Offshore wind farms are emerging as a key alternative to fossil fuels and are gradually finding their place in the European and global energy mix. In the current context of energy transition, offshore wind turbine technology has developed at a rapid pace, with continuous technical advancement, giving way to more efficient turbines and more substantial large-scale projects.

Accurately estimating the yield at each stage of development is crucial to developing the most efficient offshore wind farms possible. Estimation of yield in the early design phases depends on multiple factors, including the wind shear at the site, wind speed distribution probabilities, wake effects, and other loss-inducing influences. This Master’s thesis studies and compares different methods for calculating annual energy production to determine the most accurate and reliable approach for wind farm yield estimation.

Two empirical laws for establishing the wind profile and calculating the wind speed at the hub height are analysed: the logarithmic law and the power law. Of these two methods, the logarithmic law has been found to be the most accurate and exhibits the least bias. The Weibull and Rayleigh probability distribution functions are compared to establish the wind speed distribution. The Weibull function provides more accurate results than the Rayleigh function. Further improvement can be achieved by fitting and optimising this function to in situ data. For wake effect modelling, three models from the PyWake Python package are assessed: NOJ, Bastankhah Gaussian and TurboPark models. Comparison with real data from two offshore wind farms demonstrates that the Bastankhah Gaussian model yields the most accurate results.

This study provides a comparative analysis of wind resource assessment methods, contributing to more precise early-stage yield estimations for offshore wind farms.

Havsbaserade vindkraftsparker håller på att bli ett viktigt alternativ till fossila bränslen och finner gradvis sin plats i den europeiska och globala energimixen. Som en del av dagens energiomställning har tekniken för havsbaserade vindkraftverk utvecklats i snabb takt, och de pågående tekniska framstegen leder till effektivare turbiner och mer produktiva storskaliga projekt.

För att vi ska kunna bygga så effektiva havsbaserade vindkraftsparker som möjligt krävs en noggrann uppskattning av avkastningen i varje utvecklingsfas. Uppskattning av avkastning i de tidiga designfaserna beror på ett antal faktorer, inklusive vindprofilen på platsen, sannolikheten för vindhastighetsfördelning, kölvatteneffekter och andra faktorer som orsakar förluster.

I detta examensarbete studeras och jämförs olika metoder för att beräkna årlig energiproduktion för att fastställa den mest exakta metoden för att uppskatta vindparkers avkastning.

Två empiriska lagar som används för att fastställa vindprofilen och beräkna vindhastigheten på turbinens höjd analyseras: den logaritmiska lagen och potenslagen. Av dessa två metoder har den logaritmiska lagen visat sig vara den mest exakta och uppvisar minst bias. Sannolikhetsfördelningsfunktionerna Weibull och Rayleigh jämförs för att bestämma vindhastighetsfördelningen. Weibull-funktionen ger mer exakta resultat än Rayleigh-funktionen. Fler förbättringar kan uppnås genom att anpassa och optimera denna funktion till in situ-data.

För modellering av kölvatteneffekter utvärderas tre modeller från Python-paketet PyWake: NOJ, Bastankhah Gaussian och TurboPark-modellerna. Jämförelse med verkliga data från två havsbaserade vindkraftsparker visar att Bastankhah Gaussian-modellen ger de mest exakta resultaten.

Denna studie ger en jämförande analys av metoder för bedömning av vindresurser, vilket bidrar till mer exakta uppskattningar av avkastning i ett tidigt skede för havsbaserade vindkraftsparker.