Geben Sie einen Suchbegriff ein
oder nutzen Sie einen Webcode aus dem Magazin.

Geben Sie einen Begriff oder Webcode ein und klicken Sie auf Suchen.
Eine Plattform zur Sicherstellung des Artenschutzes bei Windkraftvorhaben

Artenschutz bei Windkraftvorhaben

Abstracts

In Deutschland wurden bislang rund 30.000 Windenergieanlagen (WEA) installiert, mit weiterhin ansteigender Tendenz. Zum Schutz von Fledermäusen und Vögeln müssen Betreiber in vielen Fällen Abschaltalgorithmen implementieren, um die Mortalität der Tiere zu reduzieren. Risiken bestehen durch eine mögliche Kollision mit den Rotorblättern und insbesondere bei Fledermäusen aufgrund von Barotraumen durch Druckunterschiede nahe den Rotorblättern. Im Rahmen dieses Beitrags wird ein technologischer Ansatz vorgestellt, mit dem erste Anhaltspunkte für die Kontrolle der Einhaltung artenschutzrechtlicher Vorgaben für den WEA-Betrieb geliefert werden können. Die technischen Entwicklungen umfassen die Sensorik, ein Webportal und das zeitnahe Erkennen eines potenziellen Fehlbetriebs. Im Rahmen von Feldstudien wurden die ersten Prototypen sowohl mittels mobiler WEA-Demonstratoren als auch bei einer aktiven WEA (Typ Vestas V82) erfolgreich getestet. Die ermittelten Drehzahlen erzielen mit einem Korrelationskoeffizienten von 0,982 eine sehr gute Übereinstimmung mit dem WEA-Betriebsprotokoll.

Species protection in wind power projects – A platform for monitoring compliance with species protection regulations for wind turbine operation

So far, around 30,000 wind turbines (WT) have been installed in Germany, and the trend is still rising. To protect bats and birds, operators must in many cases implement shutdown algorithms to reduce mortality. Risks are posed by a possible collision with the rotor blades or, especially in the case of bats, due to barotrauma caused by pressure differences near the rotor blades. In this paper, a technological approach is presented which can provide first indications for monitoring compliance with species protection regulations for WT operation. The technical developments include sensor technology, a web portal, and the timely detection of a potential malfunction. Within the scope of field studies, the first prototypes were successfully tested both with mobile WT demonstrators and with an active WT (type Vestas V82). With a correlation coefficient of 0.982, the rotational speeds determined achieve very good conformity with WT operating protocol.

Veröffentlicht am
Dieser Artikel ist in der erschienen.
PDF herunterladen
 Abb. 1 : Visualisierung des Systemkonzepts: Drehzahlinformationen werden alle zehn Minuten automatisch in das Webportal übertragen. Auf die jeweils eigenen Daten haben sowohl Behörden als auch WEA-Betreiber Zugriff. Das Webportal ermöglicht das Eintragen von Stammdaten, die Definition von Abschaltzeiten sowie ein automatisches Reporting. Weitere Services können perspektivisch eingearbeitet werden.
Abb. 1 : Visualisierung des Systemkonzepts: Drehzahlinformationen werden alle zehn Minuten automatisch in das Webportal übertragen. Auf die jeweils eigenen Daten haben sowohl Behörden als auch WEA-Betreiber Zugriff. Das Webportal ermöglicht das Eintragen von Stammdaten, die Definition von Abschaltzeiten sowie ein automatisches Reporting. Weitere Services können perspektivisch eingearbeitet werden. Jochen Moll et al.
Artikel teilen:

Von Jochen Moll, Moritz Mälzer, Thomas Maetz, Jonas Simon, Ashkan Taremi Zadeh, Vittorio Memmolo, Sebastin Beck, Jorge A. Encarnação und Manfred Dürr

Eingereicht am 25. 11. 2020, angenommen am 13. 02. 2021

1 Einleitung

Errichtung und Betrieb von Windenergieanlagen (WEA) bedingen eine Reihe von Eingriffen in die Natur und Landschaft. Risiken für Fledermäuse und Vögel bestehen durch eine mögliche Kollision mit den Rotorblättern oder, insbesondere bei Fledermäusen, aufgrund von Barotraumen durch Druckunterschiede nahe den Rotorblättern (Brinkmann et al. 2011, Grünkorn et al. 2016, Voigt et al. 2015). Wird ein erhöhtes Risiko festgestellt, kann dies aus artenschutzrechtlichen Gründen zur Versagung von Genehmigungen für WEA oder zu Einschränkungen im Betrieb führen (Bulling et al. 2015).

