30.09.2024, 11:00 Uhr
Universität Wien
Besprechungsraum 4.34
Währinger Str. 29
1090 Wien
Titel: The influence of meteorological parameters on wind speed extreme events in wind turbine and era5 data: Causal inference by heterogeneous Granger causality and its statistical validation
Kurzfassung:
In dieser Arbei twerden die kausalen Auswirkungen von meteorologischen Parametern auf
die auftretenden Extremwerte der Windgeschwindigkeit in zwei Datensätzen untersucht:
ERA5-Daten aus dem Windpark Andauin Österreich während ausgewählter europäischer
Windstürme und Daten, die aus den Windkraftanlagen des Windparks Andauim
Zeitraum 2000.-2020. gewonnen wurden. Es wird die Granger Kausalinferenz verwendet,
nämlich das heterogene grafische Granger-Modell (HGGM). Das HGGM kann kausale
Beziehungen in Zeitreihen mit beliebigen Verteilungen aus der Exponentialfamilie auf-
decken, im Gegensatz zum klassischen Granger-Modell für Kausalinferenz,das weniger
Verteilungen unterstützt .Zu diesem Zweck wurde eine Python-Implementierung des
HGGM auf der Grundlage der ursprünglichen MATLAB-Implementierung erstellt .Die
Analyse des ERA5-Sturmdatensatzes zeigt, dass Windrichtung, potenzielle Vorticity,kon-
vektive verfügbare potenzielle Energie und Feuchtigkeit einen kausalen Einfluss auf hohe
Windgeschwindigkeitsextreme während Stürmen haben. Eint-Test zeigt jedoch, dass nur
die konvektiv verfügbare potenzielle Energie und die relative Luftfeuchtigkeit statistisch
signifikant sind. Im Vergleich zu den Ergebnissen einer Präsentation ,bei der eine ähnliche
Methode (HMML) verwendet wurde, fand HGGM weniger kausale Zusammenhänge. Im
Gegensatz zu HMML litt es unter Überschätzungen, die die Entfernung mehrerer stark
korrelierter Variablen erforderten. In den Turbinendaten waren die Extrema zwischen
hoch und niedrig aufgeteilt. Um Überschätzungen zu vermeiden, musste die Dauer der
Zeitreihe von ursprünglich 96 auf 200 Stunden verlängert werden. Die Analyse ergab,
dass Temperatur und (relative) Luftfeuchtigkeit einen statistisch signifikanten Einfluss
auf extrem hohe Windgeschwindigkeiten haben. Grenzschichthöhe, Temperatur und
Windgeschwindigkeit haben einen statistisch signifikanten Einfluss auf extrem niedrige
Windgeschwindigkeiten. Insgesamt fand HGGM mehrere kausale Zusammenhänge zwis-
chen verschiedenen meteorologischen Variablen und extremen Windgeschwindigkeiten
in beiden Datensätzen. HMML fand jedoch mehr kausale Zusammenhänge im ERA5-
Datensatz, und es gab keine Probleme mit Überschätzungen. Die Arbeit schließt mit
einigen Vorschlägen für weitere Forschungsarbeiten.