ASSESSMENT OF THE POSSIBILITY OF USING WIND SPEED REANALYSIS DATA FOR WIND ENERGY CALCULATIONS
The purpose of the article is to analyze the relation between wind speed data at weather stations (WS) in Ukraine and satellite data according to their geographic coordinates, presented on the NASA POWER portal; find out the possibility of using reanalysis data for wind energy calculations. Correlat...
Збережено в:
| Дата: | 2023 |
|---|---|
| Автори: | , , , , |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Institute of Renewable Energy National Academy of Sciences of Ukraine
2023
|
| Теми: | |
| Онлайн доступ: | https://ve.org.ua/index.php/journal/article/view/414 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Vidnovluvana energetika |
| Завантажити файл: |  |
Репозитарії
Vidnovluvana energetika| _version_ | 1871103663163834368 |
|---|---|
| author | Petrenko, K. Kuznietsov, М. Ivanchenko, I. Кармазін, О. О. Borsuk, A. |
| author_facet | Petrenko, K. Kuznietsov, М. Ivanchenko, I. Кармазін, О. О. Borsuk, A. |
| author_institution_txt_mv | [
{
"author": "K. Petrenko",
"institution": "Institute of Renewable Energy National Academy of Science of Ukraine, Kyiv, Ukraine."
},
{
"author": "М. Kuznietsov",
"institution": "Institute of Renewable Energy National Academy of Science of Ukraine, Kyiv, Ukraine."
},
{
"author": "I. Ivanchenko",
"institution": "Institute of Renewable Energy National Academy of Science of Ukraine, Kyiv, Ukraine."
},
{
"author": "О. О. Кармазін",
"institution": "Institute of Renewable Energy National Academy of Science of Ukraine, Kyiv, Ukraine."
},
{
"author": "A. Borsuk",
"institution": "Institute of Renewable Energy National Academy of Science of Ukraine, Kyiv, Ukraine."
}
] |
| author_sort | Petrenko, K. |
| baseUrl_str | https://ve.org.ua/index.php/journal/oai |
| collection | OJS |
| datestamp_date | 2026-07-18T06:32:18Z |
| description | The purpose of the article is to analyze the relation between wind speed data at weather stations (WS) in Ukraine and satellite data according to their geographic coordinates, presented on the NASA POWER portal; find out the possibility of using reanalysis data for wind energy calculations.
Correlations and modeling errors were analyzed for a set of 70 WS and corresponding to their coordinates time series of hourly wind speed data of MERRA-2 reanalysis database.
It has been established that the use of reanalysis data is appropriate for preliminary average wind speed and wind energy potential assessment for the regions with average wind speeds higher than 3.5 m/s and characterized by a flat topography and the absence of landscape elements that can distort the wind pattern. For such regions, the error of the wind speed modeling is 0.5 m/s (13.95%), the relative error of average annual electricity production and capacity factor calculating is equal to 17.5%. The reanalysis data show higher wind speed values for all WS' except high-mountain ones, for which the simulated values are underestimated. In general, higher wind speeds correspond to lower relative error of the calculations values and higher correlation coefficients values of the average daily and average monthly wind speed values (up to 0.95).
However, the use of reanalysis data for the development of investment projects and forecasting of WPP production is possible only after preliminary calibration and verification for each specific case.
Ref. 35, tabl. 2, fig. 3. |
| doi_str_mv | 10.36296/1819-8058.2023.3(74).75-85 |
| first_indexed | 2025-07-17T11:39:09Z |
| format | Article |
| fulltext |
75
Відновлювана енергетика. №3/2023 | Вітроенергетика
УДК 621.311.245, 551.553.5 https://doi.org/10.36296/1819-8058.2023.3(74)75-85
ОЦІНКА МОЖЛИВОСТІ ВИКОРИСТАННЯ ДАНИХ ШВИДКОСТІ ВІТРУ,
ОТРИМАНИХ МЕТОДОМ РЕАНАЛІЗУ, ДЛЯ ВИРІШЕННЯ ЗАДАЧ ВІТРОЕНЕРГЕТИКИ
Отримано 25 вер. 2023 р. ; рекомендовано до публікації 27 вер. 2023 р.
Доступно онлайн 30 вер. 2023 р.
К. В. Петренко1, М. П. Кузнєцов2, І. В. Іванченко3,
О. О. Кармазін4, А. С. Борсук5
Автор для кореспонденції: Катерина Петренко,
e-mail: katerynkapetrenko@gmail.com
Мета статті – проаналізувати відповідність даних
швидкості вітру на метеостанціях (МС) України та від-
повідних до їх географічних координат, супутникових
даних, представлених на порталі NASA POWER; з’ясу-
вати можливість використання даних реаналізу для ві-
троенергетичних розрахунків.
Проаналізовано кореляційні зв’язки та похибки моделювання для мережі із 70 МС та відповідних до їх
координат часових рядів погодинних даних швидкостей вітру бази даних реаналізу MERRA-2.
Встановлено, що використання даних реаналізу є доцільним для попередньої оцінки середньої швидкості
вітру та вітроенергетичного потенціалу регіонів, середні швидкості вітру яких є вищими 3,5 м/с і які
характеризуються рівнинним рельєфом та відсутністю елементів ландшафту, що здатні спотворити
вітрову картину. Для таких регіонів похибка моделювання швидкості вітру становить 0,5 м/с (13,95 %),
відносна похибка розрахунку середньорічного виробітку електроенергії та КВНП є рівною 17,5 %.
Дані реаналізу показують вищі значення швидкості вітру для всіх МС, крім високогірних, для яких змо-
дельовані значення є заниженими. В цілому вищим швидкостям вітру відповідають нижчі значення
відносної похибки розрахунків та вищі значення коефіцієнтів кореляції середньодобових та середньо-
місячних значень швидкості вітру (до 0,95).
Проте використання даних реаналізу для розробки інвестиційних проєктів та прогнозування виробітку
ВЕС можливе лише після попереднього калібрування та верифікації для кожного конкретного випадку.
Бібл. 35, табл. 2, рис. 3.
Ключові слова: вітроенергетика, дані реаналізу MERRA-2, швидкість вітру, КВНП, вітроенергетичний
потенціал
ASSESSMENT OF THE POSSIBILITY OF USING WIND SPEED REANALYSIS DATA FOR WIND ENERGY
CALCULATIONS
Received Sept. 25, 2023; accepted Sept. 27, 2023
Available online Sept. 30, 2023
K. Petrenko1, M. Kuznietsov2, I. Ivanchenko3,
O. Karmazin4, A. Borsuk5
Author for correspondence: Kateryna Petrenko,
e-mail: katerynkapetrenko@gmail.com
The purpose of the article is to analyze the relation between
wind speed data at weather stations (WS) in Ukraine and
satellite data according to their geographic coordinates,
presented on the NASA POWER portal; find out the possibility of
using reanalysis data for wind energy calculations.
1 головний технолог.
https://orcid.org/0009-0004-4658-9946
2 д-р техн. наук.
https://orcid.org/0000-0002-0497-7439
3 інженер І-ї категорії.
https://orcid.org/0000-0002-5083-4180
4 канд. техн. наук.
https://orcid.org/0000-0002-7628-6880
5 магістер.
https://orcid.org/0000-0003-4092-1720
1, 2, 3, 4, 5 Інститут відновлюваної енергетики
НАН України, м. Київ, Україна.
1 chief technologist.
https://orcid.org/0009-0004-4658-9946
2 Dr. of Tech. Sciences.
https://orcid.org/0000-0002-0497-7439
3 The 1st category engineer.
https://orcid.org/0000-0002-5083-4180
4 Cand. of Tech. Sciences.
https://orcid.org/0000-0002-7628-6880
5 magister.
https://orcid.org/0000-0003-4092-1720
1, 2, 3, 4, 5 Institute of Renewable Energy National
Academy of Science of Ukraine, Kyiv, Ukraine.
76
Відновлювана енергетика. №3/2023 | Вітроенергетика
Correlations and modeling errors were analyzed for a set of 70 WS and corresponding to their coordinates time
series of hourly wind speed data of MERRA-2 reanalysis database.
It has been established that the use of reanalysis data is appropriate for preliminary average wind speed and
wind energy potential assessment for the regions with average wind speeds higher than 3.5 m/s and
characterized by a flat topography and the absence of landscape elements that can distort the wind pattern.
For such regions, the error of the wind speed modeling is 0.5 m/s (13.95%), the relative error of average annual
electricity production and capacity factor calculating is equal to 17.5%. The reanalysis data show higher wind
speed values for all WS' except high-mountain ones, for which the simulated values are underestimated. In
general, higher wind speeds correspond to lower relative error of the calculations values and higher correlation
coefficients values of the average daily and average monthly wind speed values (up to 0.95).
However, the use of reanalysis data for the development of investment projects and forecasting of WPP
production is possible only after preliminary calibration and verification for each specific case.
Ref. 35, tabl. 2, fig. 3.