Im Rahmen aktueller Forschungs- und Entwicklungsprojekte werden Sensortechnologien entwickelt, um auf der Grundlage von Beobachtungsdaten eine bedarfsgerechte Regulierung von WEA bei erhöhter Aktivität gefährdeter Spezies zu erreichen. Zu diesem Zweck werden kamerabasierte Monitoringsysteme von DT-Bird, BirdVision, BioSeco oder IdentiFlight (McClure et al. 2018) angeboten, die aber den Nachteil besitzen, dass Fledermäuse und Vögel in der Dunkelheit nicht erfasst werden können. Nach derzeitigem Kenntnisstand erlauben Kamera- und Thermografiesysteme keine zuverlässige automatische Analyse zur Erkennung der Flugtiere (Robinson Willmott et al. 2015, Scholz et al. 2016). Akustische Messungen für die Bestimmung der Fledermausaktivität an WEA werden zum Beispiel mittels Geräten der Firmen Avisoft Bioacoustics, ecoObs oder Anabat Systems durchgeführt, allerdings in der Regel nur als Datenlogger zur rückwirkenden Analyse. Des Weiteren kommen auch räumlich scannende Radarsysteme im X-Band (8–12 GHz) für die Überwachung des großräumigen Luftraums in Windparks zum Einsatz, um insbesondere Vogelzugereignisse frühzeitig zu erkennen (Schuster & Bruns 2018). Hier sind beispielsweise die Varianten SwissBird Radar, Robin Radar Systems oder DeTect zu nennen. Stationäre Radarsensoren verzichten für einen wartungsfreien Einsatz auf einen scannenden Betrieb, arbeiten gleichzeitig bei höheren Frequenzen und zielen auf die Überwachung des Luftraums einzelner WEA ab (Mälzer et al. 2020, Taremi Zadeh et al. 2020). Zusammenfassend lässt sich jedoch festhalten, dass bislang noch keine Sensortechnologie mit hinreichendem Reifegrad existiert, um eine adaptive Steuerung der WEA rein auf Basis von Beobachtungsdaten zu erreichen.

Vor diesem Hintergrund kommen derzeit vielfach Abschaltalgorithmen im WEA-Betrieb zum Schutz von Fledermäusen und Vögeln zum Einsatz (Hurst et al. 2015). Abschaltalgorithmen gelten als ein effektives und leicht implementierbares Instrument, um das Tötungsrisiko von Fledermäusen durch WEA zu reduzieren. Sie sollen die Auswirkungen von Eingriffen in die Natur so weit reduzieren, dass ein Vorhaben nicht gegen die von § 44 Abs. 1 und 5 BNatSchG normierten artenschutzrechtlichen Verbote verstößt (Lindemann et al. 2018). Mit der Software ProBat werden basierend auf den wissenschaftlichen Forschungsergebnissen der RENEBAT-Projekte standortspezifische Abschaltalgorithmen für WEA berechnet. Diese basieren auf Windgeschwindigkeit und Temperatur in Gondelhöhe sowie der simultan gemessenen Fledermausaktivität. Sie werden von den WEA-Betreibern zum Beispiel mithilfe des Fleximaus-Systems implementiert. Abschaltalgorithmen gelten darüber hinaus als eine geeignete Minderungsmaßnahme für den WEA-Betrieb im Offenland als auch im Wald (Hurst et al. 2020). Laut Bundesamt für Naturschutz lag der durchschnittliche Verlust durch die Abschaltalgorithmen bei 2,1 % des Jahresertrages (Bundesamt für Naturschutz 2017).

