Technologia / Poradnik techniczny
Długoterminowy zasób wiatru i ocena MCP
Krótka kampania lokalna opisuje okres własnych pomiarów. Ocena długoterminowa bada związek tego okresu z dłuższym szeregiem zasobu. Metoda pomiar–korelacja–predykcja, czyli MCP, wykorzystuje zależność między danymi lokalnymi i referencyjnymi; wynik pozostaje oszacowaniem uwarunkowanym przyjętymi założeniami.
Sprawdź zależność przed wydłużeniem szeregu danych.
Dłuższy okres danych referencyjnych jest przydatny tylko wtedy, gdy zależność między referencją a lokalizacją jest właściwa i udokumentowana.
01 / Dwa szeregi danych
Odróżnij szereg docelowy od referencyjnego.
Szereg docelowy opisuje proponowaną lokalizację, a referencja zapewnia dłuższy kontekst.
Szereg docelowy opisuje proponowaną lokalizację, a referencja zapewnia dłuższy kontekst. Zachowaj lokalizację, wysokość, typ źródła i reprezentowany okres każdego szeregu. Odległa stacja pomiarowa i modelowany zbiór danych są różnymi rodzajami danych referencyjnych.
Wieloletnia referencja nie jest automatycznie reprezentatywna dla lokalnego przepływu. Powiązanie kampanii pomiarowej z danymi długoterminowymi wymaga oceny tej zależności. Czas trwania źródła i lokalną przydatność należy rozpatrywać oddzielnie.
02 / Wspólny okres
Ustal okres nakładania używany do oceny zależności.
MCP porównuje informacje docelowe i referencyjne we wspólnym okresie, a następnie wykorzystuje ocenioną zależność z dłuższym szeregiem referencyjnym.
MCP porównuje informacje docelowe i referencyjne we wspólnym okresie, a następnie wykorzystuje ocenioną zależność z dłuższym szeregiem referencyjnym. Zachowaj synchronizację czasu i porównywalną agregację par używanych do wyznaczenia tej zależności.
Wskaż pory roku, kierunki i zakresy prędkości występujące w okresie nakładania. Brakujące okresy mogą ograniczyć reprezentatywność danych. Długi całkowity czas nie gwarantuje zaobserwowania na lokalizacji wszystkich warunków istotnych dla oszacowania długoterminowego.
03 / Model zależności
Sprawdź, co zachowuje wybrana metoda.
Zależność może opisywać średnią, rozkład prędkości lub zachowanie zależne od kierunku.
Zależność może opisywać średnią, rozkład prędkości lub zachowanie zależne od kierunku. Zapisz metodę i zamierzony wynik przed oceną jej przydatności. Dobra zgodność średniej prędkości nie dowodzi automatycznie dobrej zgodności w okresach małego zasobu ani w energii.
Publikacja NREL o MCP opisuje badania, w których wybór metody i referencji wpływa na wyniki. Wnioski z tego badania nie są uniwersalną receptą. Wybrany model projektu wymaga danych odpowiednich dla rzeczywistej lokalizacji, referencji i wymaganego wyniku.
04 / Walidacja
Oddziel dopasowanie modelu od sprawdzania jego predykcji.
Model może dobrze dopasować się do par wejściowych, nie opisując równie dobrze innych okresów.
Model może dobrze dopasować się do par wejściowych, nie opisując równie dobrze innych okresów. Oceń sposób sprawdzenia jego predykcji i obserwacje użyte do tego sprawdzenia. Zapisz okres walidacji oddzielnie od okresu dopasowania.
Sprawdź, czy rozbieżności zależą od pory roku, kierunku lub prędkości, zamiast polegać na jednym ogólnym współczynniku korelacji. Nie określono tu uniwersalnego progu korelacji. Poradnik oceny kierunkowej pomaga zachować kontekst poszczególnych sektorów kierunku.
05 / Zmiany w szeregu danych
Zidentyfikuj nieciągłości w długim szeregu referencyjnym.
Zmiany przyrządów, ekspozycji stacji lub metod przetwarzania danych mogą wpływać na długi szereg.
Zmiany przyrządów, ekspozycji stacji lub metod przetwarzania danych mogą wpływać na długi szereg. Zachowaj dostępne historie zmian i sposób traktowania istotnych nieciągłości. Nie zakładaj identycznych warunków pomiarowych we wszystkich latach.