Keywords: wind energy, MERRA-2 reanalysis data, wind speed, CF, wind energy potential
Перелік використаних позначень та скорочень
ВЕС – вітроелектростанція
ВМО – Всесвітня метеорологічна організація
МС – метеорологічна станція
ВЕУ – вітроелектрична установка
КВНП – коефіцієнт використання номінальної потужності
АМСЦ – авіаметеорологічна станція (цивільна)
Вступ
Оцінка вітроенергетичних ресурсів будь-якої території
неодмінно починається з оцінки характеристик вітру да-
ного регіону. Найточнішими характеристиками вітрової
картини були б дані швидкості та напрямку вітру, вимі-
ряні безпосередньо на ділянці, можливість використання
якої під будівництво ВЕС розглядається. Проте, оскільки
терміни експлуатації ВЕС сягають кількох десятків років,
ВМО для врахування довгострокових тенденцій рекоме-
ндує використовувати часові ряди швидкості вітру трива-
лістю від 10 років [1], тому такі вимірювання були б не
лише дороговартісними, а й забирали б багато часу.
Для економії часу на практиці використовують метод ма-
тематичного моделювання горизонтального профілю ві-
тру (метод MCP – “measurement-correlation-prediction”)
[2], який дає можливість без значної похибки розраху-
вати показники довгострокового прогнозу швидкості ві-
тру на досліджуваній ділянці, використовуючи відповідні
архівні дані найближчої МС або іншого джерела довго-
строкових даних про швидкість і напрям вітру [3]. Проте,
незважаючи на велику кількість МС в Україні, їх розподіл
по території є нерівномірним [4], а результати їх вимірю-
вань параметрів вітру не завжди є репрезентативними
через постійне зростання закритості горизонту (нові буді-
влі, дерева тощо) тих метеомайданчиків, що розташовані
в густо забудованих частинах населених пунктів. Крім
того, є ряд територій, для яких інтерполяція даних спос-
тережень МС надскладна (наприклад, офшорні терито-
рії), а організація вимірювань безпосередньо на місцево-
сті вкрай складна й дороговартісна.
Впродовж останніх десятиліть для вітроенергетичних
розрахунків часто використовують бази даних реаналізу
як джерело інформації про швидкість та напрямок вітру
не лише на висоті 10 м (що є стандартною для вимі-
рювань на МС), а й на висотах 50, 100, 300 м [5–9].
Дані реаналізу є у відкритому доступі [10] та доступні для
скачування в погодинному, середньодобовому та
середньорічному форматі. Дискретизація здійснюється
шляхом приведення до координатної сітки даних з кроком
0,5х0,5° або 1х1°. Після обробки та архівування даних вони
стають доступними через пакет служб POWER [11].
Проте точність даних реаналізу потребує перевірки й
верифікації для кожного конкретного випадку, оскільки
вони є продуктом складного моделювання, для якого
використовуються супутникові дані та дані
дистанційного зондувавння [12].
Розробники рекомендують використовувати параметри
швидкості та напрямку вітру для визначення середніх
характеристик вітрового потоку регіону, а не локальної
території через вплив будівель і місцевої орографії [13].
Оскільки існують території й акваторії, для яких відсутні
дані наземних вимірювань, розрахунки вітроенергетич-
ного потенціалу для них можливі лише на основі даних
реаналізу.
Верифікація даних реаналізу для конкретних територій
та оцінка їх достовірності – одна з ключових задач, яку
вирішують дослідники різних країн у сфері вітроенерге-
тики [14–23].
Таким чином, надзвичайно важливо з’ясувати відповід-
ність даних реаналізу до реальних даних метеорологіч-
них спостережень на території України для обґрунту-
вання можливості їх використання для оцінки вітроене-
ргетичних ресурсів територій, для яких відсутні дані на-
земних спостережень.
Метою цієї роботи є оцінка зв’язку між даними швидко-
сті вітру на МС і даними реаналізу та з’ясування умов до-
цільності використання даних реаналізу для оцінки віт-
роенергетичних характеристик регіону.
77
Відновлювана енергетика. №3/2023 | Вітроенергетика
Актуальність дослідження
Національне управління з аеронавтики та дослідження
космічного простору Сполучених Штатів розробило набір
даних глобального реаналізу під назвою «Ретроспектив-
ний аналіз сучасної ери для досліджень і застосувань, ве-
рсія 2» (MERRA-2). MERRA-2 виконує реаналіз, використо-
вуючи дані з 1980 року до теперішнього часу, та надає
значення для ряду метеорологічних параметрів [24]. Та-
кож було проведено дослідження, щоб оцінити точність
прогнозів вітру MERRA-2. Мамані та ін. [25] порівняли
MERRA-2 з місцевими даними та числовою моделлю про-
гнозу погоди в Болівії та виявили значні розбіжності, по-
тенційно через велику абсолютну висоту над рівнем
моря розглянутих місць. Дослідження в Пакистані пока-
зало схожі результати, а також постало питання про від-
сутність регіональних даних, доступних для використання
в реаналізі MERRA-2 [26]. Більш широке дослідження то-
чності MERRA-2 було проведено в [27], де розглянуто різ-
номанітні місця по всьому світу, включаючи Швейцарію,
Австралію (Брісбен), США, Чилі, Німеччину, Іран та офшо-
рні локації в Данії та Японії. Вони порівняли середню шви-
дкість вітру від MERRA-2 з даними від Meteonorm, який
збирає інформацію з метеостанцій у всьому світі, й ви-
явили, що загалом кореляції є досить високими. Особли-
вий інтерес для цього дослідження являють висновки
про те, що Брісбен мав найнижчий коефіцієнт кореляції
(0,81), тоді як кореляції для офшорних локацій були до-
сить високими, 0,99 і 0,88 для Данії та Японії відповідно
[27]. Це свідчить про те, що MERRA-2 може бути корис-
ним для дослідження офшорних потенціалів виробітку
електричної енергії; однак дослідження було обмеже-
ним, оскільки воно не враховувало сезонних і добових
часових коливань, натомість розглядало лише середню
швидкість вітру. Автори дослідження [28] порівняли дані
MERRA-2 з даними метеорологічних станцій в Європі з ре-
зультатами реаналізу MERRA-2 і з’ясували, що незважа-
ючи на те, що MERRA-2 добре враховує часові варіації
швидкості вітру в середньомісячних і сезонних трендах,
фактичні оцінені швидкості відхиляються від спостере-
жень, і ступінь цих розбіжностей змінюється залежно від
географічних умов оточуючої місцевості. Дослідження та-
кож демонструє значущість дисперсій обчислених коефі-
цієнтів використання номінальної потужності ВЕУ (на
30 % недооцінено КВНП у Середземномор’ї та на 60 % пе-
реоцінено для північного заходу Європи [28]. Однак дос-
лідники відзначають, що прогнози MERRA-2 щодо офшо-
рних швидкостей вітру та КВНП ВЕУ видаються більш точ-
ними, ніж для суходолу.
У роботі [29] проведено оцінку придатності супутнико-
вих даних для розрахунку офшорного вітроенергетич-
ного потенціалу на основі зіставлення даних реаналізу з
наземними спостереженнями. Дослідники дійшли ви-
сновку, що дані реаналізу показують тенденцію до зави-
щення значень швидкості вітру для МС з низькими
швидкостями вітру (˂ 4 м/с) та дещо занижують зна-
чення для територій з сильними вітрами (˃ 7 м/с). Сере-
дня відносна похибка даних реаналізу становила 32,7 %
відповідно до результатів дослідження [29].
Дослідження зв’язку між даними реаналізу та даними
МС було проведено для території Мексики [18]. Вчені ви-
явили, що зі збільшенням ступеня агрегованості даних
(від погодинних до середньомісячних і середньорічних)
коефіцієнт кореляції зростає. Крім того, дослідниками
вказано на труднощі в представленні вітрової картини за
допомогою даних реаналізу для складних і пересічених
форм рельєфу (середній коефіцієнт кореляції для таких
локацій становить 0,38). Проте для регіонів, де вітрові по-
токи визначаються не місцевою циркуляцією, яку спричи-
нює орографія місцевості, а великомасштабною циркуля-
цією, що взаємодіє з масштабною орографією, коефіціє-
нти кореляції є значно вищими (середній – 0,84).
Розрахунки КВНП ВЕУ[18] на основі даних реаналізу та-
кож мають тенденцію до завищення значень.
Оскільки оцінка доцільності використання даних реана-
лізу для вітроенергетичних розрахунків, яка прово-
диться групами вчених різних країн, показує неоднозна-
чні результати, важливо проаналізувати придатність цих
даних для використання в обчисленні вітроенергетич-
них показників для території України.
Матеріали та методи
Для порівняння швидкості вітру, виміряної на МС Укра-
їни, з відповідними до їх координат даними реаналізу,
було сформовано базу даних опорних МС, до якої увій-
шли МС, що відповідають таким вимогам:
− наявність неперервного ряду спостережень за пе-
ріод 2011–2020 рр.;
− відсутність значних перешкод (елементів рельєфу, буді-
вель, дерев тощо), які б могли спричинити спотворення
вітрової картини через закритість горизонту на певних
румбах;
− використання одного типу вітровимірювального при-
ладу впродовж вказаного періоду.
