Forschungsprojekt MEDAILLON

MEDAILLON – Generierung eines offenen meteorologischen Datensatzes mit zeitlich und räumlich hoher Auflösung für die Energiesystemanalyse und -wirtschaft

Projektpartner Deutscher Wetterdienst
menzio GmbH
Universität Kassel
Förderung Bundesministerium für Wirtschaft und Klimaschutz (BMWK)
Projektlaufzeit 01.01.2023 - 31.12.2025
Bearbeitende Fraunhofer IEE Jan Dobschinski, Garrett Good, Lukas Pauscher, Doron Callies, David Geiger

 

In diversen Studien zur Analyse und Planung von Energiesystemen, Netzen, EE-Anlagen, Betriebsführungsstrategien und Energiemärkten werden Wettermodelldaten als Eingang für Simulationsmodelle benötigt. Die eingesetzten Daten und ihre Genauigkeit haben somit einen direkten Einfluss auf die Ergebnisse, anschließende Maßnahmen und energiewirtschaftliche Entwicklungspfade. Oftmals werden verschiedene Wettermodelldaten und Verarbeitungsmethoden eingesetzt, was dazu führt, dass systemanalytische Ergebnisse nur bedingt interpretierbar, transparent, nachvollziehbar und untereinander vergleichbar sind. Zudem haben verschiedene Studien gezeigt, dass die aktuell eingesetzten Modelldaten aus Anwendersicht noch deutliche Schwachstellen aufweisen.
Das übergeordnete Ziel des Projektes umfasst die Erstellung eines neuen, anwenderfreundlichen, offenen, optimierten und hochaufgelösten meteorologischen Datensatzes für Deutschland sowie dessen Etablierung als meteorologischer Standarddatensatz innerhalb der Systemanalyse und Energiewirtschaft. Die Daten sollen 15-Jahres-Zeitreihen in einer hohen räumlichen Auflösung umfassen und alle für die Systemanalyse relevanten Größen (Wind, Globalstrahlung, Temperatur usw.) beinhalten. Zusätzlich wird eine Bereitstellung von Informationen der zeitlichen und räumlichen Unsicherheit der meteorologischen Zeitreihen angestrebt.
Durch eine frühzeitige Nutzereinbindung wird die Entwicklung des Datensatzes entsprechend der Nutzeranforderungen sichergestellt. Für die technische Umsetzung werden neue Ansätze aus dem Bereich des Wettermodell-Reanalyse-Ensembles, aber auch die Anwendung von strömungsmechanischen, statistischen und Machine-Learning-Verfahren eingesetzt.

Förderung: Bundesministerium für Wirtschaft und Klimaschutz

Logo Bundesministerium für Wirtschaft und Klimaschutz