Ottimizzazione dell'analisi e del controllo qualità di dati anemometrici ai fini della stima di producibilità eolica

Abstract

La presente tesi riguarda lo sviluppo di una procedura in linguaggio Python per l’analisi, il controllo qualità e la pulizia di dati anemometrici finalizzati alla stima della producibilità eolica. Il lavoro nasce dall’esigenza di rendere più ordinata, riproducibile e tracciabile l’elaborazione di serie temporali meteorologiche esportate da Windographer, spesso caratterizzate da configurazioni eterogenee, denominazioni non uniformi e presenza di dati mancanti o anomali. L’attività sviluppata ha previsto il riconoscimento automatico delle principali grandezze meteorologiche, l’organizzazione dei canali disponibili e l’applicazione di controlli rule based per individuare valori non plausibili, outlier, periodi costanti, anomalie di correlazione tra sensori e intervalli compatibili con errori di calibrazione. Le modifiche applicate sono state registrate mediante file di log, al fine di garantire la tracciabilità dell’intero processo. I dati puliti sono stati quindi utilizzati per stimare il profilo verticale del vento, ricostruire la velocità alla quota del mozzo e valutare la producibilità di una turbina eolica riferita a un anno rappresentativo del periodo di misura. I risultati mostrano che la pulizia può influenzare la stima energetica, confermando l’importanza del controllo qualità nelle analisi di producibilità.

This thesis concerns the development of a Python-based procedure for the analysis, quality control and cleaning of wind measurement data aimed at wind energy yield assessment. The work arises from the need to make the processing of meteorological time series exported from Windographer more structured, reproducible and traceable, as these datasets are often characterized by heterogeneous configurations, non-uniform channel names and the presence of missing or anomalous data. The developed activity involved the automatic recognition of the main meteorological quantities, the organization of the available measurement channels and the application of rule-based quality checks to identify implausible values, outliers, constant periods, correlation anomalies between sensors and intervals potentially compatible with calibration errors. The applied modifications were recorded through log files, in order to ensure the traceability of the entire process. The cleaned data were then used to estimate the vertical wind profile, reconstruct the wind speed at hub height and evaluate the energy production of a wind turbine for a representative year derived from the measurement period. The results show that data cleaning can influence the energy estimate, confirming the importance of quality control in wind energy yield assessment.