Im Rahmen der vorliegenden Arbeit wird eine Plattform bestehend aus Sensorik und Webportal vorgestellt, um in 10-Minuten-Intervallen die Einhaltung der Abschaltalgorithmen automatisch zu kontrollieren. Damit können fehlerhafte Einstellungen, technische Störungen oder Manipulationen der Protokolle schnell aufgedeckt werden. Das Webportal als digitale Schnittstelle zwischen Behörden und WEA-Betreibern hat Vorteile für beide Seiten und kann deren Zusammenarbeit verbessern. Es dient auch als zentrale Datenbasis, um Informationen über WEA jeden Typs zu ermitteln, die unter Auflagen betrieben werden (Fritze et al. 2019). Mit dem vorgeschlagenen Ansatz werden sowohl länderübergreifende Einheitlichkeit als auch Transparenz gefördert, sodass perspektivisch ein Beitrag zur bundeseinheitlichen Leitlinie für eine „effektive Implementierung der Fledermausschutzmaßnahmen“ (Fritze et al. 2019) geleistet wird.

2 Beschreibung der Plattform: Konzeption und Methodenentwicklung

2.1 Konzeption

Das wissenschaftlich-technische Konzept umfasst die Entwicklung eines Drehzahlsensors, der am drehenden Rotor einer WEA angebracht ist und in Abständen von zehn Minuten die mittlere Drehzahl erfasst. Die Daten werden per Mobilfunk (LTE-M) an ein Webportal gesendet (Abb. 1). Dort haben Überwachungsbehörden und WEA-Betreiber die Möglichkeit, die Daten in Echtzeit einzusehen, und können automatisch über einen potenziellen nicht konformen Betrieb informiert werden (zum Beispiel per E-Mail oder SMS). Die für die Abschaltung erforderlichen Informationen in Bezug auf Windgeschwindigkeit und Temperatur werden aus Daten des Deutschen Wetterdienstes (DWD) interpoliert (siehe Abschnitt 2.3) und könnten zukünftig auch parallel auf der Gondel erfasst werden.

2.2 Beschreibung der Sensorik und des Webportals

Die Sensorik befindet sich innerhalb eines IP66-Schutzgehäuses (Abb. 2). Sie besteht im Wesentlichen aus einem Microcontroller des Typs Pycom FiPy inklusive 3D-Beschleunigungssensor und LTE-M-Modem, einer LTE-Antenne, Batterien, Batteriehaltern und einem verbindendem 3D-Druckteil innerhalb des Gehäuses. Die Sensorbox kann über einen Schalter ein- und ausgeschaltet sowie mithilfe von Magneten fixiert werden. Der Mikrocontroller wurde so programmiert, dass über die Auswertung der Beschleunigungssignale die Drehzahl ermittelt werden kann. Mittelungen (Zehn-Minuten-Intervall) wurden direkt im Mikrocontroller implementiert, um die Datenübertragungen auf ein Minimum zu reduzieren. Unter den unterschiedlichen unterstützten Datenübertragungsmodi wurde letztendlich LTE-M ausgewählt. Im Rahmen einer Risikobetrachtung wurden alle elektrischen Kontakte mit Flüssiggummi abgedeckt und alle Komponenten ohne Bewegungsfreiraum fixiert.

Auf einem Webportal (Abb. 3) werden die überwachten WEA auf einer Karte angezeigt. Detailinformationen wie zum Beispiel der aktueller Drehzahlverlauf und die Wetterinformationen lassen sich durch Anklicken der jeweiligen WEA aufrufen. Es handelt sich hierbei für Anschauungszwecke zunächst um simulierte Daten, wobei das Drehzahlprofil einer realen 2-MW-WEA zugrunde gelegt wurde (Abb. 4).

