DANMARKS METEOROLOGISKE INSTITUT TRAFIKMINISTERIET TEKNISK RAPPORT 03-17



Relaterede dokumenter
DANMARKS METEOROLOGISKE INSTITUT TRAFIKMINISTERIET TECHNICAL REPORT 01-08

Evaluering af Soltimer

Vejret i Danmark - juli 2016

Teknisk Rapport 12-22

DANMARKS METEOROLOGISKE INSTITUT TEKNISK RAPPORT Opsætning og kalibrering af Mike21 til stormflodsvarsling for Limfjorden

Vejret i Danmark - november 2015

Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium

DANISH METEOROLOGICAL INSTITUTE MINISTRY OF TRANSPORT TECHNICAL REPORT KLIMAGRID - DANMARK

Analyse og sammenligning af Hellmann og Pluvio nedbørsmålere

Teknisk rapport Vindstatistik for danske kyststationer Hyppighed af stiv kuling og derover

Klassificering af vindhastigheder i Danmark ved benyttelse af IEC vindmølle klasser

Et eksempel på en todimensional normalfordeling Anders Milhøj September 2006

Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP()

Referenceværdier: Måneds- og årskort , Danmark for temperatur, relativ luftfugtighed, vindhastighed, globalstråling og nedbør

August Produktionstidspunkt: Oversigten bygger på kvalitetssikrede DMI-observationer

Lektion 9s Statistik - supplerende eksempler

ENERGIPRODUKTIONS BEREGNING

Regneark til bestemmelse af CDS- regn

Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 136

Teknisk Notat. Støj fra vindmøller ved andre vindhastigheder end 6 og 8 m/s. Udført for Miljøstyrelsen. TC Sagsnr.: T Side 1 af 15

Klima-, Energi- og Bygningsudvalget KEB Alm.del Bilag 30 Offentligt

Sammenligning af nedbørdata fra Skagen

NOTAT. 1. Vindklimavurdering for kommende boligområde på Midtfjell

Vejret i Danmark - december 2015

Vejret i Danmark - juni 2016

Matematik A og Informationsteknologi B

DANISH METEOROLOGICAL INSTITUTE MINISTRY OF TRANSPORT TECHNICAL REPORT KLIMAGRID DANMARK

Byggeselskab Mogens de Linde Ringgade Centret Jens Baggesens vej 90A 8200 Århus N Att.: Lasse Lings. 08.oktober 2009

Teknisk Rapport Referenceværdier: Antal graddage pr. måned og år for stationer , Danmark. Peter Riddersholm Wang

Oktober Produktionstidspunkt: Oversigten bygger på kvalitetssikrede DMI-observationer

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser

Analyse af en lineær regression med lav R 2 -værdi

Mikro-kursus i statistik 1. del Mikrokursus i biostatistik 1

Ekstremregn i Danmark

Vejledende besvarelse

Ændring i den relative vandstand påvirker både natur og mennesker ved kysten. Foto: Anne Mette K. Jørgensen.

Projektopgave Observationer af stjerneskælv

Vejret i Danmark - august 2016

Residualer i grundforløbet

Præcisering af trendanalyser af den normaliserede totale og diffuse kvælstoftransport i perioden

Bilag til Statistik i løb : Statistik og Microsoft Excel tastevejledning / af Lars Bo Kristensen

Accelerations- og decelerationsværdier

ENERGIPRODUKTIONSBEREGNING

Vektorer og lineær regression

Notat vedrørende projektet EFP06 Lavfrekvent støj fra store vindmøller Kvantificering af støjen og vurdering af genevirkningen

Vejr. Matematik trin 1. avu

Baggrundsnotat: Søskendes uddannelsesvalg og indkomst

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde...

Projekt 8.3 Hvordan undersøges om et talmateriale normalfordelt?

Vektorer og lineær regression. Peter Harremoës Niels Brock

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse

Foreløbig produktionsvurdering af 4 alternative placeringer.

Coulombs lov. Esben Pape Selsing, Martin Sparre og Kristoffer Stensbo-Smidt Niels Bohr Institutet F = 1 4πε 0

Måling af turbulent strømning

Vejret i Danmark - juli 2015

Løsning til eksaminen d. 14. december 2009

Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved

ISCC. IMM Statistical Consulting Center. Brugervejledning til beregningsmodul til robust estimation af nugget effect. Technical University of Denmark

Lineære sammenhænge, residualplot og regression

Vejret i Danmark - august 2015

Fysik 2 - Den Harmoniske Oscillator

Risikofaktorudviklingen i Danmark fremskrevet til 2020

Institut for Matematiske Fag Matematisk Modellering 1 UGESEDDEL 6

Teknisk Rapport Klimagrid Danmark Referenceværdier Peter Riddersholm Wang

Vejr- og klimadata. Time - og døgnværdier

2 Erik Vestergaard

Excel tutorial om lineær regression

CFD = Computational Fluid Dynamics (computerbaserede beregninger)

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

ENERGIPRODUKTIONSBEREGNING

10. Læforhold omkring en nedbørmåler

Projekt 1 Spørgeskemaanalyse af Bedst på Nettet

Beregningsopfølgning for 4 husstandsvindmøller på Djursland 6kWThymøller,7,1mrotordiameterog21,4mnavhøjde

Deskriptiv statistik for hf-matc

Skråplan. Esben Bork Hansen Amanda Larssen Martin Sven Qvistgaard Christensen. 2. december 2008

Vejret i Danmark - maj 2016

Vejret i Danmark - efteråret 2015

Besvarelse af stx_081_matb 1. Opgave 2. Opgave 1 2. Ib Michelsen, 2z Side B_081. Reducer + + = + + = Værdien af

Bilag 7. SFA-modellen

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde...

Opgave 11.4 side 316 (7ed: 11.4, side 352 og 6ed: 11.2, side 345)

brikkerne til regning & matematik statistik preben bernitt

Kapitel 11 Lineær regression

Statistik (deskriptiv)

Eksempel på logistisk vækst med TI-Nspire CAS

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Kvadratisk regression

Design Reference Year for Denmark. Peter Riddersholm Wang, Mikael Scharling og Kristian Pagh Nielsen

Fig. 1 Billede af de 60 terninger på mit skrivebord

Vejledende løsning. Ib Michelsen. hfmac123

Deskriptiv statistik for matc i stx og hf

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

Supplerende kortlægning af luftforurening fra krydstogtskibe i Aarhus

12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse

Referencelaboratoriet for måling af emissioner til luften

Resonans 'modes' på en streng

Pointen med Differentiation

Status for afstrømningsdata fra 2005 som benyttes i det Marine Modelkompleks.

Graph brugermanual til matematik C

Placering af vindmøller Denne øvelse er lavet af: Lavet af Martin Kaihøj, Jørgen Vind Villadsen og Dennis Noe. Rettet til af Dorthe Agerkvist.

