Klassifikation von Standorten, Risiken (Due Dili-gence) und Repowering-Potential von Windkraftanlagen anhand von Projekt- und Betriebsdaten analysierter Windkraftprojekte

Abstract

In der vorliegenden Masterarbeit wurden Windgutachten einer systematischen Analyse unterzogen mit dem Ziel, zu einer Klassifikation von Windenergie-Standorten zu kommen. Die Arbeit wurde in Zusammenarbeit mit dem Ingenieurbüro BBB Umwelttechnik GmbH in Weiden, das auf die Erstellung von Windgutachten spezialisiert ist, durchgeführt. Es wur-den Windgutachten mit Windpotenzialanalysen und Ertragsprognosen (Erstgutachten) sowie Gutachten zur technischen Due Diligence strukturiert in eine relationale Datenbank übernommen und ausgewertet. Bei den erfassten Daten handelt es sich im Wesentlichen um Geopositionsdaten von Windparks, Wetter- und Messstationen, Produktdaten von Windenergieanlagen (Nennleistung, Nabenhöhe, Rotordurchmesser, Leistungskennlinie), Windparkkonfigurationsdaten (Anzahl und Typ von Windenergieanlagen), Windfelddaten (Windgeschwindigkeit und -leistung im Jahresmittel), Ertragskennzahlen (Volllaststunden, prognostizierte Jahresarbeit für Windparks und Einzelanlagen) und Unsicherheiten (z.B. für Leistungskennlinien und Terrainbeschreibungen). Die Erfassung der Erstgutachten erfolgte mit dem Tool WindGutachtenExpert, einer Soft-ware, die im Rahmen der Arbeit entwickelt wurde. Die Windows-Software wurde zur Er-fassung von Daten und zur Recherche im Datenbestand eingesetzt. Due Diligence Gut-achten wurden auf Basis tabellarischer Zusammenstellungen in MS Excel direkt in die Datenbank importiert. Nach Abschluss der Datenbankbefüllung und vor Durchführung der Analysen wurde der Datenbestand einer umfassenden Qualitätssicherung unterzogen. Dabei wurden die Posi-tionsdaten georeferenzierter Objekte und die Wertebereiche verschiedener Kennzahlen überprüft. Das zur Qualitätssicherung von Gutachten entstandene Methodenframework stellt ein wichtiges Ergebnis der Arbeit dar. Für die Auswertungen wurde neben der relationalen Datenbank ein Business Intelligence Framework entwickelt. In diesem werden die relationalen Daten gemäß konfigurierbarer Regeln in Datenwürfel überführt. Das Vorgehen ermöglicht eine flexible und schnelle Ana-lyse von Kennzahlen auf Basis verschiedener Dimensionen (multidimensionale Analyse). Die durchgeführten Auswertungen lassen sich in geographische, kennzahlenspezifische und Due Diligence Auswertungen unterteilen.

This masters thesis aims at classifying potential wind sites through a systematic analysis of wind assessments. The study was conducted in close cooperation with BBB Um-welttechnik GmbH, a specialist in wind energy consulting located in Weiden. Wind reports including an assessment of wind potential and estimated wind yields (in the following re-ferred to as primary reports) as well as technical due diligence reports were incorporated into a relational database and analysed. Recorded data include geo-positioning of wind farms, weather and measurement stations; features of wind turbines (nominal power, hub height, rotor diameter, performance curve); wind farm configuration (number and type of wind turbine); wind field (mean annual wind speed and power), and key performance indi-cators (KPIs) (full load hours, estimated energy yield of wind park and single turbine). Recording of the primary assessment reports was achieved using the tool WindGu-tachtenExpert, a software programme that was developed in the framework of the present study. Data records and searches can be performed using this Windows based tool. All due diligence reports were imported into the database as table style reports in MS Excel. Having entered all data in the database and prior to performing any analyses the data-base has been subject to a comprehensive quality assessment including verification of geo-positioning data and KPIs of assessed wind parks. The developed methodological framework for performing quality assessments of wind reports represents one main achievement of the study. To perform data analyses a business intelligence framework was developed in addition to the relational database. Within the framework relational data were transposed to cubes following configurable rules. This approach allows flexible and quick analysis of KPIs based on various dimensions. Analyses can be performed on geographical data, KPIs, and due diligence.