Wskaż również okres reprezentowany przez oszacowanie długoterminowe. Normalizacja historyczna nie gwarantuje przyszłego klimatu, a krótkiego pomiaru rocznego nie należy nazywać długoterminowym zmierzonym zasobem tylko dlatego, że zastosowano model.
06 / Przekazanie oszacowania
Zachowaj założenia wraz z wynikiem rozszerzenia szeregu.
Przydatny raport wskazuje dane źródłowe, wspólny okres, wybraną zależność, walidację, korekty i pozostałą niepewność.
Przydatny raport wskazuje dane źródłowe, wspólny okres, wybraną zależność, walidację, korekty i pozostałą niepewność. Zachowaj rozróżnienie między wartościami oszacowanymi a obserwowanymi na lokalizacji, aby późniejsze dane umożliwiały aktualizację oceny.
Powiąż oszacowanie zasobu z właściwymi danymi o osiągach turbiny przed oszacowaniem energii. Poradnik dotyczący prawdopodobieństwa wyjaśnia sposób wyrażania niepewności. Nie ustala się tu zasobu wiatru na lokalizacji MARSTON, rocznego uzysku ani wystarczającego czasu kampanii pomiarowej.
Kontynuuj ocenę, korzystając z poradnika: Ścinanie wiatru i ekstrapolacja do wysokości piasty.
Kontynuuj ocenę, korzystając z poradnika: Róże wiatrów, sektory kierunku i ocena energii.
Kontynuuj ocenę, korzystając z poradnika: Energia wiatrowa P50, P90 i prawdopodobieństwo przekroczenia.
Informacje ogólne: Publikacja NREL o MCP: wrażliwość na metodę i referencję. Źródła wyjaśniają koncepcje branżowe; są odrębne od właściwych dokumentów produktów i projektów MARSTON.
Przygotuj informacje do tej oceny.
Uporządkuj dane projektu według listy kontrolnej. Oznacz braki i zachowaj odniesienia do dokumentów.
| Element oceny | Informacje do dostarczenia | Cel |
|---|---|---|
| Identyfikacja szeregów | Lokalizacje docelowe i referencyjne, wysokości i typy źródeł | Zrozum stosowaną zależność. |
| Zakres okresu nakładania | Okresy wspólne, agregacja i reprezentowane warunki | Określ dane do dopasowania modelu. |
| Cel modelu | Metoda i zachowywane lub przewidywane wielkości | Dostosuj analizę do podejmowanej decyzji. |
| Walidacja | Podstawa niezależnego sprawdzenia i rozbieżności zależne od warunków | Oceń ograniczenia predykcji. |
| Kontekst długoterminowy | Zmiany referencji, okres normalizacji i niepewność | Zachowaj zastrzeżenia do oszacowania. |
Pytania techniczne.
Czy MCP zastępuje wszystkie dane lokalizacyjne?
Nie. Łączy dostępne dane lokalizacyjne z referencją za pomocą ocenionego modelu.
Czy dłuższa referencja zawsze poprawia oszacowanie?
Czas trwania pomaga określić kontekst, lecz nadal ważne są przydatność, ciągłość i jakość zależności.
Czy wysoka korelacja ogólna wystarcza?
Może ukrywać różnice zależne od pory roku, kierunku lub prędkości. Oceń zamierzoną predykcję.
Czy znormalizowane wyniki zmierzono na lokalizacji dla każdego roku?
Nie. Odróżniaj modelowane rozszerzenia od obserwowanego okresu lokalnego.
Czy ten poradnik określa minimalny czas kampanii pomiarowej?
Nie określono uniwersalnego czasu trwania. Ocena zależy od wymaganych warunków i danych.
Co powinno towarzyszyć wynikowi MCP?
Identyfikację obu szeregów, okres nakładania, metodę, walidację, zmiany w danych i reprezentowany okres długoterminowy.
Zapytanie techniczne
Wnieś informacje projektowe do rozmowy.
Krótka kampania lokalna opisuje okres własnych pomiarów. Przekaż dostępne informacje i zakres wyposażenia, który ma zostać oceniony w ofercie technicznej.