Simulering af energiforsyningen i Sarfannguaq - Clim-ATIC

Simulering af 

energiforsyningen i 

Sarfannguaq 

Implementering af vindkraft i isolerede energisystemer 

af Kasper Rønnow Jakobsen, s061711 

Danmarks Tekniske Universitet 

Institut for Mekanisk Teknoligi 

Eksamensprojekt 2009 

Vejledere: Martin L.O. Hansen & Brian Elmegård 

20. maj 2009

Forord 

Denne rapport er resultatet af eksamensprojektet „Simulering af energiforsyningen 

i Sarfannguaq“. Projektet er fastsat til 30 ETCS-point og er gennemført 

i perioden november 2008 - april 2009. Projektet er gennemført ved Sektion 

for Fluid Mekanik under Institut for Mekanisk Teknologi, Danmarks Tekniske 

Universitet. Arbejdet er gennemført under vejledning af: 

• Martin Otto Laver Hansen, Sektion for Fluid Mekanik, Institut for Mekanisk 

Teknologi, Danmarks Tekniske Universitet 

• Brian Elmegaard, Sektion for Termiske Energisystemer, Institut for Mekanisk 

Teknologi, Danmarks Tekniske Universitet 

En stor tak til de to vejledere for råd og assistance undervejs. Udover 

vejlederne vil jeg gerne takke de mange virksomheder og institutioner, der har 

støttet projektet med data og informationer. Det drejer sig især om: 

• ASIAQ - Grønlands Forundersøgelser 

• Nukissiorfiit - Grønlands energiselskab 

• Mittarfeqarfiit - Grønlands Lufthavnsvæsen 

• Grønlandsstatistik 

• Sisimiut Kommune 

• Sisimiut FISH 

• Megacon Danmark 

• Kort- og Matrikelstyrelsen 

• KNI- Grønlands handelsselskab 

• SRI - Kangerlussuaq 

• DTU Space 

• Center for Arktisk Teknologi ved Byg DTU 

i

ii FORORD 

Da dette projekt kun omfatter det indledende arbejde med opdateringen 

af energiforsyningen i Sarfannguaq, ser jeg meget frem til et fortsat godt samarbejde.

Abstract (English) 

This study investigates the potential of implementing renewable energy in 

small isolated systems in Greenland. The project dealing with the energy system 

in a small village called Sarfannguaq, in the western Greenland. The work 

is based on remote measurements of electricity consumption for all consumers 

in the village and measurements from different climate stations in the area. 

Based on information’s about the system and investigations in the village a 

simulation program is build. 

The program is used to investigate the impact on the system and the 

economical effects. 

The results of low (0-20 %) and medium (20-50 %) penetration of wind 

power is presented in this report. For the low penetration case, very small 

turbines are used (6-15kW) and it makes it uneconomical compared to the 

existing system. For the medium penetration bigger turbines are used and it 

gives a more cost-effective solution. For all the calculations the generators are 

operating constantly and it puts a limitation on the amount of oil that can be 

saved. Another limitation is that all the electricity consumption is considered 

to be autonomous and it cause big waste of energy when the penetration is 

increased. 

The simulations show that the optimal amount of wind power in the system, 

with out energy storage and regulation of the consumption, is around 

50 kW. It gives a penetration at 28 %. 

Suggestions for further work, on this project is: 

• Implement variable consumption, based on the potential in the village. 

• Implement energy storages and find the optimal storage size 

• Further measurements and verification of the wind resources 

• Include hydro power in the model 

iii

Resume 

Denne rapport omhandler de indledende undersøgelse af mulighederne for at 

udnytte vedvarende energi (VE) i isolerede energisystemer på Grønland. Der 

er taget udgangspunkt i bygden Sarfannguaq med 130 indbyggere. Projektet 

indledes med en undersøgelse af el, varme og vandforbrug, de overordnede 

variationer og udviklingen i forbruget. Der er opbygget og valideret en simuleringsmodel 

af det nuværende forsyningssystem. Modellen er derefter udvidet 

til at omfatte vindkraft. Vindproduktionen beregnes ud fra en normaliseret 

dataserie, der er repræsentativ for vindresurserne på udvalgte placeringer i 

området. 