Transkript:

DANMARKS METEOROLOGISKE INSTITUT TRAFIKMINISTERIET TEKNISK RAPPORT 0- Nedskalering af vindhastighed målt ved 05 Røsnæs Fyr Ellen Vaarby Laursen KØBENHAVN 00

ISSN 00-X (trykt udgave) ISSN - (on-line version, kan hentes på www.dmi.dk) Danmarks Meteorologiske Institut 00. Kortene figur - side og figur - side : Kort & Matrikelstyrelsen (A. 5-). Indhold. Indledning.... Vindklimaet ved 05 Røsnæs Fyr.... 05 Røsnæs Fyr sammenlignet med 0 Gniben.... WA s P.... Røsnæs lokale vindklima set af WAsP.... Regionalt Røsnæsvindklima dannet af WA s P.... Transformation mellem observeret og modelleret vindklima... 5. Skaleringsfaktor α... 5. To α-værdier afhængigt af vindretning... 5. Tre α-værdier afhængigt af vindretning.... WA s P-modellering af 0 Gniben.... Sensitivitetsstudie.... Fyrets placering.... Orografi.... Konklusion... 0. Referencer...

. Indledning Denne DMI rapport viser hvordan vindhastigheden målt ved station 05 Røsnæs Fyr simpelt kan tilnærmes til den vindhastighed der ville være målt m over et homogent havområde. Ved simpelt forstås en simpel sammenhæng mellem en observeret vindhastighed, u_obs og en transformeret hav-hastighed, u_model, af typen u_model = αu_obs, hvor α er en konstant. Station 05 Røsnæs Fyr ligger yderst på Røsnæs; på en smal landtange med m høje skrænter ned mod havet. For at nå op over fyret er vindmåleren endvidere placeret m over stationsniveau. Blandt brugere af vinddata vides det generelt at Røsnæs måler for høj vindhastighed i forhold til hvad m middelvinden ellers må formodes at være i området. Nu foretager DMI ikke andre vindmålinger tæt på Røsnæs, men til eksempel viser års vinddata, -, at vindhastigheden fra 05 Røsnæs Fyr typisk lå % over den samtidige vind der blev målt ved 00 Fornæs Fyr og % over den samtidige vindhastighed målt ved 0 Gniben (se afsnit ). Indtil 00 var målingerne, herunder vindhastigheden, fra 05 Røsnæs Fyr tilgængelige på kortet over Vejrobservationer fra Kyststationer på DMIs Internethjemmeside. Men grundet den høje vind blev 05 Røsnæs Fyr i foråret 00 på Internettet erstattet af 0 Gniben. Dette fik imidlertid en stor brugergruppe til at rette henvendelse til DMI om ikke Røsnæs kunne komme på igen da brugerne gerne ville have en vindhastighed for området. For at imødekomme ønsket om vindhastighed fra Røsnæs på DMIs Internethjemmeside blev det derfor i en intern DMI rapport (Laursen 00) undersøgt om vindhastigheden fra 05 Røsnæs Fyr simpelt kunne omregnes til en for havområdet mere repræsentativ værdi. Det er arbejdet og resultaterne fra denne interne rapport der nu foreligger her som en DMI Teknisk Rapport. I arbejdet er anvendt PC-programmet WA s P; The Wind Atlas Analysis and Application Program udviklet af Forskningscenter Risø (Troen et Petersen., Mortensen et al. a, b, Mortensen et al. 00). I WA s P renses et observeret vindklima for lokal indflydelse til dannelse af et atlas over et regionalt vindklima hvorefter det regionale atlas kan anvendes til at regne tilbage til et lokalt vindklima på en kendt placering hvor der ikke haves vindobservationer. I det følgende beskrives det lokale vindklima ved Røsnæs i afsnit. I afsnit anvendes WA s P på de observerede 05 Røsnæs Fyr data. I afsnit gennemgås antagelserne der må gøres for at omsætte WA s P-resultaterne til den ønskede simple sammenhæng. I afsnit 5 præsenteres de resulterende bud på en simpel omregning mellem observeret Røsnæsvind og modelleret m hav-røsnæsvind. Undersøgelsens resultater opsummeres i afsnit.. april 00. Ellen Vaarby Laursen Sektion for Vejr- og Klimainformation.

. Vindklimaet ved 05 Røsnæs Fyr Oplysninger om Station 05 Røsnæs Fyr ( Stationskatalog, Cappelen og Jørgensen, Stationsfortegnelse): Position: 55 5 N, 5 E UTM-koordinater: U.0N.E Stationsbasis (m.o.h.): Vindmastbasis (m.o.h.): Vindmålehøjde: m Registreringsfrekvens: Indtil 5/-00: hver. time, herefter hvert. minut. Vindstød: nej Baggrundskort: Kort & Matrikelstyrelsen (A. 5-). Figur - Kortet viser spidsen af Røsnæs med station 05 Røsnæs Fyrs vindmasts placering markeret med rød pil. De rette linier danner et km x km-gitter. Der er.5 m mellem stiplet og fuldt optrukken højdekurve.

A. B. Figur -. Station 05 Røsnæs Fyr. A: Vindmast og Fyrtårn set fra jorden. B: Vindmåler set oppe fra Fyrtårnet. Fotos fra DMIs stationskatalog. Ude ved Røsnæs Fyr er Røsnæslandtangen smal med m høje skrænter ned til stranden, se kortet figur -. For at nå fri af fyret er vindmåleren placeret i meters højde på vindmasten, se figur -. Det må således forventes at den målte vindhastighed er højere, end hvis vindmåleren havde været placeret i meters højde og Røsnæs havde været flad. Til at illustrere station 05 Røsnæs Fyrs høje vindhastighedsniveau sammenlignes i figur - den målte vindhastighed ved 05 Røsnæs Fyr med års samtidige målinger af vind ved hhv. 00 Fornæs Fyr og 0 Gniben. Det ses at vindhastigheden ved 05 Røsnæs Fyr som en til formålet god tilnærmelse lå % over den samtidige vindhastighed ved 00 Fornæs Fyr og % over den samtidige vindhastighed ved 0 Gniben. Til den videre undersøgelse anvendes vindobservationer fra 05 Røsnæs Fyr hver tredje time de seneste 0 år: 5. april UTC 5. april 00 UTC. Heri indgår altså også data fra Orkanen. december hvor 05 Røsnæs Fyr observerede en minutters middelvind på. m/s. Statistik og vindrose over de anvendte observationer ses i figur -. Det ses at sektorerne centreret omkring øst og 0º har de laveste middelvindhastigheder og laveste hyppighed af vind>= m/s. Sektorerne øst og 0º (Sektor og 5 når der tælles med uret fra N=) er netop sektorerne hvor vinden kommer fra landsiden af tangen ud mod fyret og vindmåleren. John Cappelen (Cappelen 00) fandt netop at 05 Røsnæs Fyr i perioden -00 målte langt højere vindhastigheder end 0 Gniben for alle retninger undtagen Ø- og 0º-sektorerne. 5

Station 05 RØSNÆS FYR 5-0- - 5-0-00 N 0 0 00 0 V Ø % 0 % 0 % % S N 0 0 Ø 0 50 S 0 V 00 0 Ialt 50 Procent: >=.0m/s 5.0 -.m/s 0. -.m/s %.5..5 5. 5....0.5..0 5..5 % 0.-.m/s.0......5.0.. 0. 0. 5. % 5.0-.m/s........ 5. 5...5 5. % >=.0m/s...5 0. 0... 5...... Middel hastighed.........0.... Største hastighed. 5....5....0. 0..0. Totalt antal observationer = 05 Kilde: DMI Vindstille defineret som hastighed <= 0.m/s Antal observationer med vindstille/varierende vind: 00 =.5% Observationer med vindstille/varierende vind indgår ikke i beregningerne Figur -. Statistik og vindrose over de observationer fra 05 Røsnæs Fyr der indgår i denne rapports undersøgelse: Observationer udelukkende hver tredje time ved station 05 Røsnæs Fyr i 0 års perioden 5. april UTC 5. april 00 UTC.

