Op weg naar een gevalideerde, open en hoge-resolutie wereldwijde windenergiebeoordeling

Waarom betere windkaarten voor iedereen van belang zijn

Nu landen zich haasten om fossiele brandstoffen te vervangen, worden windturbines een ruggengraat van schone elektriciteit. Maar het plannen waar turbines te bouwen, hoeveel er nodig zijn en hoe ze zullen presteren berust nog steeds zwaar op computermodellen die verrassend vaak fout kunnen zitten. Dit artikel presenteert een nieuw, openbaar beschikbaar globaal windenergiemodel dat zorgvuldig is getoetst aan real-world data. Voor burgers, planners en beleidsmakers betekent dit betrouwbaardere schattingen van hoeveel schone energie wind daadwerkelijk kan leveren en waar het het meest zinvol is om te bouwen.

De uitdaging van het inschatten van de wind

Lucht in beweging omzetten in elektriciteit klinkt misschien eenvoudig: waait het, dan draaien turbines. In werkelijkheid is het schatten van windenergie voor hele landen of de planeet complex. Wind varieert per locatie (een heuveltop is niet hetzelfde als een dal), per uur en per seizoen, en tussen verschillende turbines. De meeste grootschalige windstudies gebruiken wereldwijde “reanalyse” weersdatasets en digitale windkaarten die meetgegevens combineren met fysica-gedreven weerprocessen. Eerdere tools die deze datasets gebruikten, sloegen vaak grondige realiteitscontroles over, vooral buiten Europa, en corrigeerden zelden syste­matische fouten in de onderliggende winddata. Als gevolg daarvan konden schattingen van de elektriciteitsproductie van windparken tientallen procenten afwijken, wat het vertrouwen in langetermijnenergieplanning ondermijnt.

Het bouwen van een open, wereldwijde windkrachtmotor

De auteurs breiden het open-source modelleringframework ETHOS.RESKit uit tot een hoge-resolutie globaal windenergiesimulatiesysteem. Het combineert moderne weerreanalysegegevens (ERA5) met de nieuwste Global Wind Atlas en verfijnt windinformatie tot roostercellen van slechts 250 meter. Het model kan meer dan 800 verschillende turbinetypen representeren en ook “synthetische” turbines aanmaken op basis van een paar ontwerpkeuzes zoals torenhoogte en rotordiameter—handig om toekomstige technologieën te testen die nog niet gebouwd zijn. Cruciaal is dat dit op een transparante manier gebeurt: de code en databestanden die nodig zijn om het model te draaien of de analyse te reproduceren zijn openbaar toegankelijk, waardoor andere onderzoekers en planners de workflow kunnen controleren, aanpassen en verbeteren in plaats van te vertrouwen op black-box schattingen.

Het model afstemmen op de echte wereld

Een centrale innovatie van dit werk is een gedetailleerde kalibratiestap die syste­matische fouten in de winddata corrigeert voordat er enige vermogenberekening plaatsvindt. Het team verzamelde meer dan 18 miljoen uurmetingen van hoge meteorologische masten wereldwijd, op hoogtes vergelijkbaar met turbinehubs. Vergelijking van deze metingen met de gemodelleerde wind toonde dat de standaarddatasets de zwakke winden vaak onderschatten en de sterkere winden overschatten, vooral in het bereik dat het meest relevant is voor het turbinevermogen. De auteurs reageren met een windsnelheidsafhankelijke correctiecurve: lage gemodelleerde windsnelheden worden omhoog bijgesteld, hoge windsnelheden omlaag, in een niet-lineaire aanpassing afgestemd op de waargenomen bias. Deze correctie wordt vervolgens wereldwijd toegepast in ETHOS.RESKit voor elke gesimuleerde locatie.

Het model op de proef stellen

Om te controleren of het gekalibreerde model daadwerkelijk het gedrag van echte turbines vastlegt, vergeleken de auteurs gesimuleerde output met 8 miljoen uur gemeten elektriciteitsproductie van 152 turbines en windparken in zes landen, zowel onshore als offshore. Na kalibratie daalt de gemiddelde fout in capaciteitsfactor—een veelgebruikte maat voor hoe intensief een turbine wordt benut—tot ongeveer 5,6%, met een sterke correlatie (0,844) tussen gesimuleerde en gemeten uurprestaties. Ze testten ook hoe goed het model het gedrag van verschillende turbinedesigns reproduceert. Door echte hubhoogte-windmetingen in zowel fabrikantvermogencurves als ETHOS.RESKit’s synthetische curves te voeren, tonen ze dat hun synthetische benadering echte machines nauwkeurig nabootst: voor de belangrijkste fabrikanten die bijna 80% van de wereldwijde windcapaciteit vertegenwoordigen, is de overeenkomstscore doorgaans 0,96 of hoger op een schaal van 0–1. Ten slotte simuleerden ze de volledige nationale windparken van 71 landen en vergeleken de resultaten met officiële statistieken van het Internationaal Energieagentschap. Gemiddeld verschilt de gekalibreerde workflow slechts met ongeveer 0,6 procentpunt in nationale capaciteitsfactoren, een grote verbetering ten opzichte van ongekalibreerde schattingen.

Van betere cijfers naar betere beslissingen

Voor niet‑specialisten is de kern dat dit werk ruwe schattingen over toekomstige windenergie omzet in steviger onderbouwde cijfers, en dat met open tools die iedereen kan inspecteren en hergebruiken. Door biases in wereldwijde winddatasets te corrigeren en de resultaten grondig te toetsen aan echte turbines en nationale statistieken, geeft ETHOS.RESKit een veel betrouwbaarder beeld van hoeveel elektriciteit wind kan leveren en waar dat het beste kan. Dit helpt overheden, netbeheerders en investeerders bij het ontwerpen van schonere energiesystemen met meer vertrouwen—bijvoorbeeld bij het bepalen hoeveel back-up of opslag nodig is, of welke regio’s tot belangrijke windhubs kunnen uitgroeien. Kortom: betere winds­imulaties betekenen betere planning voor een netto‑nul energietoekomst.

Bronvermelding: Peña-Sánchez, E.U., Dunkel, P., Winkler, C. et al. Towards high resolution, validated and open global wind power assessments. Nat Commun 17, 539 (2026). https://doi.org/10.1038/s41467-026-68337-z

Trefwoorden: windenergie, modellering hernieuwbare energie, capaciteitsfactor, global wind atlas, energieplanning