Detailansicht

Quantifying the uncertainty of empirical models for the icing on structures and wind turbine blades

Clemens Sebastian Weiß

Art der Arbeit

Masterarbeit

Universität

Universität Wien

Fakultät

Fakultät für Geowissenschaften, Geographie und Astronomie

Studiumsbezeichnung bzw. Universitätlehrgang (ULG)

Masterstudium Meteorologie

Betreuer*in

Manfred Dorninger

Volltext herunterladen
Volltext in Browser öffnen

DOI

10.25365/thesis.52739

URN

urn:nbn:at:at-ubw:1-12492.40502.562579-9

Link zu u:search

(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract

(Deutsch)

Aufgrund der zunehmenden Nachfrage nach erneuerbarer Energie, steigt die Tendenz, Windparks an Standorten zu bauen, an denen sich Vereisung im Winter negativ auf die Energieproduktion auswirken kann. Dies trifft auch in unseren Breiten zu, z.B. auf Windparks im Hochgebirge. Deswegen ist eine Verbesserung der Vereisungsvorhersage unbedingt notwendig. Für Vereisungsvorhersagen werden typischerweise meteorologische Vorhersagen mit empirischen Vereisungsmodellen gekoppelt. Diese Modelle basieren auf experimentell abgeleiteten Beziehungen, welche die Eisproduktion von meteorologischen Parametern wie z.B. Flüssigwassergehalt, Tröpfchenkonzentration, Windgeschwindigkeit, Temperatur und anderen abschätzen. Die Güte der Vereisungsvorhersagen hängt von der Unsicherheit dieser Modelle ab. Deswegen konzentriert sich diese Arbeit auf die Unsicherheiten zweier empirischer Vereisungsmodelle, nämlich dem Makkonen Modell und dem iceBlade Modell. Die Unsicherheit der Vereisungsvorhersage hängt sowohl von den fehlerhaften Anfangsbedingungen, erzeugt durch ein numerisches Wettervorhersagemodell und den Ungenauigkeiten innerhalb des Modells ab. Die erste Komponente wird durch ein Ensemble, welches verschiedene meteorologische Größen als Eingangsparameter für das Vereisungsmodell verwendet, repräsentiert. Diese Eingangsparameter werden durch eine regionale Ensemblevorhersage mit dem Weather Research and Forecasting (WRF) Modell gewonnen. Die zweite Komponente hängt mit der Modellunsicherheit, aufgrund der nicht ausreichend berücksichtigten physikalischen Eigenschaften der Vereisungsmodelle, zusammen. Parameter, welche mit dieser Art von Unsicherheit im Zusammenhang stehen, werden interne Parameter genannt. Diese werden im Modell stochastisch zwischen ungefähr -10% und 10% des ursprünglichen Wertes gestört. Zuletzt werden Fallstudien simuliert und mit den Beobachtungen, welche in einem Windpark in Ellern, Deutschland während des Winters 2016/17 gemacht wurden, verglichen. Die Unsicherheit der Eislastprognose hängt dabei größtenteils vom unterkühlten Flüssigwassergehalt, der Tröpfchenkonzentration, der Windgeschwindigkeit, meistens der Temperatur (Eingangsparameter) und von den Parametern, welche für die Berechnung des Tropfendurchmessers benötigt werden (interne Parameter) ab. Beide Komponenten der Unsicherheit können eine signifikante Ensemblebreite für die Eislast erzeugen, aber aufgrund der Abhängigkeit der internen Parameter von den Eingangsparametern werden letztere als wichtigste Unsicherheit angesehen. Deswegen sind zu- künftige Verbesserungen in der Erzeugung des Ensembles sowie in der Parametrisierung meteorologischer Größen in den numerischen Wettervorhersagemodellen, wie dem Flüssigwassergehalt, von enormer Bedeutung. Das Makkonen Modell sagt die Eislast an einem kleinen zylindrischen Stab vorher. Das iceBlade Modell basiert auf den selben grundlegenden Gleichungen wie das Makkonen Modell, jedoch angewendet auf ein stark vereinfachtes Rotorblatt. Im Zuge der Fallstudien werden beide Modelle miteinander verglichen, ein allgemein gültiges Ergebnis, ob die Erweiterung des Makkonen Modells einen messbaren Mehrwert liefern, kann jedoch nicht ausreichend gegeben werden.

Abstract

(Englisch)

Due to the increasing demand of clean energy, there is an increasing tendency to build wind farms even in locations where severe icing conditions during winter can be detrimental to energy production. This is true also at our latitude, for instance for high-mountain wind farms. Hence, an improvement in the prediction of icing events is necessary. Icing forecasts are typically done by coupling meteorological forecasts and empirical icing models. These models are based on experimentally-derived relationships that estimate the ice mass production from meteorological parameters e.g. liquid water content, droplet concentration, wind speed, temperature and others. The goodness of the icing forecasts depends on the uncertainty of these models. Therefore this thesis focuses on the uncertainties in two empirical icing models, namely the Makkonen model and the iceBlade model. Icing forecast uncertainty depends both on the imperfect initial conditions, received from a numerical weather prediction (NWP) model and on the inaccuracies in the model. The first component is represented by using an ensemble of different meteorological quantities serving as input parameters to the icing model. These input parameters are obtained by a regional ensemble forecast with the Weather Research and Forecasting (WRF) model. The second component is related to the model uncertainty due to the imperfect representation of the physics inside the icing model. Parameters, connected to this kind of uncertainty are referred to as internal parameters. They are stochastically perturbed between approximately -10% and 10% of their original value inside the model. Finally, case studies are simulated and compared to observations, made at a wind turbine farm in Ellern, Germany during the winter 2016/17. The uncertainty of ice load forecasts depends mostly on the supercooled liquid water content, the droplet concentration, the wind speed and also most of the time the temperature (input quantities) and on the parameters related to the calculations of the droplet diameter (internal parameter). Both sources of uncertainty can cause a significant ensemble range of the ice load, but due to the dependence of the internal parameters on the input parameters, the input parameters are found to be the key source of uncertainty. Therefore, a future improvement in the generation of the input parameter ensemble as well as in the parametrisations of the meteorological quantities in NWP models, e.g. the liquid water content, is essential. The Makkonen model predicts the ice load on a small cylindric rod. The iceBlade model is based on the same fundamental equations as the Makkonen model, but it applies them to a simplified wind turbine blade. Throughout the case studies both models are compared with each other, but a general result evaluating the additional value of the expansion of the Makkonen model, cannot be confirmed yet.

Autor*innen

Clemens Sebastian Weiß

Haupttitel (Englisch)

Quantifying the uncertainty of empirical models for the icing on structures and wind turbine blades

Paralleltitel (Deutsch)

Quantifizierung der Unsicherheit von empirischen Modellen für die Vereisung an Strukturen und Windturbinen-Rotorblättern

Publikationsjahr

2018

Umfangsangabe

71 Seiten : Illustrationen, Diagramme, Karten

Sprache

Englisch

Beurteiler*in

Manfred Dorninger

Klassifikationen

38 Geowissenschaften > 38.80 Meteorologie: Allgemeines ,

52 Maschinenbau > 52.56 Regenerative Energieformen, alternative Energieformen

AC Nummer

AC15113595

Utheses ID

46584

Studienkennzahl

UA | 066 | 614 | |

Detailansicht

Abstracts

Schlagwörter