Repräsentativität von Einstrahlungsinformationen in nextGEMS und Wolkenkamerabeobachtungen

Kurzfassung

Durch die geplante Umstellung von fossilen zu erneuerbaren Energien steigt die Anzahl der installierten Photovoltaik Anlagen in vielen Ländern deutlich an. Dieser anhaltende weltweite Anstieg der installierten Photovoltaik Anlagen lenkt die Aufmerksamkeit auf die wetterbedingte Variabilität ihrer Produktion. Das Verständnis der zugrunde liegenden raum-zeitlichen Schwankungen der Sonneneinstrahlung ist entscheidend für die erfolgreiche Planung und den stabilen Betriebzukünftiger Stromnetze [Lohmann, 2018]. Dabei liefern Strahlungsvorhersagen auf der Basis von Wolkenkamerabildern, durch eine feine Auflösung, detaillierte Wolken- und Strahlungsinformationen. Diese Auflösung kann in bisherigen Klimamodellen nicht erreicht werden. Die neuen sturmauflösenden-Erdsystemmodelle von nextGEMS, welche ein feineres Gitter verwenden, ermöglichen es nun wesentliche Klimaprozesse, wie z.B. Stürme, die von bestehenden Klimamodellen entweder nicht erfasst oder nur empirisch repräsentiert werden, explizit darzustellen [nextGEMS]. In dieser Arbeit wurde überprüft, wie repräsentativ die Einstrahlungsinformationen eines ICON Laufs von nextGEMS, mit einer Gitterweite von 5000 Metern, im Vergleich zu den Untersuchungsergebnissen basierend auf den Daten des Kameranetzwerks Eye2Sky des DLR in Oldenburg, sind. Mit Eye2Sky sind kurzfristige Strahlungsvorhersagen für ein Untersuchungsgebiet der Größe 40 x 40 km in Oldenburg, mit einer räumlichen Auflösung von ungefähr 50 m möglich. Ebenso wurden im späteren Verlauf das hemispherical Sky imager System des Instituts für Meteorologie und Klimatologie in Hannover mit integrierter Canon EOS 750D Kamera, mit einer einzelnen Kamera des Eye2Sky Netzwerks (Mobotix Q25 6MP) hinsichtlich der unterschiedlichen Auflösungen verglichen. Es wurde überprüft, ob der am IMuK entwickelte Algorithmus zur Wolkenklassifizierung von hochaufgelösten Kamerabildern profitert. Die Analyse der Variabilität in Eye2Sky zeigt deutlich den Einfluss der räumlichen Mittelung, mit einer Reduktion des Variabilitätsindex, von maximal 300 bei Originalauflösung von 50 Metern, auf maximal 50 bei 5000 Metern.

Für den ICON Lauf aus nextGEMS, mit einer nativen Auflösung von 5000 m, liegt die Spanne der Variabilitätsindizes zwischen 1 und 27. Die Tagesmittelwerte der Variabilitätsindizes im jahr 2022 für nextGEMS liegen zwischen 1 und 12 in einer ähnlichen Größenordnung wie die Variabilitätsindizes von Eye2Sky zwischen 1 und 14, bei gleicher räumlicher Auflösung von 5000 Metern. Homogene Strahlungsverhältnisse in Eye2Sky werden häufig mit einem Variabilitätsindex von 1 beschrieben. Die Differenzierung unter variablen Bedingungen ist in Eye2Sky ausgeprägter, was sich durch die breitere Verteilung der Indizes bei gleicher räumlicher Auflösung zeigt. Die berechnete mittlere Bestrahlungsstärke in den Produkten der beiden Vorhersagemethoden, ist von der räumlichen Mittelung nahezu unabhängig. Die projizierte GHI von Eye2Sky weicht im Mittel um 3.7% und maximal 10.7% im Dezember von der mittleren, der zu Eye2Sky zugehörigen Messstationen, gemessenen Bestrahlungsstärke ab und zeigt damit eine gute Korrelation für das Jahr 2022. Die durch den ICON Lauf projizierte GHI überschätzt die tatsächlich gemessene Bestrahlungsstärke größtenteils und weicht im Mittel um 12.3% und maximal mit 31.5% im März davon ab. Der Vergleich von Eye2Sky und dem ICON Lauf von nextGEMS zeigt, dass bei vergleichbarer Auflösung von 5000 m, durch die usrprünglich feinere Auflösung des Kameranetzwerks, mehr Variabilität in den Produkten von Eye2Sky steckt. Der Vergleich der Mobotix Q25 6MP und der Canon EOS 750D zeigte bei der Klassifizierung der Wolken mithilfe eines Algorithmus vom Institut für Meteorologie und Klimatologie in Hannover detaillierte Wolkenstrukturen für die Aufnahmen beider Kameratypen. Die Auswertung anhandeines Fallbeispiels vom 17.11.2023 um 13:27 UTC deutet darauf hin, dass für eine detaillierte Erfassung der Wolken nicht nur die Auflösung, sondern auch der verwendete Algorithmus von Bedeutung ist. An diesem Fallbeispiel konnte gezeigt werden, das auch mit einer geringeren Auflösung und einem angepassten Algorithmus, sowie angepasster Helligkeit, feine Wolkenstrukturen erkannt werden konnten. Um detaillierte Aussagen hierüber treffen zu können, sind weiterführende statistische Untersuchungen notwendig. Die Variabilitätsanalyse unterstreicht die Bedeutung einer feinen Auflösung zur Erkennung von durch Wolken induzierten kleinskaligen Strahlungsgradienten und zeigt die Vorteile einer kamerabasierten Strahlungsvorhersage.