Згідно з вищеперерахованими вимогами до мережі
опорних МС увійшли МС, що їм відповідають, та декі-
лька станцій, які розташовані поруч з державним кордо-
ном України (чи береговою лінією) і слугують «крайніми
точками» для коректнішого просторового представ-
лення метеорологічної інформації [30]. У результаті
було сформовано перелік із 70 МС, дані яких є репрезе-
нтативними для регіонів, в яких вони розташовані.
Відповідно до географічних координат опорних МС
було створено базу даних реаналізу (погодинних даних
швидкості вітру на висоті 10 м) [10]. Метеорологічні па-
раметри, представлені на порталі NASA POWER, отри-
мані з моделі асиміляції GMAO MERRA-2 НАСА та GEOS
5.12.4 FP-IT. MERRA-2 є версією системи асиміляції да-
них NASA Goddard Earth Observing System (GEOS) [31]
GEOS версії 5.12.4 має таку саму роздільну здатність сі-
тки, що й MERRA-2 (і ту саму фізику моделі) [32].
Формування рядів даних для порівняння було здійснено з
тригодинним кроком, відповідно до строків спостережень,
за якими здійснюється вимірювання параметрів на МС.
Оцінка зв’язку між даними реаналізу та даними МС
здійснювалася методом порівняння статистичних пара-
78
Відновлювана енергетика. №3/2023 | Вітроенергетика
метрів рядів (середнє значення, середньоквадратичне
відхилення, коефіцієнт варіації), а також визначенням
коефіцієнтів кореляції, які дають можливість оцінити
ступінь зв’язку між двома або більше випадковими ве-
личинами [33]. Ці параметри були розраховані для 70
пар рядів даних.
Подальший аналіз здійснювався шляхом побудови ден-
дрограми результатів кластерного аналізу за такими по-
казниками рядів:
− різниця середніх швидкостей за період 2011–2020 рр.;
− коефіцієнт кореляції між рядами.
Кластерний аналіз було проведено з використанням
статистичної програми PAST, що являє собою безкошто-
вний пакет програм для аналізу статистичних даних [34].
Для формування кластерів було застосовано метод
Уорда, який дає змогу мінімізувати внутрішньогрупову
дисперсію всередині кластерів. Згідно з цим методом
приєднання об’єктів до кластерів здійснюється в разі мі-
німального приросту внутрішньогрупової суми квадра-
тів відхилень. При визначенні міри подібності об’єктів
кластерного аналізу використовуються чотири види ко-
ефіцієнтів: коефіцієнти кореляції, показники відстаней,
коефіцієнти асоціативності, коефіцієнти подібності. Ко-
жен з цих показників має свої переваги та недоліки, які
попередньо потрібно врахувати [35].
У кожному з отриманих кластерів було вибрано МС для
побудови регресійної моделі, яка б дала можливість пе-
редбачати значення однієї випадкової величини за
конкретними значеннями іншої [33]. Для вибраних МС і
відповідних до них рядів даних реаналізу були розрахо-
вані такі показники:
− середня швидкість вітру, м/с;
− частка енергетичної швидкості, %;
− середньорічний виробіток електричної енергії,
кВт*год;
− КВНП ВЕУ;
− вітроенергетичний потенціал на висоті 10 м; Вт/м2.
Для розрахунків було використано криву потужності ти-
пової ВЕУ тримегаватного класу.
Результати дослідження
На першому етапі дослідження було сформовано базу
даних метеорологічних спостережень за швидкістю ві-
тру, до якої увійшли дані 70 МС та відповідних до їх ко-
ординат рядів даних реаналізу MERRA-2. Було розрахо-
вано коефіцієнти кореляції для кожної пари рядів. Сере-
дній коефіцієнт кореляції для середньодобових даних
становить 0,8 (мінімальний 0,45 для МС Ай-Петрі, мак-
симальний 0,92 для АМСЦ Кривий Ріг). Середній коефі-
цієнт кореляції для середньомісячних значень швидко-
сті вітру становить також 0,8 (мінімальний 0,35 для МС
Ай-Петрі, максимальний 0,95 для АМСЦ Рівне). Серед-
ній коефіцієнт кореляції для середньорічних значень
швидкості вітру становить 0,59 (мінімальний 0,12 для
МС Біловодськ, максимальний 0,9 для АМСЦ Рівне). Ре-
зультати кореляційного аналізу для середньомісячних
даних представлені на рис. 1.
Рис. 1. Коефіцієнти кореляції середньомісячних даних швидкості вітру на МС та даних реаналізу
Fig. 1. Correlation of average weather stations' wind speed data and reanalysis data
79
Відновлювана енергетика. №3/2023 | Вітроенергетика
З метою виявлення закономірностей, які визначають
наявність тісного кореляційного звя’зку між даними,
використовуючи коефіцієнти кореляції між
середньомісячними рядами даних та різницею середніх
швидкостей між виміряними та змодельованими
даними, було проведено кластерний аналіз МС. Для фо-
рмування кластерів було застосовано метод Уорда [35].
Було отримано п’ять кластерів (рис. 2). Середні статис-тичні
параметри для кожного з кластерів представлено в табл. 1.
Рис. 2. Результати кластерного аналізу МС України
Fig. 2. Cluster analysis results for WS of Ukraine
Таблиця 1. Статистичні параметри кластерів
Table 1. Statistical parameters of clusters
Номер кластера 1 2 3 4 5
Кількість МС в кластері 10 33 17 8 2
Середня швидкість вітру за даними МС, м/с 2,20 2,83 3,87 3,43 4,20
Середня швидкість вітру за даними реаналізу, м/с 4,45 4,48 4,40 4,57 2,17
Різниця (Vреан. - VМС), м/с 2,25 1,65 0,53 1,14 -2,03
Відносна похибка, % 102,27 58,30 13,95 32,94 -48,33
Коефіцієнт кореляції 0,82 0,79 0,84 0,79 0,60
Серед. град. закритості МС 6,48 5,11 3,96 3,10 4,90
Оскільки метою кластеризації було виокремлення груп МС
з мінімальною внутрішньогруповою дисперсією всередині
групи, а не рівномірний розподіл МС по кластерах, то кіль-
кість об’єктів усередині кожного кластера суттєво відрізня-
ється. Проте, як видно з табл. 1, між кластерами існують
суттєві відмінності за статистичними параметрами.
Найзначиміші відносні похибки швидкостей вітру
характерні для першого і п’ятого кластерів. У першому
кластері реальні швидкості вітру вдвічі нижчі, а в п’ятому –
вдвічі вищі, ніж швидкості вітру за даними реаналізу.
Найкращий коефіцієнт кореляції даних та найменша
різниця швидкостей (ознаки, за якими проводився
кластерний аналіз) характерні для третього кластера
(коефіцієнт кореляції 0,84, Vреан. - VМС = 0,53 м/с, що стано-
вить менше 14 % похибки). Коефіцієнт кореляції даних є та-
кож найвищим для третього кластера.
З метою виявлення фактора, який міг би пояснити такий
розподіл, було проаналізовано інформацію про заті-
нення МС (середній градус закритості), оскільки оточу-
ючий ландшафт може суттєво спотворювати вітрову ка-
ртину місцевості. З’ясувалося, що середній градус за-
критості горизонту є найнижчим для четвертого і тре-
тього кластерів (3,10° та 3,96° відповідно) та найвищим
для першого кластера (6,48°). До третього кластера
80
Відновлювана енергетика. №3/2023 | Вітроенергетика
ввійшла абсолютна більшість АМСЦ України, які розмі-
щуються в аеропортах.
Наступним етапом дослідження було картографічне
представлення результатів кластерного аналізу (рис. 3).
Рис. 3. Результати кластеризації МС України на карті просторового розподілу середньої швидкості вітру
Fig. 3. The WS' of Ukraine clustering results on the map of the wind speed spatial distribution
Аналіз рис. 3 показав, що:
− МС п’ятого кластера розташовані в гірських районах,
для яких дані реаналізу не є репрезентативними
взагалі, оскільки орієнтація хребтів і долин позбав-
ляє сенсу будь-яку інтерполяцію результатів вимірю-
вань, а тим більше – моделювання, з відстанню між
вузлами сітки в 50 км;
− Об’єкти другого кластера переважно розташовані
на територіях з середніми швидкостями вітру від
2,5 до 3,0 м/с;
− Об’єкти третього та четвертого кластерів, для яких
значення похибок є найнижчими, усі розташовані на
територіях, для яких середня швидкість вітру
перевищує 3 м/с;
До третього кластера ввійшли 8 АМСЦ, які розміщені в
аеропортах, які завідомо розташовані на рівнинних і
відкритих територіях, що робить умови вимірювання
параметрів вітру на них мінімально спотвореними
орографічними перешкодами, високою рослинністю та
забудовою, і тому максимально точними.
