[論文レビュー] A Two-Step Spatio-Temporal Framework for Turbine-Height Wind Estimation at Unmonitored Sites from Sparse Meteorological Data

Eamonn Organ, Maeve Upton+3 more|arXiv (Cornell University)|Feb 23, 2026

Wind Energy Research and Development被引用数 0

ひとこと要約

この論文は、GAM を用いて風速をタービン hub 高度へ外挿する2段階フレームワークを提案し、 hub 高度の風をガウス過程で空間補間する。すべてオープンアクセスのリアルタイムデータと不確実性を提供し、7つのアイルランド風力発電所で検証。

ABSTRACT

Accurate estimates of wind speeds at wind turbine hub heights are crucial for both wind resource assessment and day-to-day management of electricity grids with high renewable penetration. In the absence of direct measurements, parametric models are commonly used to extrapolate wind speeds from observed heights to turbine heights. Recent literature has proposed extensions to allow for spatially or temporally varying vertical wind gradients, that is, the rate at which wind speed changes with height. However, these approaches typically assume that reference height and hub height measurements are available at the same locations, which limits their applicability in operational settings where meteorological stations and wind farms are spatially separated. In this paper, we develop a two-step spatio-temporal framework to estimate turbine height wind speeds using only open-access observations from sparse meteorological stations. First, a non-parametric generalized additive model is trained on reanalysis data to perform vertical height extrapolation. Second, a spatial Gaussian process model interpolates these hub-height estimates to wind farm locations while explicitly propagating uncertainty from the height extrapolation stage. The proposed framework enables the construction of high-resolution, sub-hourly turbine-height wind speed time series and spatial wind maps using data available in real time, capabilities not provided by existing reanalysis products. We further provide calibrated uncertainty estimates that account for both vertical extrapolation and spatial interpolation errors. The approach is validated using hub-height measurements from seven operational wind farms in Ireland, demonstrating improved accuracy relative to ERA5 reanalysis while relying solely on real-time, open-access data.

研究の動機と目的

• リソース評価と系統管理のために、監視されていないサイトでのタービン hub 高度風のリアルタイム推定を動機づける。
• 高度外挿と空間補間を組み合わせ、不確実性を伝搬させる2段階パイプラインを開発する。
• オープンアクセスデータソース（観測点、再分析、風アトラス）を活用し、サブ時間間隔の hub 高度風速推定を実現する。
• アイルランドの風況における ERA5 再分析をベンチマークとして改善を示す。

提案手法

• REANALYSIS データを前処理し、GWA 気候データを用いたクォンタイル-クォンタイル変換で微細な空間構造を組み込むよう NEWA 風速をダウンスケールする。
• 50–100 m のダウンスケール高さに対して滑らかな二次関数で高度の密な風速プロファイルを構築し、5 m間隔でサンプリングして非パラメトリックな高さ外挿モデルを訓練する。
• 10 m の風速、高度、日周期項、風向成分から hub 高度風速の平方根を予測する Generalized Additive Model (GAM) を再分析-観測点データを用いて適合させる。
• 平方根変換で hub 高度風速予測を正規性に近づけ、観測点から風力発電所位置への月次構造のガウス過程補間を行い、 height-extrapolation ステージの不確実性と GWA に由来する平均構造を取り込む。

Figure 1 : The location of Ireland’s 23 meteorological stations. Highest wind speeds are generally seen along the west coast.

実験結果

リサーチクエスチョン

• RQ1 監視されていないサイトのタービン hub 高度風速を、遠方の気象観測点の sparse 10 m 観測データだけで正確に推定できるか。
• RQ2 高さ外挿を GAM で行い、その後空間 GP 補間を行う2段階アプローチは、 hub 高度風予測の伝統的な再分析ベース手法より優れているか。
• RQ3 垂直外挿からの不確実性を空間補間を通じて適切に伝搬させ、校正済みでサブ時間間隔の hub 高度風推定を得られるか。
• RQ4 ERA5 ベンチマークと比較して、オープンアクセスデータストリームを使用する際の精度とリアルタイム適用性にどのような向上があるか。

主な発見

• 2段階の GAM+GP フレームワークは、リアルタイムのオープンデータのみを用いて、監視外サイトの hub 高度風をサブ時間間隔で推定できる。
• GAM による高さ外挿は、パラメトリックせん断モデルより精度を大幅に向上させる。
• 空間 GP 補間は GAM の出力を条件とし、 height-extrapolation 不確実性を取り込むことで、校正された不確実性推定を提供する。
• アイルランドの7つの風力発電所での検証は、ERA5 再分析と比較して精度が向上しており、リアルタイムのオープンデータのみを用いている。
• このアプローチは、ハイレゾリューションの hub 高度風速時系列と空間マップを不確実性とともに提供できる。
• この手法は、アイルランドの検証コンテキストで ERA5 と比較して RMSE を11%削減する。

Figure 2 : Comparison of hourly average speeds at four locations (highlighted in Figure 1 . All stations share a similar diurnal (daily) trend).