2.3 Modellierung der Wetterdaten

Die Abschaltalgorithmen für WEA basieren auf Windgeschwindigkeit und Temperatur, die typischerweise auf der Gondel gemessen werden (Bulling et al. 2015). Im Rahmen der Entwicklung der Plattform sollte geprüft werden, ob es möglich ist, statt einer lokalen Messung auf der Gondel ersatzweise auch Wetterdaten des Deutschen Wetterdienstes (DWD) zu verwenden. Es sollte als erster Schritt betrachtet werden, welche Korrekturen auf die Daten angewendet werden können, damit diese mit den gemessenen Betriebsdaten der WEA möglichst gut übereinstimmen. Für diese Analyse wurden die Wetterdaten des DWD auf Basis der Koordinaten der WEA heruntergeladen, anhand mehrerer Messstationen interpoliert und mit den vorhandenen Betriebsprotokollen der WEA verglichen (vom WEA-Betreiber bereitgestellt). Zunächst kann qualitativ festgestellt werden, dass die Messdaten in Abb. 5 für Temperatur- und Windgeschwindigkeit tagsüber gut überstimmen und es nachts zu Abweichungen kommt.

Derartige Unterschiede sind aus der Literatur bekannt (Young 2004). Vereinfacht ausgedrückt findet am Tag eine solare Erwärmung der Atmosphäre und in der Nacht eine Strahlungskühlung statt. Bald nach Sonnenaufgang bildet sich zunächst am Boden eine konvektive Grenzschicht, die über den Tag hinweg allmählich zunimmt. Um den Sonnenuntergang kommt es aufgrund der Strahlungsabkühlung des Bodens gewöhnlich zu einer „thermischen Inversion“ in Bodennähe (das heißt bis etwa 500 m Höhe), die mit einem Anstieg der Temperatur von bis zu 15 K verbunden sein kann (Stull 1988). Genau diese Größenordnung lässt sich in Abb. 5 (oben) erkennen. Aus thermodynamischen Gründen hat dieser Effekt unmittelbare Auswirkungen auf die Windgeschwindigkeit (siehe Abb. 5 unten).

Die Genauigkeit der DWD-Daten hängt vom relativen Standort zwischen DWD-Wetterstationen und der betrachteten WEA ab, wobei dies durch räumliche Interpolation teilweise ausgeglichen werden kann (Löffler 2012). Des Weiteren sind Sensoren für Windgeschwindigkeit und Temperatur den aerodynamischen Effekten (insbesondere Turbulenzen) im Gondelbereich unterworfen. Folglich gibt es systematische Abweichungen zwischen den an der WEA gemessenen und den von DWD bereitgestellten Wetterdaten. Allerdings stellt sich die Frage, ob diese Effekte nicht mithilfe von Methoden der künstlichen Intelligenz (KI) hinreichend gut modelliert werden können.

Es wurden zeitinvariante Verfahren für die Korrektur der Temperatur- und Windgeschwindigkeit entwickelt:

1. Im ersten Ansatz wurde das zeitsynchronisierte Differenzsignal zwischen den DWD-Daten und den bereitgestellten WEA-Daten errechnet. Der Mittelwert davon wurde als Korrektur der DWD-Daten verwendet.

2. Im zweiten Ansatz wurde die Windgeschwindigkeit auf der Grundlage des hyperbolischen Windgeschwindigkeitsprofils korrigiert (Pons 2007, Stival et al. 2017, Wagner 2011). Hierbei wird auch berücksichtigt, dass die Bezugsebene des DWD niedriger als die betrachtete Gondelhöhe ist.

Das Ergebnis der Korrekturen zeigt, dass bereits mit einer statischen Korrektur eine signifikante Verbesserung für diesen Zeitraum erzielt werden kann (Abb. 6). Die zweite Korrektur (bezogen auf die Windgeschwindigkeit) führte zu einer weiteren Verbesserung zwischen den DWD-Daten und den gemessenen Wetterdaten bei der WEA (Abb. 6).