Наступним етапом дослідження була спроба оцінити
точність оцінки вітроенергетичних параметрів для
об’єктів з кожного кластера.
Для цього було вибрано п’ять МС з середніми
показниками швидкості вітру та коефіцієнтів кореляції,
притаманними кожному з кластерів. Перший кластер –
МС Золочів, другий – МС Стрілкове, третій – АМСЦ
Кропивницький, четвертий – МС Ямпіль, п’ятий – МС
Плай. Для вибраних МС було побудовано регресійні
моделі та вказано величини достовірності апроксимації
(рис. 4).
Як видно з регресійних моделей, найменше значення
коефіцієнта b в рівнянні лінії регресії y = ax + b
спостерігається для пар значень швидкості вітру на
МС третього кластера (0,78). Також для цього
кластера характерний найменший розкид значень
відносно лінії регресії (R2 = 0,8). Це свідчить про
найтісніший зв’язок між даними МС та реаналізу для
МС третього кластера в межах цієї вибірки об’єктів
дослідження.
81
Відновлювана енергетика. №3/2023 | Вітроенергетика
Рис. 4. Діаграма розсіювання виміряної та змодельованої швидкостей вітру для 5 МС:
а – МС Золочів; b – МС Стрілкове; c – АМСЦ Кропивницький; d – МС Ямпіль; e – МС Плай
Fig. 4. Scatter diagram of measured and simulated wind speeds for 5 WS:
а –WS Zolochiv; b – WS Strelkove; c – AWSC Kropyvnytskyi; d – WS Yampil; e – WS Play
Для з’ясування впливу похибок в оцінці швидкості вітру
на основні енергетичні показники, було вибрано криву
потужності віртуальної ВЕУ тримегаватного класу з
висотою осі ротора 120 м.
Результати розрахунків наведено в табл. 2.
Таблиця 2. Порівняння основних енергетичних параметрів вітрового режиму за даними МС та даними реаналізу
Table 2. Comparison of the main energy parameters of the wind regime according to WS data and reanalysis data
Показник МС
Золочів
МС
Стрілкове
АМСЦ
Кропив-
ницький
МС Ям-
піль
МС
Плай
Середня швидкість вітру на МС, м/с 2,21 3,49 3,77 3,36 4,91
Середня швидкість вітру за даними реаналізу, м/с 4,4 5,29 4,29 4,47 2,03
Різниця середніх швидкостей вітру,
(Vреан. - VМС), м/с 2,19 1,80 0,52 1,11 -2,88
a b
c d
e
82
Відновлювана енергетика. №3/2023 | Вітроенергетика
Показник МС
Золочів
МС
Стрілкове
АМСЦ
Кропив-
ницький
МС Ям-
піль
МС
Плай
Похибка середніх швидкостей вітру відносно даних МС, % 99,10 51,58 13,79 33,04 -58,66
Середньорічний виробіток електроенергії на площадці
МС, МВт*год 3 154 6 574 9 308 7 161 11 939
Середньорічний виробіток електроенергії за даними ре-
аналізу, МВт*год 11 900 14 010 10 939 11 622 2 019
Різниця середньорічного виробітку, кВт*год 8 746 7 435 1 631 4 460 -9 920
Відносна похибка середньорічного виробітку, % 277,30 113,09 17,52 62,28 -83,09
КВНП ВЕУ за даними МС 0,12 0,25 0,35 0,27 0,45
КВНП ВЕУ за даними реаналізу 0,45 0,53 0,42 0,44 0,08
Різниця КВНП ВЕУ 0,33 0,28 0,06 0,17 -0,38
Відносна похибка КВНП ВЕУ, % 277,50 113,20 17,51 62,50 -83,04
Вітропотенціал на висоті 10 м за даними МС, Вт/м2 19,22 113,95 70,45 63,29 291,25
Вітропотенціал на висоті 10 м за даними реаналізу, Вт/м2 93,78 166,5 86,70 100,46 9,11
Різниця потенціалів, Вт/м2 74,56 52,52 16,25 37,17 -282,14
Відносна похибка розрахованих значень вітропотенціа-
лів, % 387,82 46,10 23,06 58,74 -96,87
Як видно з табл. 2, в першому кластері (МС Золочів) сере-
дні швидкості вітру за даними реаналізу є завищеними по
відношенню до даних спостережень на МС вдвічі, що
призводить до завищених значень середньорічного ви-
робітку електроенергії та КВНП ВЕУ (в 3,8 раза).
У другому кластері (МС Стрілкове), де середні швидкості
вітру трохи вищі (різниця становить 1,8 м/с), значення
середньорічного виробітку електроенергії та КВНП ВЕУ
за даними реаналізу перевищують розрахунки за да-
ними МС в 2,1 раза.
У третьому кластері (АМСЦ Кропивницький), різниця се-
редніх швидкостей в 0,5 м/с призводить до похибки в
оцінці КВНП ВЕУ та середньорічного виробітку електро-
енергії на рівні 17,5 %.
У четвертому кластері (МС Ямпіль) різниця середніх
швидкостей вітру становить 1,11 м/с, що спричинює по-
хибку в розрахунках КВНП ВЕУ та середньорічного виро-
бітку електроенергії на рівні 62,3 %.
П’ятий кластер, до якого увійшли гірські метеостанції Ук-
раїнських Карпат, представлений МС Плай. Середні
швидкості вітру за даними реаналізу є суттєво нижчими
в порівнянні з даними спостережень. Середня швид-
кість вітру занижена більш ніж вдвічі. Відповідно суттєво
заниженими є і значення виробітку електроенергії та
КВНП ВЕУ. Проте розробники бази даних MERRA-2 попе-
реджають про некоректність використання їх продукту
для місцевостей зі складною орографією, тому такі сут-
тєві похибки в цьому кластері є цілком очікуваними.
У розрахунках вітроенергетичного потенціалу найме-
ншу похибку обчислення виявлено для МС третього кла-
стера (23 %).
Варто зазначити, що отримані результати не суперечать
результатам, отриманим іншими дослідниками. Відносна
похибка швидкості вітру за супутниковими даними для ви-
браних локацій в Австралії сягала 113,7 % і набувала
максимальних значень для локацій з низькою (˂ 4 м/с) та
високою (˃7 м/с) швидкостями вітру. Середня відносна по-
хибка швидкості вітру для всіх пунктів спостережень стано-
вила 32,7 % [29].
У матеріалах дослідження [28] було показано, що викорис-
тання некорегованих даних реаналізу для оцінки КВНП ВЕУ
призвело до недооцінки значень КВНП ВЕУ на 30 % (Порту-
галія, Румунія) та переоцінки на 60 % (Німеччина, Данія).
Висновки. Коректне визначення вітроенергетичного по-
тенціалу території має базуватися на максимально точ-
них даних вимірювань швидкості вітру впродовж трива-
лого проміжку часу. Оскільки покриття території України
джерелами даних про вітер є вкрай нерівномірним, а на
офшорних територіях відсутнє взагалі, постає актуаль-
ним питання пошуку альтернативних джерел даних про
вітрову картину регіону.
У дослідженні параметрів розподілу швидкості та на-
прямку вітру, а також для оцінки вітроенергетичних па-
раметрів різних країн та регіонів учені всього світу де-
далі частіше покладаються на бази даних реаналізу.
Проте ці дані потребують верифікації для кожного конк-
ретного випадку, оскільки похибки в оцінці швидкості
вітру в ряді досліджень перевищували 100 %.
У ході даного дослідження було сформовано базу даних
строкових спостережень за швидкістю вітру на 70 МС Ук-
раїни та відповідних до їх координат даних реаналізу
MERRA-2 тривалістю 10 років. Для всіх пар часових рядів
(середньодобових, середньомісячних, середньорічних)
було розраховано коефіцієнти кореляції. Середні значення
коефіцієнта кореляції були рівними для середньодобових
та середньомісячних рядів (0,8), осереднене середньо-рі-
чне значення коефіцієнта кореляції виявилось суттєво ни-
жчим (0,59). Для подальших розрахунків було вирішено
використовувати середньомісячні ряди даних.
Було проведено кластерний аналіз 70 вибраних МС на ос-
нові таких показників, як коефіцієнт кореляції та різниця
Продовження Таблиці 2
Continuation of Table 2
83
Відновлювана енергетика. №3/2023 | Вітроенергетика
значень середньої швидкості вітру. В результаті аналізу
було сформовано п’ять кластерів об’єктів та нанесено їх
на карту розподілу швидкості вітру на висоті 10 м. Для ко-
жного кластера було розраховано статистичні параметри
швидкості вітру. В межах кожного кластера було вибрано
одну типову МС (характеристики якої були б наближені
до середніх по кластеру). Для п’яти типових МС було ро-
зраховано вітроенергетичний потенціал, КВНП ВЕУ та се-
редньорічний виробіток електроенергії.