Med simuleringsmodellen undersøges effekterne på systemet og ikke mindst 

systemets økonomi ved VE-andele op til 20 %. 

Det videre arbejde består i fastlæggelse af de variable forbrug, implementering 

af et energilager, udarbejdelse af en overordnet styring og undersøgelse 

af mulighederne for højere andele af VE. 

v

Indhold 

Forord i 

Abstract (English) iii 

Resume v 

Indhold vii 

Figurer ix 

Tabeller xiii 

1 Sarfannguaq 1 

2 Forbrug 5 

2.1 Fjernaflæst elforbrug . . . . . . . . . . . . . . . . . . . . . . . . 5 

2.2 Storforbrugere og variable elforbrug . . . . . . . . . . . . . . . 11 

2.3 Varmeforbrug . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 

2.4 Vandforbrug . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 

3 Model af nuværende system 25 

3.1 Kraftværket . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 

3.2 Statisk model af nuværende system . . . . . . . . . . . . . . . . 27 

4 Vindklimaet i området 29 

5 Vindresurser i Sarfannguaq 31 

5.1 Sarfannguaq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 

5.2 Sisimiut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 

5.3 MCP beregninger for sites . . . . . . . . . . . . . . . . . . . . . 36 

5.4 Vindresurser omkring Sarfannguaq . . . . . . . . . . . . . . . . 43 

5.5 Udarbejdelse af vinddata for simulering . . . . . . . . . . . . . 44 

5.6 WAsP analyse af vindresurserne i området . . . . . . . . . . . . 50 

6 Vindkraft i Sarfannguaq 61 

vii

viii INDHOLD 

6.1 Andel vindenergi . . . . . . . . . . . . . . . . . . . . . . . . . . 62 

6.2 Simuleringsmodel for lav andel vindkraft . . . . . . . . . . . . . 63 

6.3 Middel andel vindkraft . . . . . . . . . . . . . . . . . . . . . . . 75 

6.4 Høj andel vindkraft . . . . . . . . . . . . . . . . . . . . . . . . . 82 

6.5 Energilagring . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 

7 Diskussion 87 

8 Konklusion 91 

Litteratur 93 

A Kontakter 95 

B Kortlægning af elforbruget hos de store forbrugere 99 

C Datagrundlag 109 

D Opbygning af model, eksisterende system 113 

D.1 Input til modellen . . . . . . . . . . . . . . . . . . . . . . . . . 113 

D.2 Opbygning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 

D.3 Verificering af model . . . . . . . . . . . . . . . . . . . . . . . . 123 

E Vinddata og statistik 125 

E.1 Vinddata for Sarfannguaq . . . . . . . . . . . . . . . . . . . . . 125 

E.2 Lufthavnen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 

E.3 Dumpen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 

E.4 MCP beregninger for sites . . . . . . . . . . . . . . . . . . . . . 133 

E.5 Relation imellem Dumpen og masten på Teleøen . . . . . . . . 148 

E.6 Relationerne imellem Lufthavnen og Teleøen . . . . . . . . . . 148 

F Klimastation på Teleøen vest for Sisimiut 163 

F.1 Statistik for Teleøen . . . . . . . . . . . . . . . . . . . . . . . . 168 

G Anvendte vindmøller 171

Figurer 

1.1 Sarfannguaq’s geografiske placering . . . . . . . . . . . . . . . . . . 1 

1.2 Befolkningsudviklingen og kønsfordelingen . . . . . . . . . . . . . . 2 

1.3 Arbejdsstyrkens fordeling i 1998 og 2003 . . . . . . . . . . . . . . . 3 

1.4 Havnen i Sarfannguaq . . . . . . . . . . . . . . . . . . . . . . . . . 4 

2.1 Fjernaflæste data, månedsopdelt . . . . . . . . . . . . . . . . . . . 6 

2.2 Fordelingen af det samlede årlige elforbrug . . . . . . . . . . . . . . 7 

