slope. Locations which are useful for wind harvesting because of their high average wind speed are weighted heavier in the selected regression. The identified relations are more clear when a bias correction is applied to compensate large-scale differences in the wind maps and if the mentioned weights are applied. Data preparation and processing was done with ArcGIS and the open-source statistics package R and can be repeated for other areas easily.
en
Additional information:
Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers Zsfassung in engl. Sprache