Optimal wind farm energy and reserve scheduling incorporating wake interactions

Dit artikel presenteert een tweestaps-stochastisch optimalisatiekader dat wisselwerkingen tussen windturbines expliciet modelleert om de dagelijkse energie- en reserveplanning van windparken te verbeteren, wat leidt tot realistischere voorspellingen, verminderde onbalansboetes en een hogere opbrengst door actief wake-management.

De kern

🌬️ De Windmolen-dans: Hoe je een windpark slimmer laat werken

Stel je voor dat een windpark niet zomaar een verzameling van losse molens is, maar meer lijkt op een groot dansgezelschap.

In het verleden dachten we: "Elke molen draait zo hard mogelijk, ongeacht wat de buren doen." Dit noemen we de "Gierige aanpak" (in het Engels: Greedy control). Het probleem hiermee is dat als de molen vooraan de wind blokkeert, de molen erachter in een "windstille zone" (een wake) terechtkomt. Het is alsof je voor een vriend staat in een lange rij; jij blokkeert de wind voor hem, en hij krijgt minder energie.

Dit artikel, geschreven door Marin Mabboux-Fort en collega's, vertelt ons hoe we dit probleem oplossen om meer geld te verdienen en de stroomnetten stabieler te houden.

1. Het Probleem: De "Blinde" Voorspelling

Stel je voor dat je een windpark runt en je moet vandaag al zeggen hoeveel stroom je morgen levert aan de energiemarkt.

• De oude manier (De "Power Curve"): Je kijkt alleen naar de windsterkte en zegt: "Als de wind 10 m/s waait, leveren we 100% stroom." Je negeert dat de molens elkaar blokkeren.
  • Het risico: Je belooft te veel stroom. Als je morgen minder levert dan beloofd, moet je een zware boete betalen. Het is alsof je een restaurant belooft 100 burgers te serveren, maar je vergeet dat je oven te klein is. Je komt tekort en betaalt de rekening.
• De nieuwe manier (De "Wake-aware" methode): Deze methode kijkt naar de dans. Ze weten dat molen A de wind wegneemt van molen B. Ze voorspellen dus een realistischer aantal burgers.

Het resultaat: De oude methode dacht dat ze 12-13% meer stroom konden leveren dan ze eigenlijk konden. Door die te hoge beloften moesten ze veel boetes betalen. De nieuwe methode is eerlijker en kost minder boetes.

2. De Oplossing: De "Windstuurman" (Wake Steering)

Dit is het meest spannende deel. Wat als je de molens die vooraan staan bewust een beetje draait?

• De analogie: Stel je voor dat je in een rij staat en je draait je lichaam een beetje opzij. Je vangt zelf iets minder wind, maar je "blaast" de windstroom nu langs je buurman heen, zodat hij een frisse windvlaag krijgt.
• In de techniek noemen ze dit Wake Steering. De molens draaien een beetje uit de wind (yawen).
• Het effect: De molen die draait levert iets minder op, maar de molens erachter krijgen zoveel extra wind dat het totaal van het hele park juist meer stroom oplevert.

Het artikel laat zien dat door deze slimme dansstappen, het windpark 1-2% meer winst maakt dan zonder deze truc.

3. De Markt: Een Twee-Stage Spel

De schrijvers hebben een slim rekenmodel gemaakt (een "twee-staps spel") om te beslissen wat ze verkopen:

1. Stap 1 (De dag ervoor): Ze bieden stroom aan op de dagmarkt en bieden ook "reserve" aan (stroom die ze klaarhouden voor als het net even piekt). Ze gebruiken hierbij hun realistische voorspelling (met de dans-effecten).
2. Stap 2 (De dag zelf): Als de wind verandert of de stroom niet precies klopt met wat ze beloofden, passen ze hun strategie aan om de boetes zo klein mogelijk te houden.

Ze hebben dit getest met de London Array, een groot windpark voor de kust van Engeland.