2.3 FFT-analyse af 15 min. middelværdier . . . . . . . . . . . . . . . . 8 

2.4 Varighedskurve og hyppighedsfordeling . . . . . . . . . . . . . . . . 8 

2.5 Elforbrug og fordelingen af forbruget 1999-2007 . . . . . . . . . . . 9 

2.6 Estimering af det fremtidige elforbrug . . . . . . . . . . . . . . . . 10 

2.7 Forbruget fordelt på aflæsningsmålere i den fjernaflæste periode . . 12 

2.8 Fordelingen af elforbruget i den fjernaflæste periode . . . . . . . . 13 

2.9 Ugentlig statistik for de fem største forbrugere . . . . . . . . . . . 14 

2.10 Månedlig produktionsdata for kraftværket i Sarfannguaq . . . . . . 15 

2.11 Sammenligning af produktion og forbrug . . . . . . . . . . . . . . . 16 

2.12 Produktionsdata for 07-08 målt manuelt og med PLC . . . . . . . 17 

2.13 Gennemsnitlig el-virkningsgrad for kraftværket i Sarfannguaq . . . 18 

2.14 Petroleumsforbrugene og temperaturvariationerne for perioden 2004- 

2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 

2.15 Gasolieforbrug for perioden 2004-2007 . . . . . . . . . . . . . . . . 20 

2.16 Gennemsnitlig gasolieforbrug og estimering af opvarmningsandelen 21 

2.17 Estimeret energiforbrug til opvarmning i Sarfannguaq . . . . . . . 22 

2.18 Samlet vandforbrug i Sarfannguaq . . . . . . . . . . . . . . . . . . 23 

3.1 Kraftværkets placering ned til vandet . . . . . . . . . . . . . . . . 26 

3.2 Opbygning af model for nuværende system . . . . . . . . . . . . . 27 

3.3 Resultat af simuliering for januar 2008 . . . . . . . . . . . . . . . . 28 

5.1 Placering af målemasten i Sarfannguaq . . . . . . . . . . . . . . . . 32 

5.2 Data indsamlet for masten i Sarfannguaq 01.02.2009 . . . . . . . . 33 

5.3 Placeringen af masterne i Sisimiut . . . . . . . . . . . . . . . . . . 34 

5.4 Placering af målemasten ved Dumpen uden for Sisimiut, set fra vest 35 

5.5 Data indsamlet for masten ved Dumpen 01.02.2009 . . . . . . . . . 36 

ix

x Figurer 

5.6 Placeringen af masten på teleøen i Sisimiut, set fra nord . . . . . . 36 

5.7 Vindhastighederne for Sarfannguaq og Teleøen . . . . . . . . . . . 38 

5.8 Retningsdataene for Sarfannguaq og Teleøen . . . . . . . . . . . . 38 

5.9 Korrigerede retningsdata for Sarfannguaq og Teleøen . . . . . . . . 39 

5.10 Hastighedsdata for Dumpen og Teleøen . . . . . . . . . . . . . . . 40 

5.11 Retnings histogram for Sarfannguaq . . . . . . . . . . . . . . . . . 41 

5.12 Retningskorrelation ved offset af date for perioden 2003-2008 . . . 42 

5.13 Fordeling af data efter endelig korrektion til nord . . . . . . . . . . 42 

5.14 Kort over Sarfannguaqområdet . . . . . . . . . . . . . . . . . . . . 43 

5.15 Hastighedsfordeling for Sarfannguaq . . . . . . . . . . . . . . . . . 43 

5.16 Histogram for dataserie genereret ud fra månedsfordelinger . . . . 46 

5.17 Perioden i august med manglende målinger . . . . . . . . . . . . . 47 

5.18 Histogrammer for udvalgte kombinationer af dataserier . . . . . . . 49 

5.19 Kort med orografi og ruhedsdata til WAsPanalyserne . . . . . . . . 52 

5.20 Placering af objekter omkring referencemasten . . . . . . . . . . . 53 

5.21 Den overordnede fordeling af middelvinden i området . . . . . . . 54 

5.22 Overordnet fordeling af middelvinden i området . . . . . . . . . . . 54 

5.23 Middelvinden i nærområdet . . . . . . . . . . . . . . . . . . . . . . 55 

5.24 Terrænelevation og dens påvirkning af referencemasten . . . . . . . 56 