Аналіз отриманих результатів виявив, що:
− нижчим швидкостям вітру відповідають вищі зна-
чення відносної похибки;
− найвищі показники коефіцієнта кореляції між ря-
дами швидкості вітру та найнижчі похибки розраху-
нків притаманні третьому та четвертому кластерам;
− МС, що належать до кластерів з найкращою кореля-
цією даних за показником швидкості вітру (третій і
четвертий кластери), характерний в середньому ни-
жчий градус закритості горизонту (затінення станції);
− для високогірних регіонів дані реаналізу є заниженими
більш ніж вдвічі, відповідно, суттєво заниженими є і
значення виробітку електроенергії та КВНП ВЕУ.
− аналіз діаграм розсіювання виміряної та змодельо-
ваної швидкостей вітру для п’яти МС, які, відповідно
представляють п’ять кластерів, показав, що найтісні-
шим є зв'язок між реальними даними та даними ре-
аналізу в третьому кластері (R2=0,8);
− найнижче значення відносної похибки середньомі-
сячних швидкостей вітру становить 13,8% (третій кла-
стер) і йому відповідає відносна похибка 17,5% у зна-
ченні середньорічного виробітку електроенергії та
значенні КВНП ВЕУ. Відносна похибка розрахунку ві-
троенергетичного потенціалу становить 23 %.
Отже, МС, що входять до третього кластеру, демонструють
найтісніший зв’язок між реальними та змодельованими
даними та найнижчі похибки розрахунків, що пояснюється
досить високими швидкостями вітру та низькими значен-
нями затіненості горизонту МС (до цього кластера також
входять вісім АМСЦ, що обслуговують аеропорти).
Загалом отримані результати добре узгоджуються з опу-
блікованими результатами для інших регіонів.
Використання даних реаналізу вбачається можливим
для оцінки середньої швидкості вітру та вітроенергетич-
ного потенціалу регіонів з плоским рельєфом та низь-
кою рослинністю (чи для водних обє’ктів), оскільки не-
рівності рельєфу, забудова та висока рослинність сут-
тєво спотворюють вітрову картину. Проте використання
даних реаналізу для розробки інвестиційних проєктів та
прогнозування виробітку електроенергії ВЕС можливе
лише після попереднього калібрування та верифікації
для кожного конкретного випадку.
Стаття підготовлена в межах виконання науково-техніч-
них робіт Національної академії наук України: НДР
«Комплекс-Інтегро» (КПКВК 6541030) та українсько-
шведського проєкту «Українські стійкі енергетичні сис-
теми» (Ukrainian Sustainable Energy Systems), фінансова-
ного Шведським інститутом (Sl – Svenska institutet)
ПОСИЛАННЯ
1. Руководство по климатологической практике. Изд. 2014 г.
ВMO-№ 100. С. 82.
2. MCP [Електронний ресурс]. URL: https://www.emd-
international.com/windpro/windpro-modules/energy-
modules/mcp/ (дата звернення: 19.09.2023).
3. Тучинський Б. Г., Петренко К. В., Іванченко І. В. Верифікація
результатів розрахунків швидкості вітру методом реана-
лізу. Відновлювана енергетика та енергоефективність у XXI
столітті: матеріали XX міжнародної науково-практичної
конференції (Київ, 15-16 травня 2019 р.). К.: Інтерсервіс,
2019. С. 444–449.
4. Петренко К. В., Іванченко І. В., Кармазін О. О. Застосування
діаграми Вороного для оцінки якості інформаційного пок-
риття території України джерелами даних про вітер. Мате-
ріали XХІV міжнародної науково-практичної конференції
«Відновлювана енергетика та енергоефективність у ХХІ
столітті», 18–19 травня 2023 року, Київ. С. 248–250.
5. Осадчий В. І., Скриник О. Я., Ошурок Д. О., Вітрові ресурси
тернопільської області. - 2017 [Електронний ресурс]. URL:
http://dspace.nbuv.gov.ua/xmlui/bitstream/handle/1234567
89/162410/06-Osadchii.pdf?sequence=1 / (дата звернення:
19.09.2023).
6. Assessment of wind energy potential using reanalysis data: A
comparison with mast measurements. Rajat Kanti Samal 2021
[Електронний ресурс]. URL:
https://www.sciencedirect.com/science/article/abs/pii/S095
965262102151X (дата звернення: 19.09.2023).
7. Calibration of Reanalysis Data against Wind Measurements
for Energy Production Estimation of Building Integrated
Savonius-Type Wind Turbine Andoni Gonzalez-Arceo, Maitane
Zirion-Martinez de Musitu, Alain Ulazia, Mario del Rio, Oscar
Garcia 2020 [Електронний ресурс]. URL:
https://www.mdpi.com/2076-3417/10/24/9017 (дата звер-
нення: 19.09.2023).
8. What Can Reanalysis Data Tell Us About Wind Power?
Stephen Rose and Jay Apt 2014 [Електронний ресурс]. URL:
https://www.cmu.edu/ceic/assets/docs/publications/workin
g-papers/ceic-14-05.pdf (дата звернення: 19.09.2023).
9. Statistical methodology for on-site wind resource and power
potential assessment under current and future climate
conditions: a case study of Suriname. Peter Donk, Els Van
Uytven, Patrick Willems 2019 [Електронний ресурс]. URL:
https://link.springer.com/article/10.1007/s42452-019-0885-
6 (дата звернення: 19.09.2023).
10. POWER | Data Access Viewer Prediction Of Worldwide Energy
Resource [Електронний ресурс]. URL:
https://power.larc.nasa.gov / (дата звернення: 19.09.2023).
11. NASA POWER| Docs [Електронний ресурс]. URL:
https://power.larc.nasa.gov/docs/methodology/data/source
s/#meteorological (дата звернення: 19.09.2023).
12. The Modern-Era Retrospective Analysis for Research and
Applications, Version 2 (MERRA-2) Електронний ресурс].
URL:
https://journals.ametsoc.org/view/journals/clim/30/14/jcli-
d-16-0758.1.xml#s2 (дата звернення: 19.09.2023).
13. WIND [Електронний ресурс]. URL:
https://power.larc.nasa.gov/docs/methodology/meteorolog
y/wind/ (дата звернення: 19.09.2023).
14. Modeling of Ethiopian Wind Power Production Using ERA5
Reanalysis Data Kena Likassa Nefabas,Lennart Söder,
Mengesha Mamo, Jon Olauson 2021 [Електронний ресурс].
URL:https: //www.mdpi.com/1996-1073/14/9/2573 (дата
звернення: 19.09.2023).
https://www.emd-international.com/windpro/windpro-modules/energy-modules/mcp/
https://www.emd-international.com/windpro/windpro-modules/energy-modules/mcp/
https://www.emd-international.com/windpro/windpro-modules/energy-modules/mcp/
http://dspace.nbuv.gov.ua/xmlui/bitstream/handle/123456789/162410/06-Osadchii.pdf?sequence=1
http://dspace.nbuv.gov.ua/xmlui/bitstream/handle/123456789/162410/06-Osadchii.pdf?sequence=1
https://www.sciencedirect.com/science/article/abs/pii/S095965262102151X
https://www.sciencedirect.com/science/article/abs/pii/S095965262102151X
https://www.mdpi.com/2076-3417/10/24/9017
https://www.cmu.edu/ceic/assets/docs/publications/working-papers/ceic-14-05.pdf
https://www.cmu.edu/ceic/assets/docs/publications/working-papers/ceic-14-05.pdf
https://link.springer.com/article/10.1007/s42452-019-0885-6
https://link.springer.com/article/10.1007/s42452-019-0885-6
https://power.larc.nasa.gov/
https://power.larc.nasa.gov/docs/methodology/data/sources/#meteorological
https://power.larc.nasa.gov/docs/methodology/data/sources/#meteorological
https://journals.ametsoc.org/view/journals/clim/30/14/jcli-d-16-0758.1.xml#s2
https://journals.ametsoc.org/view/journals/clim/30/14/jcli-d-16-0758.1.xml#s2
https://power.larc.nasa.gov/docs/methodology/meteorology/wind/
https://power.larc.nasa.gov/docs/methodology/meteorology/wind/
https://www.mdpi.com/1996-1073/14/9/2573
84
Відновлювана енергетика. №3/2023 | Вітроенергетика
15. Wind potentials for EU and neighbouring countries. Dalla Longa,
F.; Kober, T. Badger, J.; Volker, P. Hoyer-Klick, C. Hidalgo Gonzalez,
I.; Medarac, H.; Nijs, W.; Politis, S.; Tarvydas, D.; Zucker, A. 2018
[Електронний ресурс].
URL:https://publications.jrc.ec.europa.eu/repository/bitstream/
JRC109698/kjna29083enn_1.pdf (дата звернення: 19.09.2023).
16. Spatial and temporal variability characteristics of offshore
wind energy in the United Kingdom Panit Potisomporn,
Christopher R. Vogel 2021 [Електронний ресурс].
URL:https://onlinelibrary.wiley.com/doi/full/10.1002/we.268
5 (дата звернення: 19.09.2023).
