top of page

Parkwirkungsgrad - Wake Effekte im Windpark - Teil 3

Aktualisiert: 4. Aug. 2023

Der Parkwirkungsgrad eines Windparks ist ein wesentlicher Faktor zur Bestimmung der Energieeffizienz und Wirtschaftlichkeit des Windparks. Dieser Maßstab gibt den Anteil der nutzbar gewonnenen Energie an der maximal möglichen Energie an, die durch die in der Windgeschwindigkeit enthaltene kinetische Energie theoretisch erzeugt werden könnte.


Der Parkwirkungsgrad ergibt sich aus der Kombination von einzelnen Anlagenwirkungsgraden und der Interaktion zwischen den Windkraftanlagen. Bei der Planung von Windparks müssen die Standorte der einzelnen Windkraftanlagen sorgfältig gewählt werden, um negative Interaktionen wie den sogenannten Windschatten-Effekt (wake effect) zu minimieren. Wenn eine Windkraftanlage direkt im Windstrom einer anderen Anlage steht, verringert der Windschatten-Effekt die Windgeschwindigkeit, was sich negativ auf den Anlagenwirkungsgrad auswirkt.


Darüber hinaus haben Faktoren wie die Art der Turbine, der Durchmesser der Rotorblätter, der Abstand zwischen den Turbinen, die Höhe der Turbinen über dem Boden und die charakteristische Windgeschwindigkeit des Standortes einen erheblichen Einfluss auf den Parkwirkungsgrad.


Der Parkwirkungsgrad kann durch numerische Modelle wie das Jensen-Modell, das Ainslie-Modell oder das Parallelepiped-Modell vorhergesagt werden. Diese Modelle berücksichtigen eine Vielzahl von Faktoren, darunter Windrichtung und -geschwindigkeit, Topographie, Rauigkeit des Untergrunds, Turbinentyp und -anordnung, um eine Schätzung der Energieerzeugung und damit des Parkwirkungsgrads zu liefern.


Es ist wichtig zu beachten, dass der Parkwirkungsgrad im Betrieb ständig variiert und von zahlreichen Faktoren abhängt, darunter Wartungszustand, Betriebsbedingungen und atmosphärische Bedingungen. Deshalb ist es unerlässlich, kontinuierlich Daten zur Leistung des Windparks zu erfassen und zu analysieren, um den Betrieb zu optimieren und den Parkwirkungsgrad zu maximieren.


Turbit hat eine Analysemöglichkeit gefunden um die Parkwirkungsgrade über 10 Minuten SCADA Mittelwerte effektiv zu berechnen. Dabei werden jeweils die Daten von Anlagen an den Rändern des Windparks ausgewählt und je nach Windrichtung daraus eine virtuelle Vergleichsturbine erstellt. diese virtuelle Windkraftanlage zeigt dann eine echte Leistung an, die eine Anlage theoretisch produzieren könnte, wenn sie an diesem Standort frei angeströmt wäre. Nat


ürlich muss man hier beachten, dass die Windkraftanlagen die miteinander verglichen werden desselben Typs sind aber auch der Standort nicht hügelig ist sodass die Nabenhöhe über dem Meeresspiegel aller Anlagen vergleichbar gleich ist.


Die Leistung der virtuellen Anlage wird dann als Referenz genommen um für die anderen Anlagen im Park einen Vergleich zu haben. Die Methodik ist sehr gut um ein praktisches Ergebnis zu haben, dass man mit dem Windparkgutachten vor Inbetriebnahme des Parks vergleichen können.


Sehr häufig müssen wir feststellen, dass ein Park schlecht läuft (im Vergleich zum Windparkgutachten und somit der Erwartungen) und wir gefragt werden, ob wir analysieren können woran dies liegt. Häufig wird dabei an erster Stelle an Gondelfehlstellungen (Yaw Error) oder Pitchfehlstellungen gedacht, jedoch das offensichtliche nicht vorab geprüft. Gerne können wir kostengünstig diesen Check machen um dann in der weiteren Analyse weitere Fehlerursachen auszuschließen.


Zusammenfassend können wir aus unserer Erfahrung also sagen, fast immer ist die Parkkonstellation und ein ungenaues und zu optimistisches Windparkgutachten der Grund für eine schlechte Parkleistung (Stillstände oder Drosselungen ausgeschlossen).




Made in Europe

ChatGPT Image Feb 24, 2026, 12_43_04 PM.png

©2025 Turbit Systems GmbH

KI-gestützte Risikomanagement-Plattform für die Windenergie

Turbit ist die zentrale Plattform, die KI-gestützte vorausschauende Wartung und Performance-Optimierung mit finanzieller Absicherung und Versicherung verbindet. Wir geben Betreibern, Assetmanagern und Versicherern die Werkzeuge an die Hand, technische Risiken so früh wie möglich zu erkennen und zu steuern. Dadurch profitieren Eigentümer und Betreiber in vielfacher Hinsicht: eine deutliche Reduktion der Komplexität und Kosten im Betrieb und in der Instandhaltung, eine Optimierung von Energieertrag, Anlagenzustand und Stillstandszeiten sowie eine höhere finanzielle Stabilität bei gleichzeitig reduziertem Risiko. Die KI von Turbit verbessert sich kontinuierlich mit wachsender Kundenbasis und einer stetig erweiterten Fehlerdatenbank. Fehlermodi und passende Lösungen werden automatisiert durch KI prognostiziert – mit hoher Skalierbarkeit und Genauigkeit, auf die auch Versicherer vertrauen. Turbit wird von Vinci Venture Capital unterstützt, um den Weg in eine Zukunft mit 100 % erneuerbarer Energie weiter zu beschleunigen.

LinkedIn Turbit
YouTube Turbit
Spotify Turbit
bottom of page