5.25 Indstrømningens RIX . . . . . . . . . . . . . . . . . . . . . . . . . 57 

5.26 Delta-RIX fordelingen i området . . . . . . . . . . . . . . . . . . . 58 

5.27 Vindresurserne i 36 meters højde . . . . . . . . . . . . . . . . . . . 59 

5.28 Delta-RIX for 36 meters estimeringerne . . . . . . . . . . . . . . . 60 

6.1 Belastningsfordelingen for kraftværket . . . . . . . . . . . . . . . . 63 

6.2 Simuleringsmodel med vindkraftmodul . . . . . . . . . . . . . . . . 66 

6.3 Eksempel på simuleringsresultater . . . . . . . . . . . . . . . . . . 72 

6.4 Sensitivitet for vindresurse . . . . . . . . . . . . . . . . . . . . . . 73 

6.5 Sensitivitet for mølleprisen . . . . . . . . . . . . . . . . . . . . . . 73 

6.6 Sensitivitet for møllernes andel af anlægsudgifterne . . . . . . . . . 74 

6.7 Sensitivitet for de faste udgifter til kraftværket . . . . . . . . . . . 74 

6.8 Sensitivitet for olieprisen . . . . . . . . . . . . . . . . . . . . . . . . 75 

6.9 Udvalgte effektkurver for møller . . . . . . . . . . . . . . . . . . . . 76 

6.10 Eksempel på parametervariationerne under simuleringen . . . . . . 83 

6.11 Eksempel på opbygning af vind-diesel system . . . . . . . . . . . . 84 

B.1 Fordelingen af elforbruget i Sarfannguaq . . . . . . . . . . . . . . . 100 

B.2 Effektforbruget for KNI i uge 46 2008 . . . . . . . . . . . . . . . . 102 

B.3 Taphuse i Sarfannguaq . . . . . . . . . . . . . . . . . . . . . . . . . 104 

D.1 Modul til indlæsning af statistiske data . . . . . . . . . . . . . . . 115 

D.2 Simpel model for transmissionsnettet . . . . . . . . . . . . . . . . . 116 

D.3 Model for nuværende kraftværk . . . . . . . . . . . . . . . . . . . . 116 

D.4 Virkningsgrader for de to generatortyper . . . . . . . . . . . . . . . 117

Figurer xi 

D.5 Estimering af brændstofforbrug for motorer . . . . . . . . . . . . . 118 

D.6 Akkumuleret lastfordeling for 2008 . . . . . . . . . . . . . . . . . . 119 

D.7 Generatorsættenes samlede virkningsgrad som funktion af belastningen 

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 

D.8 Produktionsprisen per kWh . . . . . . . . . . . . . . . . . . . . . . 122 

D.9 Økonomisk model for kraftværket . . . . . . . . . . . . . . . . . . . 123 

D.10 Model for nuværende system . . . . . . . . . . . . . . . . . . . . . 124 

E.1 Fordelingsrose og hastighedshistogram for raw 10 minuttersdata 

fra Sarfannguaq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 

E.2 Fordelingsrose og hastighedshistogram for korrigerede 10 minuttersdata 

fra Sarfannguaq . . . . . . . . . . . . . . . . . . . . . . . . . 127 

E.3 Fordelingsrose og hastighedshistogram for nord korrigerede 10 minuttersdata 

fra Sarfannguaq . . . . . . . . . . . . . . . . . . . . . . 128 

E.4 Fordelingsrose og estimering af 50 års ekstrem vinde for Sarfannguaq128 

E.5 Fordelingsrose og hastighedshistogram for Teleøen 10 minuttersdata129 

E.6 Estimat af ekstremhastigheder og fordeling i sektorer på baggrund 

af 10 minuttersdata for Teleøen . . . . . . . . . . . . . . . . . . . . 129 

E.7 Estimat af ekstremhastigheder og fordeling i sektorer på baggrund 

af 60 minuttersdata for Teleøen . . . . . . . . . . . . . . . . . . . . 132 

E.8 Estimat af fordeling på sektorer på baggrund af 10 minuttersdata 

for Lufthavnen, øst øverst og vest nederst . . . . . . . . . . . . . . 133 

E.9 Estimat af fordeling på sektorer på baggrund af 10 minutters data 

for Dumpen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 

