Eingang zum Volltext in OOPS
Hinweis zum Urheberrecht
Dissertation zugänglich unter
URN: urn:nbn:de:gbv:715-oops-1651
URL: http://oops.uni-oldenburg.de/volltexte/2005/165/
Methoden zur Beschreibung der Wolkenentwicklung in Satellitenbildern und ihre Anwendung zur Solarstrahlungsvorhersage
Lorenz, Elke
SWD-Schlagwörter:
Solarstrahlung, Solarstrahlungsvorhersage
Institut:
keine Institutsangabe
Fakultät:
Fakultät V - Mathematik und Naturwissenschaften
DDC-Sachgruppe:
Geowissenschaften
Dokumentart:
Dissertation
Hauptberichter:
Parisi, Jürgen (Prof. Dr.)
Sprache:
Deutsch
Tag der mündlichen Prüfung:
22.01.2004
Erstellungsjahr:
2005
Publikationsdatum:
31.12.2005
Kurzfassung in Deutsch:
Ziel dieser Arbeit war die Entwicklung eines Verfahrens zur Vorhersage der Solarstrahlung im Kurzzeitbereich (bis zu 6h) für Solarenergieanwendungen. Die Vorhersage der Strahlung beruht auf einer Vorhersage der Bewölkungsentwicklung in Satellitenbildern. Aus den vorhergesagten Bewölkungsituationen wird mit der Heliosat-Methode, einem statistischen Verfahren zur Berechnung der Globalstrahlung aus Satellitendaten, eine Vorhersage der Solarstrahlung am Boden abgeleitet. Zur Beschreibung der Wolkenentwicklung in Satellitenbildern wurden zwei verschiedene Ansätze untersucht: Neuronale Netze und Vorhersagen mit Bewegungsvektorfeldern. Es wurde gezeigt, dass mit Bewegungsvektorfeldern eine deutlich bessere Vorhersage der Wolkenentwicklung erzielt wird. Eine detaillierte Genauigkeitsanalyse der Strahlungsvorhersage auf der Basis von Bewegungsvektorfeldern wurde durchgeführt, wobei besonderes Gewicht auf der Unterscheidung von Situationen unterschiedlicher Vorhersagequalität lag.
Kurzfassung in Englisch:
Forecasting of solar irradiance is an important issue for many solar energy applications. The aim of this work was to develop and validate a method to forecast surface solar irradiance in a short term range up to 6 hours. The forecast of solar irradiance is based on the prediction of cloud development in satellite images. Solar surface irradiance is derived from the predicted cloud images with the Heliosat method, a statistical algorithm to calculate global irradiance values from satellite data. Two different approaches to describe the cloud development in satellite images were investigated: neural networks and a forecast using motion vector fields. It was shown that using motion vector fields a significantly better forecast is achieved. A detailed quality assessment on the forecasted irradiance was performed with special emphasis on the separation of different levels of forecast accuracy.