. A Figur -. Sammenligning af observeret vindhastighed hver tredje time - ved 05 Røsnæs Fyr med hhv. 00 Fornæs Fyr og 0 Gniben. A: Plot af observeret vindhastighed i m/s ff_røsnæs mod samtidige observationer af vindhastighed ff_fornæs i m/s ved 00 Fornæs Fyr. Lineær regression tvunget gennem 0,0 finder (indtegnet med rød kraftig streg) vindhastighed ved 00 Fornæs Fyr (m/s) = 0.* vindhastighed ved 05 Røsnæs Fyr (m/s). B: Plot af observeret vindhastighed i m/s ff_røsnæs mod samtidige observationer af vindhastighed ff_gniben i m/s ved 0 Gniben. Lineær regression tvunget gennem 0,0 finder (indtegnet med rød kraftig streg) vindhastighed ved 0 Gniben (m/s) = 0.* vindhastighed ved 05 Røsnæs Fyr (m/s).. 05 Røsnæs Fyr sammenlignet med 0 Gniben Det blæser meget ved begge stationer. På en top over de mest blæsende stationer fra DMI TR - (Cappelen og Jørgensen ) ligger 05 Røsnæs Fyr nr. og 0 Gniben nr. (ud af stationer). HIRLAM prognosedata har dog højest middelvindhastighed for 0 Gniben: I figur -5 vises HIRLAM middelvind beregnet og observeret for station 05 og 0 for 00 og 00. Af figuren ses at D05 (5 km gitter, timers prognose) viser ca. samme fordeling på retning for de to stationer for 00. Middelvinden er højere eller den samme på Gniben end for Røsnæs på alle retninger (0 grader interval) undtagen 0-0 grader og 0-0 grader for år 00. D5 og G5 viser ca. det samme. Når D05 sammenlignes med observationerne kl 00 og UTC er D05 for høj for Gniben for stort set alle retninger og for lav for Røsnæs for ca. halvdelen af retningerne (flest syd og vest); Både Gniben og Røsnæs er altså svære at modellere. Forklaringen på at det blæser mere ved 05 Røsnæs Fyr end ved 0 Gniben skal altså søges i forhold der ikke modelleres af HIRLAM. Røsnæs og Gniben er begge smalle landtanger orienteret vest/nordvest ud i Storebælt/Kattegat tæt ved Storebælt, men der er forskel på de to landtangers spids og disse forskelle er for fine til at være opløst i HIRLAMs 5 km gitter. For det første er Røsnæs smallere end Gniben. Ved vindmålernes placering er Røsnæs ca. 0m bred mens Gniben er ca. 00m bred. Se kortet figur -. Dette betyder at 05 sandsynligvis i højere grad end 0 mærker en øgning af vindhastighed som følge af bakketopseffekt fra alle B

Figur -5. HIRLAM vindroser for station 05 Røsnæs Fyr og station 0 Gniben. Bemærk at vindroserne, som bliver konstrueret som arbejdsredskaber internt på DMI, har verdenshjørnerne gående fra N i højre side over Ø, S og V mod uret. Vindroserne angiver størrelsen af middelvinden for retningsintervaller i dét hver ring har værdien m/s. Den optrukne figur inderst i vindroserne viser hyppigheden af vinden fordelt på retning. retninger undtagen 0º-0º, hvor vinden ved Røsnæs kommer fra land. Ifølge en tommelfingerregel fra (Troen og Petersen., side ) vil øgningen af m vindhastigheden gå som ~ h/l, hvor h er højden af bakken og L er den halve bredde i højden ½h. Ud fra en sådan løs (læs: usikker) bakketopseffekt -betragtning kan Røsnæs, som halvt så bred som Gniben, forvente dobbelt så stor øgning (størrelse ~% (=*/50) mod ~ % (=* /0)). For det andet er 05 Røsnæs Fyr påvirket af fyrets placering umiddelbart ved siden af mod syd og sydsydvest mens 0 Gniben har vindmasten placeret frit i terrænet. Dette betyder at 05 kan være påvirket af en øgning af vindhastigheden over fyret. For det tredje er vindmåleren ved 05 placeret m over terræn mod m over terræn ved 0. Dette betyder (logaritmisk vindprofil giver forskellen i % som 0*(- ln(m/z0) / ln(m/z0))) en forventet øgning på % for vind fra land (z0=0.m for landbrugslandskab ). For øvrige retninger

ville den logaritmiske vindprofil have givet en øgning på % (z0 = 0.0m for åbent land ) uden bakketopseffekten. Figur - Kortet viser Gniben på spidsen af Sjællands Odde. Station 0 Gniben hører under Forsvaret og er derfor ikke markeret på kortet. De rette linier danner et km x km-gitter. Der er.5 m mellem stiplet og fuldt optrukken højdekurve. (Baggrundskort: Kort & Matrikelstyrelsen (A. 5-). På toppen forventes, i stedet for den logaritmiske vindprofil, en knæk-profil med maksimum ~0.5-5 m (0.* z0 * (l/z0) 0. m) over niveau og med konstant faldende hastighed med højden indtil 50-0 m (L) over niveau.