Im Weiteren werden nun die statistischen Bewertungsgrößen in Bezug auf die WEA-Daten angegeben. Ohne Korrektur betragen der Mittelwert und die Standardabweichung s des Differenzsignals v = 3,92 m/s und s v  = 2,09 m/s. Für die Temperatur ergeben sich Werte von T = 5,88 °C und s T = 2,33 °C. Nach der ersten Korrektur betragen die Unterschiede bei der Windgeschwindigkeit v,1  = 0 m/s (100 %) und s v,1  = 2,09 m/s (0 %). Für die zweite Korrektur ergeben sich Werte bei der Windgeschwindigkeit von v,2  = 0,32 m/s (92 %) und s v,2  =1,91 m/s (9 %). Bei der Temperatur betragen die relativen Unterschiede nach der ersten Korrektur T,1  = 0 °C (100 %) und s T,1  = 2,33 °C (0 %).

Ob nun die Temperatur und Windgeschwindigkeit hinreichend genau modelliert sind, entscheidet sich letztlich daran, ob die Wetterbedingungen in Bezug auf die Vorgaben für die Abschaltbedingungen korrekt klassifiziert werden. Um dies zu beurteilen, wurde der Datensatz einer WEA im Bundesland Bayern von Juni 2019 bis Mai 2020 im Vergleich zu den DWD-Daten des gleichen Zeitraums analysiert. Für Bayern gelten derzeit die Grenzwerte für die Windgeschwindigkeit v = 6 m/s und Temperatur T = 10 °C. In Tab. 1 ist nun ein Vergleich zwischen den an der WEA gemessenen Parametern dargestellt, im Vergleich zu den geschätzten Ergebnissen auf der Grundlage der DWD-Daten. Demnach sollte eine Abschaltung korrekterweise dann erfolgen, wenn die an der WEA gemessenen Werte für Windgeschwindigkeit und Temperatur die Abschaltbedingungen erfüllen. Ist dies bei der Schätzung nicht der Fall, dann handelt es sich um eine versäumte Abschaltung. Im Umkehrschluss sollte eine Abschaltung nicht erfolgen, wenn die an der WEA gemessenen Werte die Abschaltbedingungen nicht erfüllen. Sollte dies doch der Fall sein, handelt es sich um einen Fehlalarm. Das Ziel besteht darin die „Wahrscheinlichkeit einer korrekten Abschaltprognose“ zu maximieren und die „Wahrscheinlichkeit eines Fehlalarms“ zu minimieren.

Selbst mit den einfachen Korrekturen liegt die Wahrscheinlichkeit einer korrekten Prognose der Abschaltnotwendigkeit bei > 85 % (Abb. 7). Gleichzeitig kann mit den gleichen Korrekturen die Wahrscheinlichkeit eines Fehlalarms im vorliegenden Fall auf quasi Null reduziert werden.

3 Ergebnisse der Felduntersuchungen

3.1 Nachbildung von Referenzprofilen mit mobilen Demonstratoren

Für den ersten Teil der Feldstudien wurde ein mobiler Windrad-Demonstrator entwickelt und in zweifacher Form hergestellt (Abb. 8). In der programmierbaren Motorsteuerung kann ein definiertes Drehzahlprofil (Sollkurve) hinterlegt werden. Dieses Referenzprofil wurde so gestaltet, dass das gleiche Profil zweimal hintereinander durchlaufen wird, jedoch mit dem Unterschied, dass im zweiten Durchlauf ein nicht bestimmungskonformer Betrieb stattfand (Zeitintervall zwischen 180 und 220 min). Hierbei ist zu beachten, dass das Drehzahlprofil recht schnelle Drehzahländerungen mit steilen Flanken aufweist, um möglichst viele unterschiedliche Bedingungen in kurzer Zeit abbilden zu können.

