Optimierung der Auslegung und Betriebsführung von Kombikraftwerken und Speichertechnologien mittels Kürzestfristvorhersagen der Wind- und PV-Leistung:

• Kürzestfristprognosen der Windleistung von einzelnen Windenergieanlagen (WEA) und Windparks durch Kombination von zeitlich hoch aufgelösten langreichweitigen (long-range) Lidarmessungen von einer Windkraftanlage und Kombination mit weiteren meteorologischen Daten. Die Kombination der Daten und Ableitung der Prognosen selbst wird mit state-of-the-art maschinellen Lernverfahren (ML) erfolgen. Es werden auch ML-basierte Verfahren zur verbesserten Persistenzvorhersage entwickelt, um den Zeitbereich der Lidarmessungen so weit als möglich zu erweitern.
• Kürzestfristvorhersagen der PV-Leistung für Regionen mit hoher zeitlicher und räumlicher Auflösung: Hierfür werden ebenfalls Vor-Ort-Messungen einer neuartigen Wolkenkamera mit hoher zeitlicher Auflösung (<=1 Minute) mit Satellitendaten (zeitliche Auflösung 15 Minuten) kombiniert. Für die Prognosen kommen u.a. ebenfalls ML-Techniken zum Einsatz.
• Erweiterung des Modells P²IONEER zur Nutzung von Kürzestfristprognosen: Das Modell wird für die Nutzung von Kürzestfristprognosen ergänzt und zu einem universellen Werkzeug für die Auslegung, Optimierung und den Betrieb von regenerativen Kombikraftwerken weiterentwickelt. Die Bediener und technischen Schnittstellen werden angepasst, damit die Nutzung des Modells weitestgehend automatisiert wird. Die Kopplung der Strom- und Gasnetze und die hieraus resultierende Entlastungen des Stromnetzes soll näher untersucht werden, wie auch die Vermeidung eines weiteren Netzausbaus.

VORKAST wird vom Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW) geleitet.

Mehr Informationen über VORKAST vom ZSW