. WA s P En serie af observerede vinddata får i WA s P tilpasset en Weibull-fordelingsfunktion, givet ved skalaparameter A og formparameter k. Ud fra A og k kan der beregnes forskellige størrelser af interesse for estimering af vindenergipotentialet; middelværdien af vindhastigheden i tredje, vindhastigheden der giver den højeste energitæthed m.v. Vindatlasanalysemodellen i WA s P kan ud fra Weibullfordelingen tilpasset til observationerne samt oplysninger om målestedet beregne et regionalt vindatlas givet ved Weibullfordelingerne for et sæt af standardbetingelser. m vinden for ruhedsklasse R0, som denne undersøgelse er interesseret i, er inkluderet i vindatlassættet af standardbetingelser. WA s P antager som udgangspunkt at vindhastigheden følger den logaritmiske vindprofil med von Kármán konstant κ=0.0. De tilpassede fordelinger er beregnet til brug for frekvenser på mindst 0.0 og middelvind større end m/s. Tilpasningen foregår under hensyntagen til at vindenergipotentialet i den tilpassede Weibullfordeling skal være det samme som i den observerede fordeling. For en gennemgang af teorien bag WA s P henvises til (Troen et Petersen. ).. Røsnæs lokale vindklima set af WAsP. I WA s Ps beregningsgrundlag for denne undersøgelse af det lokale vindklima indgår:. Placering af vindmåler (se afsnit ). Liste over placering, størrelse og karakter af vindlæ (se Figur -).. Kort over områdets orografi. (se Figur -).. Kort over områdets inddeling i ruhedsklasser (se Figur -). 5. 0 års samhørende målinger af vindretning og vindhastighed (se afsnit ). 5 A. B. Figur -. WA s Ps information om vindlæ ved 05 Røsnæs Fyr vindmåleren. A: Indputfil roesnaes.obs med indhold: Linie : Tekst information. Linie -n: # vindlæ, vinkel (º) til vindlæhjørne, afstand til vindlæhjørne (m), vinkel (º) til vindlæhjørne, afstand til vindlæhjørne (m), højde (m), dybde (m), porositet (0-). Indholdet i filen er vurderet ud fra fotos fra stationskataloget. B: Kort over WA s Ps opfattelse af de angivne vindlæ. Vindsektorer - er markeret ud fra vindmålerpositionen (= nord).

A. B. Figur -. A: Orografien ved Røsnæs digitaliseret manuelt i WA s P ud fra kortet vist i figur -. B: Isolinier for ruhedsklasse digitaliseret manuelt i WA s P ud fra kortet vist i figur - således at havet har z 0 = 0m, og tangen generelt har z 0 =0.0m for åbent land bortset fra skovområdet der har z 0 =0.m. WA s P undersøger hvor godt den tilpassede Weibullfordeling passer til den observerede fordeling ved at sammenligne middelvindhastigheden beregnet for hver af de to. Middelvindhastigheden for de 0 års observerede data var. m/s (værdien er mindre end i vindrosen Figur - fordi WA s P også har værdier <0. m/s med). Middelværdien for den tilpassede Weibullfordeling var.0 m/s altså en afvigelse på %. WA s Ps præsentation af de observerede data og tilpassede Weibullfordelinger ses i figur. for de samlede data og udvalgte vindretningssektorer. For at få mere viden fra WA s P om de høje vindhastigheder ved Røsnæs undersøges yderligere to observerede datasæt fra 05 Røsnæs Fyr: De højeste % af vindhastighederne fra 0 års datasættet samt de højeste % af 0 års datasættet. De højeste % af vindhastighederne fra 0 års datasættet blev udgjort af 0 datapar med vindhastighed >=.5 m/s. Middelvindhastigheden af disse data var. m/s og af den tilpassede Weibullfordeling 5. m/s, altså en afvigelse på.%. WA s Ps præsentation af data ses i Figur -. Sektorerne,, og 5 indeholder kun få data: hhv..%,.%, 0.% og for sektor 5: 0.% af de 0 datapar. De højeste % af vindhastighederne fra 0 års datasættet blev udgjort af 5 datapar med vindhastighed >=.5 m/s. Middelvindhastigheden af disse data var. m/s og af den tilpassede Weibullfordeling. m/s, altså en afvigelse på næsten %. WA s Ps præsentation af data ses i Figur -5. Sektorerne,,, 5 og indeholder kun få data: hhv.. %,.%, 0.%, 0.0% og for sektor :.5% af de 5 datapar. Som det kunne forventes passer Weibullfordelingen ikke så godt til %-datasættet og %- datasættet som til det fulde datasæt af 0 års observerede data. Det vurderes imidlertid alligevel at være en fordel for denne undersøgelse at have disse to ekstra datasæt med. Hvis der sættes som betingelse at en vindretningssektor skal indeholde mindst 50 vinddata udelukker det dog sektor 5 (øsø) fra højeste % -datasættet og sektor og 5 (ø og øsø) fra højeste %-datasættet.

Figur -. Observerede data i WA s P. Observeret 0 års vinddata fra 05 Røsnæs Fyr præsenteret i vindrose med sektorer. Plot af tilpassede Weibull-frekvensfordelinger (tætheder), defineret ved skalaparameter A og formparameter k, for alle retninger, samt for sektor og.

Figur -. Observeret datasæt bestående af de højeste % af 0 års datasættet fra 05 Røsnæs Fyr. Vindrose med vindretningssektorer samt plot af tilpassede Weibull-frekvensfordelinger (tætheder), defineret ved skalaparameter A og formparameter k, for alle retninger, samt for sektor og. Figur -5. Observeret datasæt bestående af de højeste % af 0 års datasættet fra 05 Røsnæs Fyr. Vindrose med vindretningssektorer samt plot af tilpassede Weibull-frekvensfordelinger (tætheder), defineret ved skalaparameter A og formparameter k, for alle retninger, samt for sektor og.

. Regionalt Røsnæsvindklima dannet af WA s P Her ses på standardregionalklimaet med målehøjde z=m for at se på standardhøjden for vindmåling og ruhedsklasse R0, z0=0m for at se på forholdene for hav. Resultaterne for de tre datasæt (0 års data, de % højeste vindhastigheder fra dette datasæt hhv de % højeste) ses i figur -, figur - og figur -. Som forventet er middelværdien for den regionale R0-m vindhastighed lavere end middelværdien af den observerede 05 vindhastighed for alle retninger undtagen retningssektor og 5 (vindretning fra land). Dog har sektor sammenlignelige middelværdier for ruhedsklasse R0. WA s P leverer således ikke direkte tidsserier af vinddata for de forskellige højder og ruhedsklasser. Tidsserierne af regionale vinddata, hvis sådanne ønskes af brugeren, må beregnes efterfølgende med en generator af tilfældige tal der vægter med netop frekvensfordelingen (tætheden) angivet for det pågældende regionale vindklima. Til denne undersøgelse ønskes besvaret spørgsmålet: Hvordan transformeres den enkelte observerede vind over i den enkelte modellerede regionale vind? Sådan som WA s P er bygget op bliver den enkelte vindmåling slet ikke transformeret; Beregningerne udføres udelukkende på fordelingsfunktionerne. Næste afsnit ser derfor på transformationen mellem den (modellerede) observerede fordeling og den modellerede regionale fordeling. Figur -. Regionalt klimaatlas fra WA s P beregnet på baggrund af 0 års vinddata fra 05 Røsnæs Fyr. Tabellen viser beregnet middelvindhastighed (m/s) og middelvindenergitæthed (W/m ) for hver af målehøjderne -5 (m 00m) og ruhedsklasserne R0 R (z0=0m z0=0.m). Vindrosen viser fordelingen på vindretning for ruhedsklasse R0 ved siden af Weibull-frekvensfordelingen (tætheden) for alle sektorer, ligeledes for R0. Endvidere vises Weibull-frekvensfordelingerne for sektor og sektor for R0. Ved Weibullfrekvensfordelingerne er angivet skalaparameter A og formparameter k, sektorens middelvindhastighed, u, og sektorens middelvindenergitæthed, P.