An den exemplarischen Standorten Augsburg und Karlsruhe zeigt sich eine exzellente Übereinstimmung zwischen dem Referenzprofil und dem gemessenen Profil (Abb. 9). Die Tests erfolgten an unterschiedlichen Standorten, um den Einfluss der jeweiligen Mobilfunkabdeckung mit einzubeziehen. Auftretende Ausreißer in Form von zackigen Ausschlägen sind auf die schnelle Drehzahländerung des Referenzprofils sowie das relativ kurz gewählte Mittelungsintervall zurückzuführen, was die Güte der Drehzahlmessung negativ beeinflusst. Dieser Effekt ist jedoch im realen Betrieb aufgrund der Trägheit der WEA nicht zu erwarten. Ein Vergleich zwischen dem bestimmungskonformen Betrieb und dem simulierten Fehlbetrieb ist in Abb. 10 dargestellt. Mittels einer differentiellen Analyse, bei der die Drehzahlprofile zeitsynchronisiert voneinander subtrahiert werden, kann der Fehlbetrieb im Intervall von 180–220 min eindeutig identifiziert werden. Dieser Prozess lässt sich beispielsweise mit einer Schwellwertanalyse leicht automatisieren.

3.2 Installation bei einer Windenergieanlage

Im nächsten Schritt wurde die Sensorik an der Welle einer aktiven Vestas-V82-Anlage installiert (Abb. 11 links). Beim Vergleich zwischen dem WEA-Betriebsprotokoll und einer Sensorbox (Abb. 11 rechts) stimmen die Ergebnisse sehr gut überein (Korrelationskoeffizient R = 0,982). Abweichungen kommen möglicherweise daher, dass ein unterschiedliches Zehn-Minuten-Mittelungsintervall bei WEA beziehungsweise Sensorknoten gewählt wurde. Dieser Anlagentyp hat einen direkt mit dem Netz gekoppelten Generator mit zwei Wicklungssätzen für zwei feste Drehzahlen (10,6 beziehungsweise 14,2 U/Min). Diese Drehzahlniveaus sind in dem gemessenen Verlauf erkennbar.

Literatur

Aus Umfangsgründen steht das ausführliche Literaturverzeichnis unter Webcode NuL2231 zur Verfügung.

Dank

Das Projekt wurde vom Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit im Rahmen des Förderprogramms „KI-Leuchttürme für Umwelt, Klima, Natur und Ressourcen“ gefördert (Förderkennzeichen: 67KI1011). Des Weiteren möchten wir uns bei den Mitgliedern des projektbegleitenden Ausschusses bedanken, deren Hinweise wesentlich zum Erfolg des Vorhabens geführt haben.

Fazit für die Praxis

  • Ein weiterer Ausbau der Windenergie ist gewünscht, um die Klimaschutzziele zu erreichen. Die Anforderungen von Naturschutz und Artenschutz sind dabei gleichermaßen zu berücksichtigen, siehe Grün-Grün-Dilemma nach (Straka et al. 2020).
  • WEA-Betreiber müssen in vielen Fällen Abschaltalgorithmen implementieren, um das Tötungsrisiko der Tiere zu reduzieren.
  • Das Ziel der vorgestellten Entwicklung besteht darin, die Überwachungsbehörden in die Lage zu versetzen, die Einhaltung von Abschaltalgorithmen unabhängig, kontinuierlich und mit hohem Automatisierungsgrad kontrollieren zu können.
  • Wenn aktuelle Drehzahl, Windgeschwindigkeit und Temperatur bekannt sind, kann der WEA-Betrieb unmittelbar auf die Einhaltung der Bestimmungen geprüft werden.
  • Fehlerhafte Einstellungen, technische Störungen oder Manipulationen der Protokolle können so schnell aufgedeckt werden.
  • Ein Funktionsnachweis der Plattform konnte im Rahmen von Feldstudien (mobile Windrad-Demonstratoren sowie aktive WEA) erbracht werden.
  • Künftige Entwicklungen umfassen die Minimierung des Energiebedarfs der Sensorknoten sowie den Einsatz von KI-Methoden zur standortspezifischen Modellierung der Wetterdaten.

Kontakt

0 Kommentare
Was denken Sie? Artikel kommentieren

Zu diesem Artikel liegen noch keine Kommentare vor.
Schreiben Sie den ersten Kommentar.

Artikel kommentieren
Was denken Sie? Artikel kommentieren