Tuulivoiman tuotannon voimakasta kasvua pyritään tukemaan uusin meteorologisin sovellutuksin sekä havainnoin. Näitä menetelmiä on esitelty Ilmatieteen laitoksen tutkijan Karoliina Hämäläinen tuoreessa väitöskirjatyössä.
Uuden tuulipuiston suunnittelu alkaa aina kartoittamalla sopivaa maastoa. Sijaintiin vaikuttavat monesti liityntää varten saatavilla oleva valtakunnan sähköverkko, mutta vielä tärkeämpää on löytää tuulen kannalta suotuisa kohde. Tässä esitietojen haarukoinnissa apuna toimii Suomen Tuuliatlas-verkkopalvelu (linkki), jossa on kartoitettuna koko Suomen tuuli-ilmasto.
Tämän vapaasti selattavan karttapalvelun tiedot pohjautuvat numeerisiin säämalleihin, joita apuna käyttäen on mallinnettu keskimääräiset tuuliolosuhteet 30 vuoden ajanjaksolle, tuulivoiman kannalta merkittäville korkeuksille. Tuuliatlaksen tulokset myös vesittävät vanhan väittämän, jonka mukaan ”talvella ei tuule”. Tämä virheellinen käsitys tuulettomuudesta johtuu kylmän ilman muodostumisesta maanpinnan läheisessä inversiokerroksessa. Tosiasiassa talvella tuuliolosuhteet ovat inversiokerroksen yläpuolella tuulivoimalle suotuisammat kuin kesällä.
Jäätävät olosuhteet heikentävät tuulivoimalan tehon tuottoa
Suomen pohjoinen sijainti ja sen tuomat kylmät talvet asettavat haasteita tuulivoiman tuotannolle. Tuulivoimalan toiminta perustuu tuulen sekä voimalan lavan välisiin nostevoimiin, jotka heikkenevät, jos tuulivoimalan lapoihin pääsee kertymään jäätä. Jään kertymiseen vaikuttavat ilman lämpötila, tuulen nopeus sekä matalalla roikkuvat pilvet ja sumu. Hankalin tilanne on yleensä, kun ilman lämpötila on nollan ja viiden pakkasasteen välillä. Tällöin ilmakehässä esiintyy vielä runsaasti nestemäisiä vesipisaroita, jotka jäätyvät välittömästi kohdatessaan kylmän pinnan.
Jään kertymänopeuteen vaikuttavat siis pisaroiden määrä sekä tuulen nopeus, kun tuuli puskee pisaroita kohti turbiinin lapoja. Jo hyvin ohut santapaperia muistuttava jääkerros tuuliturbiinin lavan pinnassa voi aiheuttaa 15–20 prosentin tehohäviöitä. Tuuliatlasta onkin myöhemmin täydennetty lisäämällä tietoa keskimääräisistä jäätävistä olosuhteista. Tällä tiedolla on pyritty helpottamaan investointipäätöksen tekoa ja sen arviointia, onko tarpeen asentaa turbiineihin lapalämmitys tai jokin muu jäänestojärjestelmä.
Uusien havaintojen avulla kohti parempia tuulivoimaennusteita
Tuulivoiman tuotantoa voidaan tukea erilaisin meteorologisin ennustein. Vielä viitisen vuotta sitten ennusteet pohjautuivat yhteen ennustesimulaatioon. Sittemmin menetelmät ovat kehittyneet, ja nykyään tuulen käyttäytymisestä saadaan parempaa tietoa todennäköisyysennusteiden pohjalta. Todennäköisyysennusteessa yhdistetään tieto useamman mallisimulaation tuloksista eli ns. ennusteparvesta. Vaikka parven avulla saadaankin entistä tarkempia ennusteita sekä tietoa ennusteen epävarmuudesta, nämäkin ennusteet pohjautuvat numeerisiin säämalleihin, joilla on omat virhelähteensä.
Väitöstutkimuksessaan (linkki) Hämäläinen selvitti, miten tuulen todennäköisyysennusteita pystyttäisiin tarkentamaan käyttäen hyväksi tilastollisia korjausmenetelmiä sekä uudentyyppisiä sää- tai lidar-tutkalla tuotettuja tuulihavaintoja. Uusien havaintojen etu perinteisiin mastomittauksiin verrattuna on niiden saatavuus tuulivoiman kannalta tärkeiltä korkeuksilta. Vertailun tuloksena tuotettuja korjauskertoimia apuna käyttäen tuuliennusteita pystytään parantamaan etenkin heikon, kohtalaisen ja navakan tuulen tilanteissa. Kovien ja myrskytuulien osalta ei voitu osoittaa, että menetelmä parantaisi ennustetta – osittain siitä syystä, että voimakastuulisia säätilanteita ei osunut riittävästi tutkitulle ajanjaksolle.
Myös jäätämisen havainnointi on perinteisin menetelmin vaikeaa, koska mastossa sijaitsevat mittalaitteet jäätyvät herkästi umpeen. Lisäksi jäätämistä mitataan virallisesti vain lentoasemien kiitoratojen tuntumassa, mikä ei vastaa tuulivoiman tarpeisiin. Väitöstutkimuksessa haluttiinkin testata ceilometrin eli optisen pilvenkorkeusmittarin soveltuvuutta jäätämisen havainnointiin. Ceilometri keilaa pilven rakennetta ja antaa tietoa pisaroiden koosta sekä olomuodosta. Tämä tieto yhdistettynä lämpötilan kanssa voidaan muuttaa jäätämishavainnoksi. Uusi havaintomenetelmä osoittautui hyvin lupaavaksi etenkin havaintoverkon kattavuuden osalta (24 asemaa). Tutkimustulokset osoittavat, että jäätämisennusteen suurimmat virheet johtuvat numeerisen sääennustemallin kyvystä ennustaa jäätävän pilven paikka ajallisesti oikein. Tähän haasteeseen pyritään jatkossa vastamaan niin ikään todennäköisyysennusteiden avulla.
tarkoittaa, että alueella mitattiin huhtikuun aikana vähintään 50 m/s tuulennopeus.
Kuva: Ed White Images / Pixabay
Teksti: Karoliina Hämäläinen
