Vorhersage der Prognosegüte verschieden großer Windpark-Portfolios

In der vorliegenden Arbeit wurde ein Windparkprognosemodell auf Basis Künstlicher Neuronaler Netze und Generalisierter Linearer Modelle entwickelt. Die beachtliche Güte des Modells konnte in einem internationalen Prognosewettbewerb bestätigt werden, in welchem die erzeugten Prognosen den geringsten Fehler im Vergleich zu elf weiteren Modellen aus Europa, Japan, Indien, USA und Australien aufwiesen. Das Modell wurde in dieser Arbeit eingesetzt, um mehr als 5000 Prognosen unterschiedlich großer Windparks und Windparkportfolios auf Basis 20 verschiedener Wetterprognosen für Zeithorizonte von 1 bis 48 Stunden zu berechnen. Die Güte der Prognosen wurde hinsichtlich räumlicher und zeitlicher Abhängigkeiten ausgewertet, um verschiedene offene Fragestellungen im Forschungsbereich der Windleistungsprognose verlässlich beantworten zu können. Dies betrifft beispielsweise die Integration von aktuellen Messwerten zur Verbesserung der Kürzestfristprognose, die Abhängigkeit der mittleren undmaximalen Fehler vom Aggregationslevel, Zeithorizont und Wettermodell, die regionalen Unterschiede in der Vorhersagbarkeit verschiedener Wettermodelle sowie die Kombination von Wettermodellen.