4. De Belangrijkste Lessen (In het kort)

• Niet blind vertrouwen: Als je denkt dat elke molen 100% werkt zonder rekening te houden met de buren, maak je een fout. Je belooft te veel en betaalt te veel boetes.
• Samenwerking loont: Door de molens slim op te draaien (wake steering), werkt het hele park efficiënter. Het is beter om samen te dansen dan alleen te proberen de snelste te zijn.
• Geld: Door deze slimme aanpak kunnen windparken hun winst vergroten (ongeveer 1-2% extra) en vermijden ze dure boetes voor het niet halen van hun beloften.

Conclusie:
Dit onderzoek laat zien dat we windmolens niet meer als losse eenheden moeten zien, maar als een team. Door te begrijpen hoe ze elkaar beïnvloeden (de "wake") en slim te sturen, kunnen we meer groene stroom maken, de prijs van elektriciteit verlagen en het stroomnet veiliger maken. Het is een stap van "ik doe mijn eigen ding" naar "wij doen het samen".

Technische samenvatting

Titel: Optimale energie- en reserveplanning voor windparken met inachtneming van wake-interacties

Auteurs: Marin Mabboux-Fort, Majid Bastankhah, Peter C Matthews, Mokhtar Bozorg
Publicatie: arXiv:2602.06165v1 [physics.flu-dyn], 5 februari 2026

---

1. Probleemstelling

De integratie van windenergie in elektriciteitsnetten neemt wereldwijd toe, wat windparken (WF) dwingt om deel te nemen aan zowel de dagvooraf (Day-Ahead, DA) energiemarkt als aan markten voor ancillary services (reserves voor frequentieregeling). Traditionele methoden voor het plannen van biedingen in deze markten maken vaak gebruik van standaard vermogenscurves (power curves) van turbines. Deze benadering heeft twee fundamentele tekortkomingen:

1. Overschatting van productie: Traditionele modellen negeren wake-effecten (de vertraagde en turbulente luchtstroom achter een turbine). Hierdoor wordt de totale productie van een windpark overschat, wat leidt tot hoge straffen voor onbalans (imbalance penalties) wanneer de werkelijke productie lager uitvalt dan geboden.
2. Gebrek aan actieve beheersing: Bestaande optimalisatiestrategieën negeren vaak wake management-technieken, zoals wake steering (het bewust afwijken van de turbine-as om de wake weg te sturen van downstream-turbines), waardoor potentieel winstgevende productie-verbeteringen worden gemist.

Er bestaat een kloof tussen aerodynamisch wake-modellering en marktgerichte besluitvorming. Dit artikel vult die kloof door wake-effecten expliciet te modelleren in een marktdeelnemingsframework.

2. Methodologie

De auteurs ontwikkelen een tweestaps-stochastisch optimalisatiekader voor de gezamenlijke planning van energie en reserves (specifiek voor de Britse markt: Day-Ahead Energy, Mandatory Frequency Response (MFR) en Fast Reserve (FR)).

A. Stochastische Scenario Generatie en Reductie

• Onzekerheid: Windstroom (snelheid en richting) en de duur van reserve-activaties worden gemodelleerd als tijd-variabele scenario's.
• Generatie: Windscenario's worden gegenereerd op basis van een normale verdeling voor snelheid en een von Mises-verdeling voor richting.
• Reductie: Om de rekentijd beheersbaar te houden, worden duizenden gegenereerde scenario's gereduceerd tot 15 representatieve scenario's (medoids) via de K-medoids clustering en de "elbow method".

B. Wake-Modellering en FLORIS

In plaats van statische vermogenscurves, wordt gebruik gemaakt van de FLORIS-simulatiesoftware (met het Cumulative Curl model) om de werkelijke vermogensoutput te berekenen.

• Wake-aware schatting: Het model berekent snelheidsverlies en turbulentie door wake-interacties.
• Wake Steering (WRC): Het model optimaliseert de gierhoeken (yaw angles) van upstream-turbines. Hoewel dit de output van de individuele turbine verlaagt, verbetert het de totale output van het park door wake-effecten op downstream-turbines te minimaliseren.

