WindStore: Optimierte Systemintegration von Offshore-Windenergie mittels intelligenter Verknüpfung verschiedener Prognosekonzepte und vorausschauendem Management von verteilten Kaskadenspeichern; Teilvorhaben: Skalenbasiertes Feature-Engineering und Prognose mit Deep-Learning

Abstract

Ziel des Projekts ist die Entwicklung eines neuartigen Deep-Learning-Skalenmodells zur Prognose von Wetterlagen und deren Einsatz für die Optimierung von Ertragsprognosen für Offshore-Windparks. Hierbei werden großflächige meteorologische Muster mit langsamer Dynamik mit regionalen, schnelllebigen atmosphärischen Prozessen kombiniert. Grundlage bilden numerische Wettervorhersagen. Durch die gemeinsame Auswertung dieser Daten auf unterschiedlichen räumlichen Skalen sollen die Identifikation, Vorhersage und Charakterisierung relevanter Wetterlagen verbessert werden. Die dabei gewonnenen repräsentativen Merkmale dienen sowohl der Wetterlagenklassifikation als auch der Weiterverwendung in Modellen zur Optimierung der Leistungsprognosen, insbesondere unter komplexen oder extremen Wetterbedingungen.