Forschungsziel: ein Vorhersagemodell für Störwirkungen von Windenergieanlagen
Es sind jede Menge Messdaten realer Anlagen, die Schubert mit dem Radar misst. Anhand dieser Daten möchte er ein Modell entwickeln, mit dessen Hilfe sich die Störwirkungen der Windenergieanlagen auf Radare vorhersagen lassen, vorrangig die Radare des Deutschen Wetterdienstes (DWD).
Der DWD hat die hoheitliche Aufgabe und die Pflicht, im Bundesgebiet Wetterphänomene flächendeckend zu erfassen um möglichst zuverlässige Wettervorhersagen zu erstellen. Um seiner Pflicht nachzukommen, betreibt der DWD im Bundesgebiet 17 Wetterradarstationen mit einer jeweiligen Reichweite von 150 Kilometern. Zugleich besitzt der DWD ein Mitspracherecht bei den Genehmigungsverfahren neuer Windenergieanlagen. Hintergrund: Windenergieanlagen können durch Abschattungen und Reflektionen die Messwerte der Wetterradare beeinflussen und stören. Störungen des Wetterradars könnten dazu führen, dass lokale Wetterphänomene falsch oder gar nicht erfasst werden. Beispielsweise für die Luftfahrt ist eine zuverlässige Wettervorhersage essenziell, um Risiken einzuschätzen und auf diese Weise Unfälle oder gar Abstürze nach Möglichkeit zu verhindern. Um also das Risiko von Störungen der Wetterradare durch Windenergieanlagen zu verringern, hat der DWD Schutzabstände definiert, die bei der Inbetriebnahme von Windenergieanlagen gegenüber den Wetterradaren einzuhalten sind.
Bislang fehlt dem DWD ein zuverlässiges Vorhersagemodell für Störungen durch Windenergieanlagen, das es erlauben würde, diese in der Nähe von Radarstationen des DWD in Betrieb zu nehmen. Ein Vorhersagemodell ist deshalb so interessant, weil die nutzbaren Flächen für Windenergieanlagen sehr begrenzt sind. Zudem wird im Rahmen der Energiewende der Ausbau der Windenergie forciert. Wenn es Schubert also gelingt, ein zuverlässiges Modell zu entwickeln, könnten auf dessen Basis möglicherweise mehr geeignete Flächen für Windanlagen identifiziert und genutzt werden, als bislang der Fall ist.
Welchen Vorteil hat Forschung anhand von Messdaten realer Anlagen?
„Im Wesentlichen gibt es drei Methodiken, solch ein Vorhersagemodell zu entwickeln.“, erklärt Schubert. „Häufig werden Simulationen durchgeführt, meist jedoch unter Verwendung stark vereinfachender Modelle. Eine weitere Methode ist die Miniaturisierung. Dabei werden stark verkleinerte Modelle in Messkammern analysiert. Der dritte am seltensten beschrittene Weg ist die Modellbildung basierend auf Messdaten realer Anlagen. Zwar ist diese Methode die aufwändigste und teuerste, aber sie liefert eine genaue und somit die beste Grundlage, um ein zuverlässiges und exaktes Vorhersagemodell ableiten zu können.“