17. An all-Africa dataset of energy model “supply regions” for
solar photovoltaic and wind power Sebastian Sterl, Bilal
Hussain, Asami Miketa, Yunshu Li, Bruno Merven,
Mohammed Bassam Ben Ticha, Mohamed A. Eltahir Elabbas,
Wim Thiery, Daniel Russo, 2022 [Електронний ресурс].
URL:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC962282
3/ (дата звернення: 19.09.2023).
18. Estimating wind speed and capacity factors in Mexico using
reanalysis data C. F. Morales-Ruvalcaba, O. Rodriguez-
Hernandez, O. Mart´ınez-Alvarado, D.R. Drew, E. Ramos, 2020
[Електронний ресурс].
URL:https://centaur.reading.ac.uk/92440/1/manuscript.pdf
(дата звернення: 19.09.2023).
19. On the wind resource in Algeria: Probability distributions
evaluation. Houdayfa Ounis and Nawel Aries 2020 [Електрон-
ний ресурс].
URL:https://journals.sagepub.com/doi/10.1177/0957650920
975883?icid=int.sj-abstract.citing-articles.2 (дата звернення:
19.09.2023).
20. UTILITY-SCALE SOLAR AND WIND AREAS. BURKINA FASO.
Imen Gherboudj and Mohammed Sanusi Nababa 2021 [Елек-
тронний ресурс].
URL:https://www.irena.org//media/Files/IRENA/Agency/Pub
lication/2021/Sep/IRENA_utility_solar_wind_Burkina_Faso_2
021_EN.pdf?rev=79f0cfb860ca4cdf9ceadb894425d342 (дата
звернення: 19.09.2023).
21. Energy Potential Assessments and Investment Opportunities
for Wind Energy in Indonesia. Nurry Widya Hesty, Dian Galuh
Cendrawati, Rabindra Nepal, Muhammad Indra al Irsyad, 2021
[Електронний ресурс]. URL:
https://cama.crawford.anu.edu.au/sites/default/files/public
ation/cama_crawford_anu_edu_au/2021-
03/31_2021_hesty_cendrawati_nepal_irsyad.pdf (дата звер-
нення: 19.09.2023).
22. Understanding New Zealand’s Wind Resources as a Route to
100% Renewable Electricity. Stephen Poletti and Iain Staffell,
2021 [Електронний ресурс].
URL:https://cdn.auckland.ac.nz/assets/business/about/our-
research/research-institutes-and-centres/energy-
centre/Working%20papers/understanding-nz-wind-
poletti.pdf (дата звернення: 19.09.2023).
23. Analyzing Europe’s Biggest Offshore Wind Farms: A Data Set
with 40 Years of Hourly Wind Speeds and Electricity
Production. Oliver Grothe, Fabian Kächele, Mira Watermeyer,
2022 [Електронний ресурс].
URL:https://publikationen.bibliothek.kit.edu/1000143595/14
8493630 (дата звернення: 19.09.2023).
24. Gelaro R., McCarty W., Suárez M.J., Todling R., Molod A., Takacs L.,
Randles C. A., Darmenov A., Bosilovich M. G., Reichle R., et al. The
modern-era retrospective analysis for research and applications,
version 2 (MERRA-2). J. Clim. 2017, 30, 5419–5454.
25. Mamani, R.; Hendrick, P. Weather research & forecasting
model and MERRA-2 data for wind energy evaluation at
different altitudes in Bolivia. – Wind Eng. 2022, 46, 177–188.
26. Rabbani, R.; Zeeshan, M. Exploring the suitability of MERRA-2
reanalysis data for wind energy estimation, analysis of wind
characteristics and energy potential assessment for selected
sites in Pakistan. – Renew. Energy 2020, 154, 1240–1251.
27. Khatibi, A.; Krauter, S. Validation and performance of satellite
meteorological dataset MERRA-2 for solar and wind
applications. – Energies 2021, 14, 882.
28. Staffell, I.; Pfenninger, S. Using bias-corrected reanalysis to
simulate current and future wind power output. – Energy
2016, 114, 1224–1239.
29. Cowin E., Wang Ch., Walsh D. C. Assessing Predictions of
Australian Offshore Wind Energy Resources from Reanalysis
Datasets. – Energies 2023, 16(8), 3404;
https://doi.org/10.3390/en16083404.
30. Вітроенергетика / За заг. ред. С. О. Кудрі. – Київ: Інститут
відновлюваної енергетики НАНУ, 2023. С. 43–57.
31. Bosilovich, M. G., Lucchesi, R., & Suarez, M. (2015). MERRA-2:
NASA GMAO Office Note 9, 73 p.
32. POWER Data Methodology. [Електронний ресурс]. URL:
http://power.larc.nasa.gov/docs/methodology / (дата звер-
нення: 12.09.2023).
33. Бендат Дж., Пирсол А. Прикладной анализ случайных дан-
ных. М.: Мир. 1989 г. 540 с.
34. PAST 4.03 STATISTICAL ANALYSIS APP FOR WINDOWS [Елект-
ронний ресурс]. URL:https://past.en.lo4d.com/windows /
(дата звернення: 12.09.2023).
35. Кластерний аналіз [Електронний ресурс].
URL:https://pidru4niki.com/11800912/ekonomika/klasterniy
_analiz / (дата звернення: 12.09.2023).
REFERENCES
1. Rukovodstvo po klymatolohycheskoi praktyke. Yzd. 2014 h.
VMO-№ 100. S. 82.
2. MCP [Elektronnyi resurs]. URL: https://www.emd-
international.com/windpro/windpro-modules/energy-
modules/mcp/ (data zvernennia: 19.09.2023).
3. Tuchynskyi B.H., Petrenko K.V., Ivanchenko I.V. Veryfikatsiia
rezultativ rozrakhunkiv shvydkosti vitru metodom reanalizu //
Vidnovliuvana enerhetyka ta enerhoefektyvnist u XXI stolitti:
materialy XX mizhnarodnoi naukovo-praktychnoi konferentsii
(Kyiv, 15-16 travnia 2019 r.). K.: Interservis, 2019. S. 444–449.
4. Petrenko K. V., Ivanchenko I. V., Karmazin O. O. Zastosuvannia
diahramy Voronoho dlia otsinky yakosti informatsiinoho
pokryttia terytorii Ukrainy dzherelamy danykh pro viter.
Materialy XKhIV mizhnarodnoi naukovo-praktychnoi
konferentsii «Vidnovliuvana enerhetyka ta enerhoefektyvnist
u KhKhI stolitti», 18–19 travnia 2023 roku, Kyiv. S. 248–250.
5. Osadchyi V. I., Skrynyk O. Ia., Oshurok D. O., Vitrovi resursy
ternopilskoi oblasti. - 2017 [Elektronnyi resurs]. URL:
http://dspace.nbuv.gov.ua/xmlui/bitstream/handle/1234567
89/162410/06-Osadchii.pdf?sequence=1 / (data zvernennia:
19.09.2023).
6. Assessment of wind energy potential using reanalysis data: A
comparison with mast measurements. Rajat Kanti Samal 2021
[Elektronnyi resurs]. URL:
https://www.sciencedirect.com/science/article/abs/pii/S095
965262102151X (data zvernennia: 19.09.2023).
7. Calibration of Reanalysis Data against Wind Measurements
for Energy Production Estimation of Building Integrated
Savonius-Type Wind Turbine Andoni Gonzalez-Arceo, Maitane
https://publications.jrc.ec.europa.eu/repository/bitstream/JRC109698/kjna29083enn_1.pdf
https://publications.jrc.ec.europa.eu/repository/bitstream/JRC109698/kjna29083enn_1.pdf
https://onlinelibrary.wiley.com/doi/full/10.1002/we.2685
https://onlinelibrary.wiley.com/doi/full/10.1002/we.2685
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9622823/
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9622823/
https://centaur.reading.ac.uk/92440/1/manuscript.pdf
https://journals.sagepub.com/doi/10.1177/0957650920975883?icid=int.sj-abstract.citing-articles.2
https://journals.sagepub.com/doi/10.1177/0957650920975883?icid=int.sj-abstract.citing-articles.2
https://www.irena.org/media/Files/IRENA/Agency/Publication/2021/Sep/IRENA_utility_solar_wind_Burkina_Faso_2021_EN.pdf?rev=79f0cfb860ca4cdf9ceadb894425d342
https://www.irena.org/media/Files/IRENA/Agency/Publication/2021/Sep/IRENA_utility_solar_wind_Burkina_Faso_2021_EN.pdf?rev=79f0cfb860ca4cdf9ceadb894425d342
https://www.irena.org/media/Files/IRENA/Agency/Publication/2021/Sep/IRENA_utility_solar_wind_Burkina_Faso_2021_EN.pdf?rev=79f0cfb860ca4cdf9ceadb894425d342
https://cama.crawford.anu.edu.au/sites/default/files/publication/cama_crawford_anu_edu_au/2021-03/31_2021_hesty_cendrawati_nepal_irsyad.pdf
https://cama.crawford.anu.edu.au/sites/default/files/publication/cama_crawford_anu_edu_au/2021-03/31_2021_hesty_cendrawati_nepal_irsyad.pdf
https://cama.crawford.anu.edu.au/sites/default/files/publication/cama_crawford_anu_edu_au/2021-03/31_2021_hesty_cendrawati_nepal_irsyad.pdf
https://cdn.auckland.ac.nz/assets/business/about/our-research/research-institutes-and-centres/energy-centre/Working%20papers/understanding-nz-wind-poletti.pdf
https://cdn.auckland.ac.nz/assets/business/about/our-research/research-institutes-and-centres/energy-centre/Working%20papers/understanding-nz-wind-poletti.pdf
https://cdn.auckland.ac.nz/assets/business/about/our-research/research-institutes-and-centres/energy-centre/Working%20papers/understanding-nz-wind-poletti.pdf
https://cdn.auckland.ac.nz/assets/business/about/our-research/research-institutes-and-centres/energy-centre/Working%20papers/understanding-nz-wind-poletti.pdf
https://publikationen.bibliothek.kit.edu/1000143595/148493630
https://publikationen.bibliothek.kit.edu/1000143595/148493630
https://doi.org/10.3390/en16083404
http://power.larc.nasa.gov/docs/methodology
http://power.larc.nasa.gov/docs/methodology
https://past.en.lo4d.com/windows
https://pidru4niki.com/11800912/ekonomika/klasterniy_analiz
https://pidru4niki.com/11800912/ekonomika/klasterniy_analiz
85
Відновлювана енергетика. №3/2023 | Вітроенергетика
Zirion-Martinez de Musitu, Alain Ulazia, Mario del Rio, Oscar
Garcia 2020 [Elektronnyi resurs]. URL:
https://www.mdpi.com/2076-3417/10/24/9017 (data
zvernennia: 19.09.2023).