Figur -. De % højeste vindhastigheder fra 0 års vinddata fra 05 Røsnæs Fyr er grundlag for dette regionale klimaatlas fra WA s P. Se forklarende tekst til figur -. Figur -. De % højeste vindhastigheder fra 0 års vinddata fra 05 Røsnæs Fyr er grundlag for dette regionale klimaatlas fra WA s P. Se forklarende tekst til figur -. 5

. Transformation mellem observeret og modelleret vindklima I denne undersøgelse ønskes, som beskrevet i indledningen, en simpel sammenhæng mellem en observeret vindhastighed, u_obs og en transformeret hav-hastighed u_model ved Røsnæs. Gerne blot en skalering, altså en sammenhæng af typen: u_model = α u_obs, hvor α er en konstant. WA s P beskriver vindklimaet for både u_obs og u_model ved deres fordeling. Begge antages af WA s P at være Weibullfordelt. For en Weibullfordelt stokastisk variabel u (læs: vindhastighed u) med skalaparameter A og formparameter k, gælder (Troen og Petersen eller Conradsen ): Hvis u er Weibullfordelt så er: Fordelingsfunktionen F(u) = P{U u}, F(u) = exp(-(u/a) k ) Frekvensfunktionen (tætheden) f(u) = F (u): f(u) = (k/a)*(u/a) (k-) * exp(-(u/a) k ) Middelværdi: A*Г(+/k). Varians: A *( Г(+/k) Г (+/k) ). Generelt gælder at hvis en stokastisk variabel U_obs har fordelingsfunktionen F(u_obs) og en anden stokastisk variabel U_model = α U_obs har fordelingsfunktionen G(u_model) så (da fordelingsfunktionen F for en stokastisk variabel U_obs er defineret ved F(u_obs) = P{U_obs u_obs}): G(u_model) = P{U_model u_model} = P{α U_obs u_model} = P{ U_obs u_model/α} = F(u_model/α) Og for vores Weibullfordelte tilfælde ((skalaparameter,formparameter) hhv. (A_obs,k_obs) og (A_model,k_model)) G(u_model) = exp( -(u_model/αa_obs) k_obs ) = exp( -(u_model/a_model) k_model ). Givet at både fordelingen for u_obs og fordelingen for u_model er Weibullfordelinger da kræver sammenhængen u_model = α u_obs altså at:

k_model = k_obs α = A_model / A_obs. Følgelig vil (jf. indsættelse i de respektive udtryk) og Middelværdi_model = α Middelværdi_obs Spredning_model = α spredning_obs. (Dette pæne resultat gælder kun for antagelsen om at u_model = α u_obs. Ved en antagelse bare om at u_model = α u_obs + β, β konstant, bliver u_model ikke nødvendigvis Weibull-fordelt.) De beregnede k_model kan med en god tilnærmelse siges at være lig med k_obs for de vindretningssektorer for hver af de tre datasæt: Hvis der ses bort fra sektorerne med under 50 observerede datasæt (sektor 5 fra højeste % -datasættet og sektor og 5 fra højeste % - datasættet) afviger k_model kun lidt fra k_obs set i forhold til spredningen i k-værdierne selv. Se afbildning af k_obs mod k_model i figur -. Selve værdierne af Weibullparametrene (A,k) givet af WA s P samt forholdene A_model/A_obs og k_model/k_obs er opført i tabel - for alle vindretningssektorer for hvert af de tre datasæt. 5,0,5 RØD: 0 års dat asæt GRØN: % højest e dat asæt,0 BLÅ: % højeste datasæt,5,0,5 5,0,5 Formparamter k_model,0,5 0,0 0,0,5,0,5,0,5,0,5,0,5 5,0 Formparameter k_obs Figur -. Formparameter k_obs fra Weibullfordelingerne tilpasset de observerede vinddata fra retningssektorer afbildet mod formparameter k_model fra retningssektorers Weibullfordelte regionale vinddata modelleret for vinden i m højde og ruhedsklasse R0. Følgende sektorer er ikke med i afbildningen som følge af for få vinddata: sektor 5 fra højeste % -datasættet og sektor og 5 fra højeste % -datasættet. Datapunkterne er mærket med nummeret for vindretningssektoren (-, begyndende med Nord= og med uret rundt). Farven angiver hvilket datasæt punktet stammer fra. Linien k_model = k_obs er optegnet med sort.

Vindretnings - sektor Datasæt A_obs k_obs A_model k_model k_model/ k_obs α = A_model/ A_obs 0 års data,50,5,0, 0, 0,0 0 års data,00,5,, 0, 0, 0 års data,0,,00,5 0, 0,5 0 års data,0,05,0,,,0 5 0 års data,0,5,0,,0, 0 års data,0,,00,0 0, 0, 0 års data,,,0, 0, 0, 0 års data,,55,0,5 0, 0, 0 års data,,,0, 0, 0, 0 års data,,50,, 0, 0,0 0 års data,,,0,0 0, 0,0 0 års data,50,0,,00 0, 0,5 højeste %,,5,, 0, 0, højeste %,,,,5 0, 0, højeste %,,,,, 0, højeste %,,0,,0,,0 5 højeste %,,,0, 0,5, højeste %,, 5,0,,5 0, højeste %,,,,5 0, 0, højeste %,,,,0,0 0, højeste %,,5 5,,,0 0, højeste %,, 5,,,0 0, højeste %,,0 5,,55,0 0, højeste %,5, 5,0,,0 0, højeste % 0,,,,5,0 0,0 højeste % 0, 5,,, 0, 0, højeste % 0,,5,,,00 0, højeste %,0,0,0,50 0,,00 5 højeste %,,,5,5 0,, højeste % 0,,,, 0, 0,5 højeste % 0,5,0,,,0 0, højeste % 0,,5,0,5,0 0, højeste % 0,,,,,05 0,5 højeste %,,,,0,0 0, højeste % 0,,,5,,0 0, højeste % 0,,,,,05 0,5 Tabel -. Liste over Weibullparametrene A, k for de forskellige vindretningssektorer for hver af de tre datasæt. 0 års data er de 0 års observerede vinddata fra 05 Røsnæs Fyr. højeste % er datasættet bestående af de højeste % vindhastigheder fra 0 års datasættet. højeste % er datasættet bestående af de højeste % vindhastigheder fra 0 års datasættet. Sektorerne - betegner vindretningssektorerne (begyndende med Nord= og med uret rundt) hvor vindhastigheden er beregnet for ruhedsklasse R0 (z0=0m). Sektor 5 fra højeste % indeholder kun datasæt, sektor og sektor 5 fra højeste % indeholder kun hhv. 5 og datasæt. Disse tre sektorer indgår derfor ikke i de videre beregninger.

