Określenie zasobów energii wiatru w Polsce z wykorzystaniem rezultatów numerycznych modeli meteorologicznych = Determination of wind-energy resources in Poland using the results of numerical meteorological models

Mazur, Andrzej

doi:0033-2143 (print)

- ris
- BibTeX
- EndNote
- Csv

Określenie zasobów energii wiatru w Polsce z wykorzystaniem rezultatów numerycznych modeli meteorologicznych = Determination of wind-energy resources in Poland using the results of numerical meteorological models Mazur, Andrzej

Object structure

Przegląd Geograficzny T. 94 z. 1 (2022)

Mazur, Andrzej : Autor

energia wiatru ; model meteorologiczny ; rozdzielczość siatki obliczeniowej ; profil prędkości wiatru

W artykule przedstawiono porównanie wyników obliczeń zasobów energii wiatru na podstawie pomiarów na stacjach meteorologicznych oraz wyników modelu meteorologicznego COSMO w trzech podstawowych rozdzielczościach za lata 2011- 2019. Stwierdzono, że wykorzystanie zarchiwizowanych wyników analiz modeli meteorologicznych, w tym zwłaszcza pracujących w dużej rozdzielczości przestrzennej, pozwala na ocenę zasobów energii analogicznie, jak wykorzystywane do tego celu rezultaty pomiarów na stacjach meteorologicznych. Na potrzeby inwestycyjne zaproponowano obliczenia zasobów energii wiatru na większych wysokościach, tak, aby wyniki można było zastosować także do turbin wiatrowych o dużych wysokościach – i większej mocy.

Archer, C.L. & Jacobson, M.Z. (2003). Spatial and temporal distributions of U.S. winds and wind power at 80 m derived from measurements. Journal of Geophysical Research, 108(D9, 4289), ACL 10‑1-ACL 10‑20. https://doi.org/10.1029/2002JD002076
Archer, C.L. & Jacobson, M.Z. (2005). Evaluation of global wind power. Journal of Geophysical Research, 110(D12110), 1‑20. https://doi.org/10.1029/2004JD005462
Duniec, G., Interewicz, W., Mazur, A., & Wyszogrodzki, A. (2017). Operational setup of the soil-perturbed, time-lagged Ensemble Prediction System at the Institute of Meteorology and Water Management - National Research Institute. Meteorology Hydrology and Water Management, 5(2), 43‑51. https://doi.org/10.26491/mhwm/71048
Hahmann, A.N., Sile, T., Witha, B., Davis, N.N., Dörenkämper, M., Ezber, Y., García-Bustamante, E., González Rouco, J.F., Navarro, J., Olsen, B.T., & Söderberg, S. (2020). The Making of the New European Wind Atlas, Part 1: Model Sensitivity. Geoscientific Model Development Discussion. https://doi.org/10.5194/gmd-2019-349
Hall, M.J. (2003). The interpretation of non-homogeneous hydrometeorological time series a case study. Meteorological Applications, 10, 61‑67. https://doi.org/10.1017/S1350482703005061
Jąderko, A., & Gała, M. (2016). Odtwarzanie zmiennych stanu w układzie sterowania turbiną wiatrową z generatorem indukcyjnym. Przegląd Elektrotechniczny, 92(12), 53‑56. https://doi.org/10.15199/48.2016.12.14
Lorenc, H. (1996). Struktura i zasoby energetyczne wiatru w Polsce. Warszawa: Materiały Badawcze IMGW.
Michalak, P. (2009). Ocena zasobów energii wiatru na potrzeby małej energetyki wiatrowej. Elektrotechnika i elektronika, 28(1‑2), 14‑19.
Omer, A.M. (2008). On the wind energy resources of Sudan. Renewable and Sustainable Energy Reviews, 12(8), 2117‑2139. https://doi.org/10.1016/j.rser.2006.10.010
Papoulis, A., & Pillai, S.U. (2002). Probability, random variables, and stochastic processes. Boston: McGraw-Hill.
Papritz, A., & Stein, A. (2002). Spatial Prediction by Linear Kriging. W: A. Stein, F. van der Meer, B. Gorte (red.), Spatial Statistics for Remote Sensing (s. 83‑113). Dordrecht: Kluwer Academic Publishers. https://doi.org/10.1007/0-306-47647-9_6
Troen, I., & Petersen, E.L. (1989). European Wind Atlas. Roskilde: Risoe National Laboratory.