8. What Can Reanalysis Data Tell Us About Wind Power?
Stephen Rose and Jay Apt 2014 [Elektronnyi resurs]. URL:
https://www.cmu.edu/ceic/assets/docs/publications/workin
g-papers/ceic-14-05.pdf (data zvernennia: 19.09.2023).
9. Statistical methodology for on-site wind resource and power
potential assessment under current and future climate
conditions: a case study of Suriname. Peter Donk, Els Van
Uytven, Patrick Willems 2019 [Elektronnyi resurs]. URL:
https://link.springer.com/article/10.1007/s42452-019-0885-
6 (data zvernennia: 19.09.2023).
10. POWER | Data Access Viewer Prediction Of Worldwide Energy
Resource [Elektronnyi resurs]. URL:
https://power.larc.nasa.gov / (data zvernennia: 19.09.2023).
11. NASA POWER| Docs [Elektronnyi resurs]. URL:
https://power.larc.nasa.gov/docs/methodology/data/source
s/#meteorological (data zvernennia: 19.09.2023).
12. The Modern-Era Retrospective Analysis for Research and
Applications, Version 2 (MERRA-2) Elektronnyi resurs]. URL:
https://journals.ametsoc.org/view/journals/clim/30/14/jcli-
d-16-0758.1.xml#s2 (data zvernennia: 19.09.2023).
13. WIND [Elektronnyi resurs]. URL:
https://power.larc.nasa.gov/docs/methodology/meteorolog
y/wind/ (data zvernennia: 19.09.2023).
14. Modeling of Ethiopian Wind Power Production Using ERA5
Reanalysis Data Kena Likassa Nefabas,Lennart Söder,
Mengesha Mamo, Jon Olauson 2021 [Elektronnyi resurs].
URL:https://www.mdpi.com/1996-1073/14/9/2573 (data
zvernennia: 19.09.2023).
15. Wind potentials for EU and neighbouring countries. Dalla
Longa, F.; Kober, T. Badger, J.; Volker, P. Hoyer-Klick, C.
Hidalgo Gonzalez, I.; Medarac, H.; Nijs, W.; Politis, S.;
Tarvydas, D.; Zucker, A. 2018 [Elektronnyi resurs].
URL:https://publications.jrc.ec.europa.eu/repository/bitstrea
m/JRC109698/kjna29083enn_1.pdf (data zvernennia:
19.09.2023).
16. Spatial and temporal variability characteristics of offshore
wind energy in the United Kingdom Panit Potisomporn,
Christopher R. Vogel 2021 [Elektronnyi resurs].
URL:https://onlinelibrary.wiley.com/doi/full/10.1002/we.268
5 (data zvernennia: 19.09.2023).
17. An all-Africa dataset of energy model “supply regions” for
solar photovoltaic and wind power Sebastian Sterl, Bilal
Hussain, Asami Miketa, Yunshu Li, Bruno Merven,
Mohammed Bassam Ben Ticha, Mohamed A. Eltahir Elabbas,
Wim Thiery, Daniel Russo, 2022 [Elektronnyi resurs].
URL:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC962282
3/ (data zvernennia: 19.09.2023).
18. Estimating wind speed and capacity factors in Mexico using
reanalysis data C. F. Morales-Ruvalcaba, O. Rodriguez-
Hernandez, O. Mart´ınez-Alvarado, D.R. Drew, E. Ramos, 2020
[Elektronnyi resurs].
URL:https://centaur.reading.ac.uk/92440/1/manuscript.pdf
(data zvernennia: 19.09.2023).
19. On the wind resource in Algeria: Probability distributions
evaluation. Houdayfa Ounis and Nawel Aries 2020
[Elektronnyi resurs].
URL:https://journals.sagepub.com/doi/10.1177/0957650920
975883?icid=int.sj-abstract.citing-articles.2 (data zvernennia:
19.09.2023).
20. UTILITY-SCALE SOLAR AND WIND AREAS. BURKINA FASO.
Imen Gherboudj and Mohammed Sanusi Nababa 2021
[Elektronnyi resurs].
URL:https://www.irena.org//media/Files/IRENA/Agency/Pub
lication/2021/Sep/IRENA_utility_solar_wind_Burkina_Faso_2
021_EN.pdf?rev=79f0cfb860ca4cdf9ceadb894425d342 (data
zvernennia: 19.09.2023).
21. Energy Potential Assessments and Investment Opportunities
for Wind Energy in Indonesia. Nurry Widya Hesty, Dian Galuh
Cendrawati, Rabindra Nepal, Muhammad Indra al Irsyad,
2021 [Elektronnyi resurs]. URL:
https://cama.crawford.anu.edu.au/sites/default/files/public
ation/cama_crawford_anu_edu_au/2021-
03/31_2021_hesty_cendrawati_nepal_irsyad.pdf (data
zvernennia: 19.09.2023).
22. Understanding New Zealands Wind Resources as a Route to
100% Renewable Electricity. Stephen Poletti and Iain Staffell,
2021 [Elektronnyi resurs].
URL:https://cdn.auckland.ac.nz/assets/business/about/our-
research/research-institutes-and-centres/energy-
centre/Working%20papers/understanding-nz-wind-
poletti.pdf (data zvernennia: 19.09.2023).
23. Analyzing Europes Biggest Offshore Wind Farms: A Data Set
with 40 Years of Hourly Wind Speeds and Electricity
Production. Oliver Grothe, Fabian Kächele, Mira Watermeyer,
2022 [Elektronnyi resurs].
URL:https://publikationen.bibliothek.kit.edu/1000143595/14
8493630 (data zvernennia: 19.09.2023).
24. Gelaro R., McCarty W., Suárez M.J., Todling R., Molod A.,
Takacs L., Randles C.A., Darmenov A., Bosilovich M.G., Reichle
R., et al. The modern-era retrospective analysis for research
and applications, version 2 (MERRA-2). J. Clim. 2017, 30,
5419–5454.
25. Mamani, R.; Hendrick, P. Weather research & forecasting
model and MERRA-2 data for wind energy evaluation at
different altitudes in Bolivia. Wind Eng. 2022, 46, 177–188.
26. Rabbani, R.; Zeeshan, M. Exploring the suitability of MERRA-2
reanalysis data for wind energy estimation, analysis of wind
characteristics and energy potential assessment for selected
sites in Pakistan. Renew. Energy 2020, 154, 1240–1251.
27. Khatibi, A.; Krauter, S. Validation and performance of satellite
meteorological dataset MERRA-2 for solar and wind
applications. Energies 2021, 14, 882.
28. Staffell, I.; Pfenninger, S. Using bias-corrected reanalysis to
simulate current and future wind power output. Energy 2016,
114, 1224–1239.
29. Cowin E., Wang Ch., Walsh D. C. Assessing Predictions of
Australian Offshore Wind Energy Resources from Reanalysis
Datasets. Energies 2023, 16(8), 3404;
https://doi.org/10.3390/en16083404.
30. Vitroenerhetyka / Za zah. red. S. O. Kudri. – Kyiv: Institute of
Renewable Energy of the National Academy of Sciences of
Ukraine, 2023. P. 43–57.
31. Bosilovich, M. G., Lucchesi, R., & Suarez, M. (2015). MERRA-2:
NASA GMAO Office Note 9, 73 p.