0 5 Skalaparameter A_model (m/s) 0 0 0 Skalaparameter A_obs (m/s) Figur -. Skalaparameter A_obs fra Weibullfordelingerne tilpasset de observerede vinddata fra retningssektorer afbildet mod skalaparameter A_model fra retningssektorers Weibullfordelte regionale vinddata modelleret for vinden i m højde og ruhedsklasse R0. Der indgår data fra de samme sektorer som i figur -. Datapunkterne er mærket med nummeret for vindretningssektoren (-, begyndende med Nord= og med uret rundt). Farven angiver hvilket datasæt punktet stammer fra: 0 års data : Rød, højeste % : grøn og højeste % : blå. Da k_model antages at være lig med k_obs kan den ønskede skaleringsfaktor α for vindhastigheden ved 05 Røsnæs Fyr altså direkte findes som α = A_model / A_obs eller som hældningskoefficienten i en afbildning af A_model mod A_obs som i figur -. Ved betragtning af figur - ses datapunkterne for sektor og 5 at ligge for sig selv. Sektor og ligger også på en linie med stejlere hældning end de øvrige datapunkter. For at tydeliggøre et eventuelt sammenfald af α-værdier for de forskellige sektorer ønskes flere datapunkter. Under antagelserne om at u_model = α*u_obs og k_model = k_obs vil afbildninger af model -middelværdi, og spredning mod de tilsvarende observerede alle have hældningskoefficient α. Alle disse karakteristika for de modellerede fordelinger afbildes derfor, i samme afbildning, i figur - mod de samme karakteristika for fordelingerne tilpasset de observerede data.

DMI Teknisk Rapport 0-: Nedskalering af vindhastighed målt ved 05 Røsnæs Fyr 0 Karakteristika for modelfordelingerne (m/s) 0 5 5 5 0 0 Karakteristika for observationsfordelingerne (m/s) Figur -. A, middelværdi, spredning : Tre karakteristika for Weibullfordelingerne tilpasset de observerede vinddata fra retningssektorer afbildet mod de samme karakteristika fra retningssektorers Weibullfordelte regionale vinddata modelleret for vinden i m højde og ruhedsklasse R0. Data stammer fra alle tre datasæt, dog indgår følgende sektorer ikke i afbildningen som følge af for få vinddata: sektor 5 fra højeste % - datasættet og sektor og 5 fra højeste % -datasættet. Datapunkterne er mærket med nummeret for vindretningssektoren (-, begyndende med Nord= og med uret rundt). Farven angiver karakteristikatypen: Skalaparameter A: Rød, middelværdi: Grøn og spredning: Blå. 0

Figur - indbyder til forskellige muligheder med hensyn til at lade forskellige vindretningssektorer have samme α:. To α-værdier: Samme α for sektor og 5. Samme α for øvrige sektorer. Tre α-værdier: Samme α for sektor og 5. Samme α for sektor og. Samme α for øvrige sektorer (,,,,,,,). Fem α-værdier: En α for sektor, en α for sektor 5, samme α for sektor og, samme α for sektor,,,. Samme α for sektor,,, Ad ). Det virker rimeligt at sektor og 5, altså der hvor vinden kommer inde fra land, får en α tæt på, i dét vinden bremses af land og skov i forhold til den modellerede hav-vind der har ruhedsklasse R0. For de øvrige sektorer kommer vinden fra havet med lige en tur op over skrænten mod fyret og disse øvrige sektorer ses at ligge rimeligt godt på linie. Måske er modelleringen i WA s P ikke god nok til at der bør foretages yderligere opsplitning end denne ene åbenlyse og velbegrundede. Ad ) Samme argument for sektor og 5 som i ). Sektor og ligger tydeligt på linie og tydeligt over de øvrige sektorer (undtagen og 5) for alle karakteristika og alle datasæt. For sektor og har vinden kun haft en kort tur op ad skrænten ind over land til vindmåleren som næsten er fri af fyret. Det samme kan imidlertid siges for sektor,, og og disse ligger blandet sammen med de øvrige sektorer. Jeg har derfor ikke en god forklaring på at sektor og ligger for sig selv og det stærkeste argumentet for at beregne en α-værdi specielt for sektor og er derfor at stole på at WA s P har en fysisk grund til at placere punkterne så tydeligt for sig selv. Ad ) Opsplitningen ser entydig ud, men understøttes kun af afbildningen selv; Jeg har ikke yderligere fysiske argumenter end de der er anført i ) og ). Ud fra ovenstående overvejelser foretages der i næste afsnit lineær regression for at finde bedste bud på α-værdierne fra mulighed ) og ).

5. Skaleringsfaktor α I sidste afsnit blev det fundet at WA s P modelleringen af et regionalt vindklima omkring Røsnæs med ruhedsklasse R0 som en god tilnærmelse kunne give den ønskede simple skalering af en observeret vindhastighed, u_obs til en transformeret hav-hastighed u_model ved Røsnæs: u_model = α u_obs, hvor α er skaleringsfaktoren. Dette afsnit udregner forskellige bud på α ved hjælp af lineær regression af data præsenteret i figur - og efter opsplitning på vindretningssektorer sådan som der blev argumenteret for til slut i afsnit. Vindretningssektorerne er, som overalt i denne rapport, nummereret med uret rundt -, begyndende med Nord=. 5. To α-værdier afhængigt af vindretning Bedste bud på en skaleringsfaktor α for vindretningssektor og 5 (ø og øsø) findes som hældningen af den bedste rette linie gennem punkterne (A_obs,A_model), (middelværdi_obs, middelværdi_model), (spredning_obs,spredning_model) for 0 års data -datasættet samt sektor fra % datasættet. Linien tvinges gennem (0,0) da der kun var tale om en skalering af u_obs. Resultatet ses i figur 5-. SEKTOR og 5: α =.0 5 Karateristika for modelfordelingerne (m/s) 0 5 5 0 Karakteristika for observationsfordeling erne (m/s) Figur 5-. Bedste bud på skaleringskonstant α for vindretningssektor og 5 (ø og øsø). α findes som hældningen af den bedste rette linie gennem punkterne (A_obs,A_model), (middelværdi_obs,middelværdi_model), (spredning_obs,spredning_model) for 0 års data -datasættet samt sektor fra % datasættet og tvunget gennem (0,0). Datapunkterne er mærket med det tilhørende vindretningssektornummer. Den fundne linie er tegnet med rødt og har hældning α =.00. Bedste bud på en skaleringskonstant α for øvrige vindretningssektorer findes på tilsvarende vis og fremgår af figur 5-.

