211service.com
Scherpere computermodellen maken de weg vrij voor meer windenergie
Het nutsbedrijf met de meeste windenergiecapaciteit in de Verenigde Staten, Xcel Energie , vertrouwt meer op deze stroombron en bespaart miljoenen dollars dankzij nieuwe voorspellingsmodellen die vergelijkbaar zijn met die welke worden gebruikt om klimaatverandering te voorspellen.
wichelroede: Informatie van Dopplar-radarsystemen, zoals hier getoond, kan helpen bij het voorspellen van snelle veranderingen in windenergie.
De prognoses, ontwikkeld door de Nationaal Centrum voor Atmosferisch Onderzoek (NCAR) in Boulder, Colorado, zou kunnen helpen een toenemend probleem met windenergie aan te pakken: hoe deze intermitterende hulpbron in het elektriciteitsnet te integreren. NCAR ontwikkelt ook verbeterde modellen die kunnen helpen het vermogen van de zon te voorspellen.
Met een nauwkeurige voorspelling kunnen we meer hernieuwbare energie binnenhalen, zegt Drake Bartlett, die verantwoordelijk is voor de integratie van hernieuwbare energie in het netwerk van Xcel. Nutsbedrijven beslissen een dag van tevoren welke centrales op een bepaalde dag in bedrijf zullen zijn. Onnauwkeurige windkrachtvoorspellingen veroorzaken op twee manieren problemen met deze planning. Ten eerste dwingen ze nutsbedrijven om back-upcentrales te plannen. Deze werken inefficiënt op laag vermogen, wachtend om hun productie op te voeren als er minder windenergie beschikbaar is dan voorspeld. Ze verspillen brandstof en zijn duur in gebruik.
Ten tweede maken slechte voorspellingen het voor nutsbedrijven moeilijk om het sluiten van basislastcentrales te rechtvaardigen, zelfs als er meer dan genoeg wind is om ze overbodig te maken. Deze centrales - vaak kolencentrales of aardgascentrales met gecombineerde cyclus - zijn duur en tijdrovend om te sluiten en opnieuw op te starten. Als ze worden uitgeschakeld en de windenergie is lager dan verwacht, moet het nutsbedrijf duurdere stroom gebruiken van sneller reagerende centrales of zich wenden tot de dure spotmarkt. Als het nutsbedrijf daarentegen de basislastinstallaties aan laat staan, moet het mogelijk de windenergie inperken, misschien door windparken te vertellen dat ze sommige turbines moeten uitschakelen. In dat geval verliest het hulpprogramma op twee manieren geld. Het moet de brandstof betalen om de basislastcentrales te laten draaien, ook al had het niet echt stroom van hen nodig. En volgens zijn contract met exploitanten van windmolenparken moet het nog steeds betalen voor de windenergie die het niet gebruikt.
De oude prognoses lieten deze scenario's vaak toe. Gemiddeld verschilden de voorspellingen met 20 procent van het werkelijke vermogen, en soms waren ze wel 50 procent lager. De nieuwe voorspellingen verminderen de fout met 30 tot 40 procent, wat Xcel het vertrouwen geeft om het aantal back-upinstallaties online te verminderen, zegt Bartlett. Dit heeft het nutsbedrijf 22 miljoen dollar aan brandstof bespaard. Het heeft de extra kostenbesparingen die het gevolg zijn van het vermijden van de spotmarkt niet berekend.
De nieuwe voorspellingen zijn ook nauwkeurig genoeg om het uitschakelen van de basislaststroom te ondersteunen. Een paar jaar geleden hadden we niet het vertrouwen om basislastfabrieken af te sluiten, zegt Bartlett. Als het nu een lang weekend is met mooi weer en veel wind, dan sluiten we een kolencentrale. Zo kunnen we meer hernieuwbare energie integreren.
NCAR heeft verschillende stappen ondernomen om betere prognoses te maken. Het verbeterde ten opzichte van eerdere weersvoorspellingsmodellen door ze in kleinere stappen van tijd en ruimte uit te voeren - iets dat extra rekenkracht vereist. Het combineerde zijn modellen met die van andere organisaties en met metingen van feitelijke omstandigheden bij windparken om windsnelheden te voorspellen. Cruciaal is dat het deze windsnelheidsvoorspellingen vervolgens omzet in schattingen van hoeveel energie windparken zullen produceren, iets dat aanzienlijk kan verschillen van wat fabrikanten beweren (zie Betere computermodellen nodig voor megawindparken).
In plaats van een model slechts één keer uit te voeren, voert NCAR het ook meerdere keren uit. Het gemiddelde resultaat is doorgaans nauwkeuriger, zegt: Sue Ellen Haupt , directeur van het Weather Systems Assessment Program van het centrum.
Hoewel de modellen met een hoge resolutie worden uitgevoerd, vangen ze niet alles op. De volgende stap is om ons te concentreren op betere manieren om twee soorten gebeurtenissen te voorspellen: veranderingen in windsnelheid en weer dat ervoor zorgt dat ijs op de bladen van windturbines wordt gevormd.
Snelle veranderingen in windsnelheid kunnen bijzonder moeilijk zijn op het elektriciteitsnet (zie Windturbines, meegeleverde batterijen, kunnen voedingen stabiel houden). Icing-voorspellingen zullen ook belangrijk zijn; het is moeilijk om precies te weten wanneer een storm de juiste omstandigheden zal creëren om ijs op windturbines af te zetten, maar als zich ijs vormt, kan dit de hoeveelheid vermogen die een turbine kan genereren aanzienlijk verminderen. In het verleden zorgden voorspellingen ervoor dat Xcel rekening hield met grote hoeveelheden wind, maar dat de stroomproductie onverwachts terugliep als er ijs werd gevormd.
Het voorspellen van zonne-energie kan een grotere uitdaging zijn (zie Een oplossing voor intermitterende zonne-energie). Het vermogen van zonnepanelen kan in seconden veranderen, en wolken behoren tot de moeilijkste dingen om rekening mee te houden in klimaatmodellen. NCAR gebruikt gegevens van satellieten en op het land gebaseerde sensoren om de wolkenvoorspellingen te verbeteren, en het werkt om te voorspellen hoe verschillende hoeveelheden zonlicht (en andere factoren zoals temperatuur) zich vertalen in het daadwerkelijke vermogen van zonnepanelen.