32. POWER Data Methodology. [Elektronnyi resurs].
URL:http://power.larc.nasa.gov/docs/methodology / (data
zvernennia: 12.09.2023).
33. Bendat Dzh., Pyrsol A. Prykladnoi analyz sluchainykh dannykh.
M.: Myr, 1989 h. 540 s.
34. PAST 4.03 STATISTICAL ANALYSIS APP FOR WINDOWS
[Elektronnyi resurs]. URL:https://past.en.lo4d.com/windows
/ (data zvernennia: 12.09.2023).
35. Klasternyi analiz [Elektronnyi resurs].
URL:https://pidru4niki.com/11800912/ekonomika/klasterniy
_analiz / (data zvernennia: 12.09.2023).
|
| id | veorgua-article-414 |
| institution | Vidnovluvana energetika |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2026-07-19T01:11:46Z |
| publishDate | 2023 |
| publisher | Institute of Renewable Energy National Academy of Sciences of Ukraine |
| record_format | ojs |
| resource_txt_mv | veorgua/42/d21217b5f48a5592bea8e3870dd60c42.pdf |
| spelling | veorgua-article-4142026-07-18T06:32:18Z ASSESSMENT OF THE POSSIBILITY OF USING WIND SPEED REANALYSIS DATA FOR WIND ENERGY CALCULATIONS ОЦІНКА МОЖЛИВОСТІ ВИКОРИСТАННЯ ДАНИХ ШВИДКОСТІ ВІТРУ, ОТРИМАНИХ МЕТОДОМ РЕАНАЛІЗУ, ДЛЯ ВИРІШЕННЯ ЗАДАЧ ВІТРОЕНЕРГЕТИКИ Petrenko, K. Kuznietsov, М. Ivanchenko, I. Кармазін, О. О. Borsuk, A. wind energy, MERRA-2 reanalysis data, wind speed, CF, wind energy potential вітроенергетика, дані реаналізу MERRA-2, швидкість вітру, КВНП, вітроенергетичний потенціал The purpose of the article is to analyze the relation between wind speed data at weather stations (WS) in Ukraine and satellite data according to their geographic coordinates, presented on the NASA POWER portal; find out the possibility of using reanalysis data for wind energy calculations. Correlations and modeling errors were analyzed for a set of 70 WS and corresponding to their coordinates time series of hourly wind speed data of MERRA-2 reanalysis database. It has been established that the use of reanalysis data is appropriate for preliminary average wind speed and wind energy potential assessment for the regions with average wind speeds higher than 3.5 m/s and characterized by a flat topography and the absence of landscape elements that can distort the wind pattern. For such regions, the error of the wind speed modeling is 0.5 m/s (13.95%), the relative error of average annual electricity production and capacity factor calculating is equal to 17.5%. The reanalysis data show higher wind speed values for all WS' except high-mountain ones, for which the simulated values are underestimated. In general, higher wind speeds correspond to lower relative error of the calculations values and higher correlation coefficients values of the average daily and average monthly wind speed values (up to 0.95). However, the use of reanalysis data for the development of investment projects and forecasting of WPP production is possible only after preliminary calibration and verification for each specific case. Ref. 35, tabl. 2, fig. 3. Мета статті – проаналізувати відповідність даних швидкості вітру на метеостанціях (МС) України та від-повідних до їх географічних координат, супутникових даних, представлених на порталі NASA POWER; з’ясувати можливість використання даних реаналізу для вітроенергетичних розрахунків. Проаналізовано кореляційні зв’язки та похибки моделювання для мережі із 70 МС та відповідних до їх координат часових рядів погодинних даних швидкостей вітру бази даних реаналізу MERRA-2. Встановлено, що використання даних реаналізу є доцільним для попередньої оцінки середньої швидкості вітру та вітроенергетичного потенціалу регіонів, середні швидкості вітру яких є вищими 3,5 м/с і які характеризуються рівнинним рельєфом та відсутністю елементів ландшафту, що здатні спотворити вітрову картину. Для таких регіонів похибка моделювання швидкості вітру становить 0,5 м/с (13,95 %), відносна похибка розрахунку середньорічного виробітку електроенергії та КВНП є рівною 17,5 %.  Дані реаналізу показують вищі значення швидкості вітру для всіх МС, крім високогірних, для яких змодельовані значення є заниженими. В цілому вищим швидкостям вітру відповідають нижчі значення відносної похибки розрахунків та вищі значення коефіцієнтів кореляції середньодобових та середньомісячних значень швидкості вітру (до 0,95). Проте використання даних реаналізу для розробки інвестиційних проєктів та прогнозування виробітку ВЕС можливе лише після попереднього калібрування та верифікації для кожного конкретного випадку. Бібл. 35, табл. 2, рис. 3. Institute of Renewable Energy National Academy of Sciences of Ukraine 2023-10-19 Article Article application/pdf https://ve.org.ua/index.php/journal/article/view/414 10.36296/1819-8058.2023.3(74).75-85 Vidnovluvana energetika ; No. 3(74) (2023): Scientific and applied Journal renewable energy ; 75-85 Возобновляемая энергетика; ##issue.no## 3(74) (2023): Scientific and applied Journal renewable energy ; 75-85 Відновлювана енергетика; № 3(74) (2023): Науково-прикладний журнал Відновлювана енергетика; 75-85 2664-8172 1819-8058 10.36296/1819-8058.2023.3(74) uk https://ve.org.ua/index.php/journal/article/view/414/324 Copyright (c) 2023 K. Petrenko, М. Kuznietsov, I. Ivanchenko, О. О. Кармазін, A. Borsuk https://creativecommons.org/licenses/by-nc-nd/4.0 |
| spellingShingle | wind energy MERRA-2 reanalysis data wind speed CF wind energy potential Petrenko, K. Kuznietsov, М. Ivanchenko, I. Кармазін, О. О. Borsuk, A. ASSESSMENT OF THE POSSIBILITY OF USING WIND SPEED REANALYSIS DATA FOR WIND ENERGY CALCULATIONS |
| title | ASSESSMENT OF THE POSSIBILITY OF USING WIND SPEED REANALYSIS DATA FOR WIND ENERGY CALCULATIONS |
| title_alt | ОЦІНКА МОЖЛИВОСТІ ВИКОРИСТАННЯ ДАНИХ ШВИДКОСТІ ВІТРУ, ОТРИМАНИХ МЕТОДОМ РЕАНАЛІЗУ, ДЛЯ ВИРІШЕННЯ ЗАДАЧ ВІТРОЕНЕРГЕТИКИ |
| title_full | ASSESSMENT OF THE POSSIBILITY OF USING WIND SPEED REANALYSIS DATA FOR WIND ENERGY CALCULATIONS |
| title_fullStr | ASSESSMENT OF THE POSSIBILITY OF USING WIND SPEED REANALYSIS DATA FOR WIND ENERGY CALCULATIONS |
| title_full_unstemmed | ASSESSMENT OF THE POSSIBILITY OF USING WIND SPEED REANALYSIS DATA FOR WIND ENERGY CALCULATIONS |
| title_short | ASSESSMENT OF THE POSSIBILITY OF USING WIND SPEED REANALYSIS DATA FOR WIND ENERGY CALCULATIONS |
| title_sort | assessment of the possibility of using wind speed reanalysis data for wind energy calculations |
| topic | wind energy MERRA-2 reanalysis data wind speed CF wind energy potential |
| topic_facet | wind energy MERRA-2 reanalysis data wind speed CF wind energy potential вітроенергетика дані реаналізу MERRA-2 швидкість вітру КВНП вітроенергетичний потенціал |
| url | https://ve.org.ua/index.php/journal/article/view/414 |
| work_keys_str_mv | AT petrenkok assessmentofthepossibilityofusingwindspeedreanalysisdataforwindenergycalculations AT kuznietsovm assessmentofthepossibilityofusingwindspeedreanalysisdataforwindenergycalculations AT ivanchenkoi assessmentofthepossibilityofusingwindspeedreanalysisdataforwindenergycalculations AT karmazínoo assessmentofthepossibilityofusingwindspeedreanalysisdataforwindenergycalculations AT borsuka assessmentofthepossibilityofusingwindspeedreanalysisdataforwindenergycalculations AT petrenkok ocínkamožlivostívikoristannâdanihšvidkostívítruotrimanihmetodomreanalízudlâviríšennâzadačvítroenergetiki AT kuznietsovm ocínkamožlivostívikoristannâdanihšvidkostívítruotrimanihmetodomreanalízudlâviríšennâzadačvítroenergetiki AT ivanchenkoi ocínkamožlivostívikoristannâdanihšvidkostívítruotrimanihmetodomreanalízudlâviríšennâzadačvítroenergetiki AT karmazínoo ocínkamožlivostívikoristannâdanihšvidkostívítruotrimanihmetodomreanalízudlâviríšennâzadačvítroenergetiki AT borsuka ocínkamožlivostívikoristannâdanihšvidkostívítruotrimanihmetodomreanalízudlâviríšennâzadačvítroenergetiki |