0 SEKTOR,,,,,,,, og : α = 0. Karakteristika for modelfordelingerne (m/s) 0 0 0 Karakteristika for observationsfordelingerne (m/s) Figur 5-. Bedste bud på skaleringskonstant α for alle vindretningssektorer, undtagen og 5. α findes som hældningen af den bedste rette linie gennem punkterne (A_obs,A_model), (middelværdi_obs, middelværdi_model), (spredning_obs,spredning_model) for alle tre datasæt. Linien er tvunget gennem (0,0). Datapunkterne er mærket med det tilhørende vindretningssektornummer. Den fundne linie er tegnet med rødt og har hældning α = 0.0. 5. Tre α-værdier afhængigt af vindretning Bedste bud på en skaleringsfaktor α for vindretningssektor og 5 (ø og øsø) blev vist i figur 5-. Dertil vises bedste bud på en skaleringsfaktor α for vindretningssektor og (v og vnv) i figur 5- og for de øvrige vindretningssektorer (,,,,,,,: nnv, n, nnø, ønø, ssø, s, ssv og vsv) i figur 5-.

0 SEKTOR og : α = 0. Karakteristika for modelfordelingerne (m/s) 0 0 0 Karakteristika for observationsfordelingerne (m/s) Figur 5-. Bedste bud på skaleringsfaktor α for vindretningssektor og (v og vnv). α findes som hældningen af den bedste rette linie gennem punkterne (A_obs,A_model), (middelværdi_obs,middelværdi_model), (spredning_obs,spredning_model) for alle tre datasæt og tvunget gennem (0,0). Datapunkterne er mærket med det tilhørende vindretningssektornummer. Den fundne linie er tegnet med rødt og har hældning α = 0.0.

0 SEKTOR,,,,,, og : α = 0. Karakteristika for modelfordelingerne (m/s) 0 0 0 Karakteristika for observationsfordelinger ne ( m/s) Figur 5-. Bedste bud på skaleringskonstant α for vindretningssektorerne,,,,,, og. α findes som hældningen af den bedste rette linie gennem punkterne (A_obs,A_model), (middelværdi_obs, middelværdi_model), (spredning_obs,spredning_model) for alle tre datasæt. Linien er tvunget gennem (0,0). Datapunkterne er mærket med det tilhørende vindretningssektornummer. Den fundne linie er tegnet med rødt og har hældning α = 0.0. 5

. WA s P-modellering af 0 Gniben års vinddata hver tredje time -00 fra 0 Gniben (samt de højeste % og de højeste % fra dette datasæt) blev brugt til en WA s P-beregning af vinden ved 0 Gniben modelleret til m over et homogent havområde (ruhedsklasse R0, z0 = 0m) tilsvarende den der i det foregående er beskrevet i detaljer for 05 Røsnæs Fyr. Figur -. Observerede Gniben data i WA s P, års vinddata, -00. Frekvensfordelinger for vindhastigheden ses for alle retninger og for sektor (ssø, dvs. vind fra land ) og sektor (vsv). Søjlerne er de observerede data og kurverne er de til de dertil tilpassede Weibull-frekvensfordelinger givet ved skalaparameter A og formparameter k. års-datasættet fra 0 Gniben vist i figur - var tættere på en Weibull-fordeling end 0 årsdatasættet fra 05 Røsnæs Fyr, vist i figur -. års-datasættet fra 0 Gniben havde en middelvindhastighed på. m/s og den tilpassede Weibull-fordeling havde en middelvindhastighed på. m/s altså en forskel på under % (mod % forskel for 0 års Røsnæs-datasættet), ligesom de tre viste vindretningssektorer i figur - tydeligt viser en bedre tilpasning af de observerede frekvenser til Weibull-fordelingen end tilfældet var for Røsnæs. Undersøgelsen for 0 Gniben viste (se figur -): For retninger fra land (ssø, vindretnings-sektor, ved sektorer med uret fra =Nord): u_havmodel =. * u_observeret. For retninger fra hav (øvrige retninger): u_havmodel = 0.* u_obs. Tabel - viser de af WA s P benyttede og beregnede data.

For års observationer, - var forholdet mellem vindhastighederne ved Røsnæs (Ro)og Gniben (Go) ca.: Go / Ro = 0. (figur - B). Hvis hav-model sammenlignes med hav-model (retninger fra hav) ligger hav-model-gniben - vindhastighed, Gh, ud fra dette, stadig under hav-model-røsnæs -vindhastighed, Rh: Gh / Rh = 0. Go / 0. Ro = (0./0.) * 0. = 0. Ud fra HIRLAM var det forventet at de to hav-model-vindhastigheder var nærmere hinanden, altså Gh / Rh ~ WA s P modellerer altså ikke vindforholdene på (mindst én af) de to lokaliteter perfekt. 5 0 Gniben Retninger fra hav Umod = 0. Uobs 5 5 5 5 Model hav (m/s) 5 5 0 0 0 Gniben Umod =. Uobs Observationer (m/s) 5 Retning fra land 5 Model hav (m/s) 5 0 0 5 5 5 Observationer (m/s) 5 5 5 5 Figur -. Skalering af (modellerede) observationer fra 0 Gniben til m over hav-modeldata. I figurerne er skalaparameter A, middelværdi og spredning for Weibull-fordelingerne modelleret for hhv observationer og m over hav (ruhedsklasse 0) plottet mod hinanden. Punkterne er mærket med tilhørende retningssektor. Bedste rette linie tvunget gennem (0,0) er indtegnet og formlen angivet.

Vindretnings - sektor 0 Gniben. Data -00 Datasæt A obs. k obs. A model k model k model/ k obs. alfa = Amodel/ Aobs. års data,0,,0,,00, års data,0,,0,,, års data,0, 5,0,,0,0 års data,50,,0,5,, 5 års data,00,5,0,,00,0 års data 5,0,00,0,,, års data,0,0,0,0,00, års data,,5,50,,00, års data,50,,50,,, års data,0,,50,,00, års data,0,,0,,00, års data,,0,0,0,00, % højeste,,,,0,0, % højeste,,,,5,0, % højeste,,,,5,0,0 % højeste,,,0,,5, 5 % højeste,5,5,,5,,0 % højeste,,5 5,,,, % højeste,,5,,5,0, % højeste,,,,5,0, % højeste,,0,,0,0,0 % højeste,,,,5,0, % højeste,,5,5,5,0, % højeste,,,,,00, % højeste,,,0,0,,0 % højeste,,,,5,0, % højeste 5,0,,,,0, % højeste,,5,,0,,0 5 % højeste 5,,5,,0,, % højeste 5, 5,5,,,, % højeste,,5,,0,, % højeste 5,0,5,0,,0, % højeste 5,0,5,,,5, % højeste 5,,,,,0, % højeste,,,5,,, % højeste,,,,,05, Tabel -. Weibullparametrene A, k fra WA s P-analysen lavet på års vinddata fra 0 Gniben. Retningssektor (ssø) fra % højeste -datasættet havde, som den eneste, færre end 50 data og indgik derfor ikke i bestemmelsen af skaleringsfaktoren for Gniben.

