功率预测
混合建模的准确性
我们为每个客户提供量身定制的功率预测。根据要求的精度水平，我们根据客户需求配置功率预测解决方案。
功率预测结合了数值天气预报（NWP），人工神经网络（ANN）和计算流体动力学（CFD）。我们将物理方法和统计方法结合起来，称之为混合建模。
门户登录
电力预测服务由我们或由客户直接在门户上设置。
该门户允许灵活地输入和输出数据，例如天气数据提供者，在线生产数据和可用性数据。它允许设置各种功率预测方法或所谓的策略，为您的风电场搜索最准确的功率预测。可以在门户网站上检查结果，或者通过FTP或通过API交付结果。
技术基础
弥合天平
基本上，风能预测是一个挑战，因为它涉及到广泛的时空尺度。整体模型甚至中观模型都无法建立足够准确地预测风电场发电量所需的高分辨率风场。它们在千米尺度上的分辨率太粗糙，无法在微尺度上捕捉风的行为。通常，从总体规模到中观规模的比例缩小因子约为10，而从中观到微观规模的比例降低因子约为100。
因此，最大的挑战是弥合从中观到微观尺度的鸿沟。如今，大多数功率预测解决方案完全依靠统计模型来弥补这一差距。我们将统计模型和物理模型结合起来以减少预测误差。
应对策略
我们的风能预报系统结合了数值天气预报（NWP）数据，人工神经网络（ANN）和计算流体动力学（CFD）。它允许多种策略，这是将NWP，ANN和CFD数据组合在一起的多种方法。最详尽的策略可以为未来的日和短期（日内）功率预测提供精确的预测。
开发与验证
通过研发项目和联合工业项目，我们的风电预测技术已经发展了许多年。当现有客户开始在功率预测中使用该软件时，该开发工作于2009年通过对WindSim软件的简单扩展而开始。今天，我们已经将功率预测技术迁移到了Portal。
2015年，我们参加了一项试验，为装机容量为1000兆瓦的欧洲风电场提供风电预测。通过试用，我们可以将我们的服务与许多竞争对手的准确性进行比较。试用期为6个月，在16名参与者中，我们表现第二好。
影片和论文
深入了解我们的策略，观看指导视频。查找列出的与功率预测有关的论文，有关视频和论文的完整列表，请参见 图书馆.
- 中微尺度耦合用于利用平均大气条件进行风资源评估
- P.Duran，C.Meissner，K.Rutledge，R.Fonseca，J.Martin-Torres，汉堡欧洲风能大会，2018年。（pdf文件1.5 Mb）
- 使用高分辨率中尺度模型和各种降尺度技术对风电场发电量进行提前一天预报
- M.Mana，C.Meissner，汉堡欧洲风能大会，2018年。（pdf文件0.7 Mb）
- 中微尺度耦合用于利用平均大气条件进行风资源评估
- P.Duran，C.Meissner和G.Kersting，汉堡欧洲风能大会，2017年。（pdf文件0.9 Mb）
- 短期风电产量预测
- A.Sapronova，C.Meissner，M.Mana，汉堡，欧洲风电，2016年（PDF文件0.6 Mb）
- 提前很短的时间预测风力发电量–演示
- A. Sapronova，C。Meissner，M.Mana，汉堡欧洲风能赛，2016年。（pdf文件0.8 Mb）
- 复杂地形ANN与ANN-CFD混合方法的风电预测技术
- M.Mana，F.Castellani，D.Astolfi，M.Burlando，C.Meissner，E.Piccioni，汉堡WindEurope，2016年（pdf文件1.7 Mb）
- 机器学习可在短时间内预测风力发电量
- A. Sapronova，C. Meissner，M.Mana，EWEA巴黎，2015.（pdf文件10.1 Mb）
- 在复杂地形中使用CFD进行风电预测的好处
- M.Mana，C.Meissner，D.Li，A.Bencharel，T.Galopin，EWEA巴黎，2015年（pdf文件7.3 Mb）
- 使用CFD模拟的短期能源生产预测
- M.Mana，F.Corbo，C.Meissner，EWEA维也纳，2013年（pdf文件0.7 Mb）
市场
功绩效果
您如何获得电力？最有可能来自世界上超过90%的煤炭，天然气，石油，核能和水力的混合物。时代在变化–风已经成为其中的一部分，而且趋势很明显，其贡献在未来几年将变得更加重要。
市场后果是什么？将风作为能源混合物中的附加来源引入，对市场产生了深远的影响，这可以通过所谓的“功绩顺序效应”来解释。 “功绩效应”描述了确定电力市场价格的机制。
风能没有燃料成本-风是免费的-并且运营成本也很低。因此，首先将风能引入能源组合中，然后再引入更昂贵的能源，直到满足电力需求，从而确定了电价。