C. Optimisatieprobleem

Het doel is het maximaliseren van de verwachte winst ($\Pi$) van de Wind Power Producer (WPP), rekening houdend met:

• Eerste stap (Day-Ahead): Bepalen van biedingen voor energie ($P_e$) en reserves ($P_{mfr}, P_{fr}$) op basis van voorspellingen.
• Tweede stap (Real-time): Evaluatie van re-dispatch en onbalanskosten onder verschillende scenario's.
• Doelfunctie: Maximaliseer inkomsten uit energie- en reserveverkoop minus kosten voor onbalansstraffen en vermijdingskosten.
• Beperkingen: Inclusief maximale capaciteit, minimale reservevereisten en deloading-strategieën (10% reserve voor MFR).

Twee varianten van de wake-steering strategie worden getest:

1. WRC1: Extra vermogen door wake steering wordt optimaal verdeeld tussen energie en reserves.
2. WRC2: Extra vermogen wordt uitsluitend toegewezen aan reserves (conservatievere aanpak om turbinebelasting te beperken).

3. Belangrijkste Bijdragen

1. Wake-bewuste vermogensschatting: In tegenstelling tot traditionele methoden die wake-effecten negeren, gebruikt dit model engineering wake-modellen voor realistische productieprognoses in marktbiedingen.
2. Actief Wake Management: Toepassing van wake steering als een actieve controlemethode om verliezen te verminderen en de marktprestatie te verbeteren.
3. Uitgebreide Marktanalyse: De studie breidt het onderzoek uit van alleen FCR (primair) naar de FRR (secundaire) markt, waarbij wake-dynamiek op de tijdschaal van secundaire regeling (enkele minuten) wordt geanalyseerd.
4. Vergelijking van Benaderingen: Een systematische vergelijking tussen drie methoden:
   • Power Curve: Overschat productie (optimistisch, geen wake).
   • Baseline: Onderkent wake-verliezen maar gebruikt geen wake steering (pessimistisch).
   • Proposed (WRC): Onderkent wake en gebruikt wake steering (realistisch/geoptimaliseerd).

4. Resultaten (Case Study: London Array)

De methode werd getest op het London Array offshore windpark (630 MW) in de Britse markt, met gebruik van winddata uit 2015.

• Overschatting door traditionele methoden: De "Power Curve"-methode schatte de productie 12-13% hoger in dan de werkelijk haalbare output (gemodelleerd door de Baseline-methode).
• Financiële impact:
  • Door de overschatting leed de Power Curve-benadering hoge onbalansstraffen, wat resulteerde in een 3% lagere daadwerkelijke omzet vergeleken met de wake-aware Baseline-methode.
  • De Wake Steering (WRC) methode leverde een extra 1-2% omzetstijging op ten opzichte van de Baseline-methode, puur door het optimaliseren van de yaw-standen.
• Marktgedrag: De optimalisatie toonde aan dat bij onstabiele windcondities (variabele richting/snelheid) de windparken meer geneigd zijn om in de reservemarkt (FR) te bieden, zelfs bij lagere energieprijzen, om onbalansrisico's te minimaliseren.
• Tijdschaal: Simulaties bevestigden dat wake steering binnen de vereiste tijdschaal van secundaire frequentieregeling (binnen 2 minuten na instructie) effectief is, aangezien de wake zich binnen enkele minuten verplaatst over de afstand tussen turbines.

5. Betekenis en Conclusie

Dit onderzoek demonstreert dat het negeren van wake-interacties in kortetermijn-marktstrategieën leidt tot significante financiële verliezen door onbalansstraffen. Door wake-effecten expliciet te modelleren en actief te managen via wake steering, kunnen windparken:

1. Realistischere biedingen doen, wat onbalanskosten verlaagt.
2. Extra inkomsten genereren door de algehele park-efficiëntie te verhogen.
3. Bijdragen aan netstabiliteit door betrouwbaarder deel te nemen aan reserve-markten.

De studie concludeert dat een multidisciplinaire aanpak die aerodynamica koppelt aan marktoptimalisatie essentieel is voor de toekomstige rendabiliteit en stabiliteit van windenergie-integratie, vooral bij hoge penetratieniveaus. De voorgestelde methode is computatietijd-technisch haalbaar voor dagvooraf-marktplanningen.