Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Abschlussbericht Projekt Prophesy - Prognoseunsicherheiten von Windenergie und Photovoltaik in zukünftigen Stromversorgungssystemen

 
: Schreiber, Jens; Siefert, Malte; Winter, Kevin; Wessel, Arne; Fritz, Rafael; Good, Garrett; Schella, André; Muraschko, Jewgenija; Staedler, Stefan; Sick, Bernhard

Kassel, 2020, III, 159 S.
Bundesministerium fur Wirtschaft und Energie BMWi (Deutschland)
0324104B; Prophesy
Prognoseunsicherheiten von Windenergie und Photovoltaik in zukünftigen Stromversorgungssystemen
Deutsch
Bericht
Fraunhofer IEE ()
Simulation von Prognosefehlerzeitreihen; zukünftige Prognosefehler; Solarenergie; Windenergie

Abstract
Mit dem weiteren Ausbau der Windenergie und Photovoltaik (PV) wird sich das Stromversorgungssystem in den nächsten Jahrzehnten wesentlich ändern. Die Stromversorgung wird insgesamt noch variabler, und es müssen Lösungen gefunden werden, um dennoch eine sichere und günstige Stromversorgung zu gewährleisten. Da hierfür hohe Investitionen über einen langen Zeitraum notwendig sind, muss der Ausbau langfristig möglichst genau geplant werden.
Simulationen verschiedener möglicher Szenarien für das zukünftige Stromversorgungssystem sind dabei unerlässlich, um verschiedene Optionen zu vergleichen und den Ausbau zu optimieren.
Trotz der zunehmenden Bedeutung von Prognosen in der Energiewirtschaft basieren aktuelle Planungsstudien bisher nur auf einer pauschalen Abschätzung der zu erwartenden Prognosegüte für Gesamtdeutschland und für ausgewählte Prognosehorizonte. Zur Entwicklung des Simulationstools, als Referenz für Planungsstudien und für zukünftige Simulation wurde eine umfassende Datenbasis von Leistungsmesswerten und Kurzfrist-, Folgetags- und Regionenprognosen aufgebaut. Dabei kamen eine umfangreiche Anzahl an Prognosemethoden zum Einsatz, wie physikalische Modelle, Support Vector Regression, Gradient Boosting Regression Tree, Multi-Layer Perceptron, Meta-Modelle und Techniken des Representation Learning, Transfer Learning und Multi-Task Learning. Im Rahmen der Untersuchungen der Prognosen wurden erstmals umfangreiche quantitative und qualitative Analysen über die Einflüsse ausgeführt und es wurde eine Rangordnung der Faktoren aufgestellt. Dies erlaubte es, die Prognosen auf wesentliche Einflussfaktoren zu reduzieren und dies in der Simulation umzusetzen und zu verifizieren. Im Projekt werden die Simulationen anhand von Use Cases verifiziert. Diese umfassen Wind- und Solarenergiesimulationen von Einzelanlagen bis zu ganzen Regionen für Kurzfrist- und Folgetagsprognosen. Dabei konnten zum Beispiel für Windparks Prognosefehler mit einer Differenz von 0.2% beziehungsweise 1.9% für Folgetags- und Kurzfristprognosen verglichen mit der Referenz erreicht werden. Für die Folgetagsprognose für Solarparks ist die Differenz lediglich 0.5% und 1% verglichen mit der Referenz. Die entwickelte Simulationsumgebung ermöglicht es erstmalig, aktuelle und zukünftige Prognosefehler zu simulieren und diese für Planungsstudien einzusetzen.

: http://publica.fraunhofer.de/dokumente/N-615676.html