. Sensitivitetsstudie. Fyrets placering WA s P-analysen blev også foretaget på 0 års datasættet fra 05 Røsnæs Fyr uden at give WA s P oplysning om vindlæ, herunder placering og størrelse af Røsnæs Fyr. Dette ændrede imidlertid ikke på resultatet. Den eneste forskel på de to kørslers vindklima for m vind over hav (ruhedsklasse 0) var at middelvindhastigheden for sektor (retning vsv, med størst læ fra fyret) var. m/s når der blev taget hensyn til vindlæ (som i det foregående) og. m/s når der ikke blev givet oplysning om vindlæ. Weibull-skalaparameter A bliver af WA s P oplyst med decimal og formparameter k med decimaler og med denne opløsning kunne der ikke på A og k ses forskel på om de beskrevne vindlæ indgik i WA s P-modelleringen eller ej. For vindklima m over åbent land (ruhedsklasse ) var middelvindhastigheden 0.0 m/s højere for både vindsektor og ved kørslen med oplysning om vindlæene. Vindklimaet i 5 meters højde viste ingen forskel. Forsøget viste altså at fyrets placering sammen med de øvrige vindlæ af WA s P beregnes til at give en reduktion af vind fra vsv ( m vind over hav skulle øges) der er uden betydning. Dette blev set i resultaterne i det foregående ved at sektor ikke skilte sig ud fra de øvrige fra hav sektorer. Ved kørsler med oplysning om vindlæ hvor dimensionerne af fyret forstørres betragteligt (højde 0 m), øges middelvind-hastigheden i det modellerede m vind over hav -vindklima også voldsomt, svarende til at WA s P regner med en tydelig læeffekt fra det kunstigt forstørrede fyr. Vindlæ-modellen i WA s P regner i det hele taget med at vindlæ reducerer vindhastigheden bag sig og tager ikke hensyn til en eventuel øgning af vindhastigheden tæt på og over vindlæ da dette ville kræve kendskab til vindlæets præcise geometri og givetvis komplicere modelleringen betragteligt (Troen og Petersen,. s. 5). Dersom vind-måleren ved 05 Røsnæs Fyr mærker en sådan øgning på grund af fyrets nærhed er det altså ikke noget WA s P-analysen kan gengive.. Orografi Der blev lavet en kørsel for 0 års 05 Røsnæs Fyr datasættet med anvendelse af det digitaliserede kort for Gniben. Dette gav en sammenhæng mellem observeret vind fra hav og modelleret m hav-vind på u_model = 0. * u_obs (skal sammenlignes med u_model = 0. * u_obs, ved anvendelse af det digitaliserede kort for Røsnæs). Der blev også lavet en kørsel for års 0 Gniben datasættet med anvendelse af det digitaliserede kort for Røsnæs. Dette gav en sammenhæng mellem observeret vind fra hav og modelleret m hav-vind på u_model = 0. * u_obs (skal sammenlignes med u_model = 0. * u_obs ved anvendelse af det digitaliserede kort for Gniben, se afsnit ). WA s P beregner altså en forskellig vindhastighed for de to typer landtanger og specielt en større nedskalering af vind for Røsnæs end for Gniben.

. Konklusion Ud fra denne undersøgelse vil jeg anbefale følgende bud på en skalering til m over hav af vindhastigheden der observeres ved 05 Røsnæs Fyr: u_obs: Observeret vindhastighed (m/s) ved 05 Røsnæs Fyr u_model: Modelleret værdi (m/s) gældende m over et (hav-) område med ruhedsklasse R0 u_model = u_obs, u_model = 0.*u_obs, gældende for vindretning fra land (sektor og 5: Øst og østsydøst) gældende for vindretning fra hav (alle andre end øst og østsydøst) Begrundelsen for netop disse skaleringsfaktorer er at det er dem der fremkommer ved benyttelse af softwaren WA s Ps modeller for vindens påvirkning af højde, læforhold og orografi. Jeg har intet kvantitivt bud på usikkerheden i den foreslåede skalering, men minder om følgende: Der findes ingen observerede m over ruhedsklasse R0 -Røsnæs data at teste skaleringen mod. Skaleringsfaktoren α fremkom ikke ved direkte afbildning af observerede data mod modellerede data, men ved undersøgelse af den teoretiske fordeling der blev tilpasset de observerede data mod modelfordelingen. Der ligger altså en usikkerhed i at den virkelige vind (ligesom den modellerede) ikke nødvendigvis er Weibull-fordelt. Givet at den observerede vind og den modellerede vind var Weibull-fordelte med formparameter hhv. k_obs og k_model, så krævede antagelsen om at u_model = α * u_obs at k_model/k_obs =. Forholdet mellem de anvendte formparametre k lå imidlertid mellem. og 0.. Denne undersøgelse har kun set på nedskalering af en observeret vindhastighed; ikke på en eventuel drejning af den til observationen hørende vindretning. De fysiske modeller i det anvendte WA s P-software forklarer ikke hele forskellen i vindhastighed mellem f.eks. 05 Røsnæs Fyr og 0 Gniben. Af usikkerhedsbetragtningerne ovenfor følger at den anbefalede nedskalering ikke egner sig til erstatning som sådan af den observerede vind ved 05 Røsnæs Fyr. Eventuelle brugere af en nedskaleret vindhastighed, u_model, skal holde sig for øje at u_model er et beregnet produkt med dertil hørende mulighed for afvigelse fra den virkelige verden. 0

. Referencer Cappelen John og Bent Jørgensen. Observeret vindhastighed og retning i Danmark med klimanormaler -0. DMI Technical Report -. København. Cappelen John. Angående vindmålinger på Røsnæs. Internt DMI notat dateret..00. Conradsen Knut. En Introduktion til Statistik. Bind A. 5. udgave. IMSOR. Mortensen, Niels G., Lars Landberg, Ib Troen og Erik L. Petersen. Wind Atlas Analysis and Application Program (WA s P ). Vol. : Getting Started. Risø National Laboratory, Roskilde, Denmark. Januar a. Mortensen, Niels G., Lars Landberg, Ib Troen og Erik L. Petersen. Wind Atlas Analysis and Application Program (WA s P ). Vol. : User s Guide. Risø National Laboratory, Roskilde, Denmark. Januar b. Mortensen, Niels G., Duncan N. Heathfield, Lars Landberg, Ole Rathmann, Ib Troen og Erik L. Petersen. Getting Started with WA s P. Risø National Laboratory, Roskilde, Denmark. September 00. Laursen, Ellen Vaarby. Nedskalering af vindhastighed målt ved 05 Røsnæs Fyr. DMI Intern Rapport 0-0. København 00. Stationsfortegnelse og Observationsplan gyldig fra. august for Vejrobservationsposter i Danmark, Grønland og på Færøerne. Danmarks Meteorologiske Institut. Observationsafdelingen. Stationskatalog. Tabellen s_obstype_stam_pos i DMIs klimadatabase Klimadb der opdateres med stationskatalogets oplysninger angående stationsnummer, -navn, -type, -position, -start- samt - slutdato. Troen, I. og E. L. Petersen.. European Wind Atlas. ISBN -550--. Risø National Laboratory, Roskilde. 5 s.

DMI Teknisk Rapport 0-: Nedskalering af vindhastighed målt ved 05 Røsnæs Fyr