E.10 Samtidige vinddata for Sarfannguaq og Teleøen . . . . . . . . . . . 136 

E.11 Korrelation af vinddata 1 . . . . . . . . . . . . . . . . . . . . . . . 137 

E.12 Retningsdata for Sarfannguaq og Teleøen . . . . . . . . . . . . . . 138 

E.13 Retningsdata for Sarfannguaq og Teleøen . . . . . . . . . . . . . . 139 

E.14 Månedvise korrelationer imellem Sarfannguaq og Teleøen . . . . . 140 

E.15 Korrelationen som funktion af offset . . . . . . . . . . . . . . . . . 141 

E.16 Korrelationen som funktion af offset . . . . . . . . . . . . . . . . . 141 

E.17 Retningsdata efter korrektion . . . . . . . . . . . . . . . . . . . . . 143 

E.18 Sektorvise hastighedsdata for Sarfannguaq og Teleøen . . . . . . . 144 

E.19 Retningsdata efter korrektion og U>3 m/s . . . . . . . . . . . . . . 145 

E.20 Korregeret sektorvise hastighedsdata for Sarfannguaq og Teleøen . 146 

E.21 Sektorvise retningsdata for Teleøen og Sarfannguaq . . . . . . . . . 147 

E.22 Sektorvise retningsdata for Teleøen og Sarfannguaq, døgnmiddel . 149 

E.23 Samtidige vinddata for Dumpen og Teleøen . . . . . . . . . . . . . 150 

E.24 Retningsdata for Dumpen og Teleøen . . . . . . . . . . . . . . . . 151 

E.25 Månedvise korrelationer imellem hastighederne for Dumpen og Teleøen 

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 

E.26 Månedvise korrelationer imellem retningsdata for Dumpen og Teleøen153 

E.27 Sektorvise hastighedsdata for Dumpen og Teleøen . . . . . . . . . 154 

E.28 Sektorvise retningsdata for Teleøen og Dumpen . . . . . . . . . . . 155

xii Figurer 

E.29 Samtidige vinddata for Lufthavnen og Teleøen . . . . . . . . . . . 156 

E.30 Retningsdata for Lufthavnen NV og Teleøen . . . . . . . . . . . . 157 

E.31 Månedvise korrelationer imellem hastighederne for Lufthavnen NV 

og Teleøen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 

E.32 Månedvise korrelationer imellem retnings for Lufthavnen NV og 

Teleøen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 

E.33 Sektorvise hastighedsdata for Lufthavnen NV og Teleøen . . . . . 160 

E.34 Sektorvise retningsdata for Teleøen og Lufthavnen NV . . . . . . . 161

Tabeller 

5.1 Vinddata for Sarfannguaq metode 1 . . . . . . . . . . . . . . . . . 44 

5.2 Vinddata for Sarfannguaq metode 2 . . . . . . . . . . . . . . . . . 45 

5.3 Korrektionsfaktorer og resulterende middelhastigheder for Sarfannguaq 

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 

6.1 Andel vedvarende energi . . . . . . . . . . . . . . . . . . . . . . . . 62 

6.2 Normal udgiftsfordeling for vindmøllepark, kilde: BWEA . . . . . 64 

6.3 Estimeret udgiftsfordeling for Sarfannguaq . . . . . . . . . . . . . . 64 

6.4 Klassificeringstabel for IEC 61400 . . . . . . . . . . . . . . . . . . 66 

6.5 Priser på undersøgte møller . . . . . . . . . . . . . . . . . . . . . . 67 

6.6 Priser på undersøgte invertere . . . . . . . . . . . . . . . . . . . . . 68 

6.7 Pris for 6 kW system . . . . . . . . . . . . . . . . . . . . . . . . . . 68 

6.8 Pris for 12 kW system . . . . . . . . . . . . . . . . . . . . . . . . . 69 




6.12 Simuleringsresultater for lav andel vindkraft . . . . . . . . . . . . . 70 

6.13 Eksempel på fordelingen af omkostningerne ved 30 kw . . . . . . . 70 

6.14 Simuleringsresultater for lav andel vindkraft . . . . . . . . . . . . . 71 

6.15 Simuleringsresultater for middel andel vindkraft . . . . . . . . . . 78 

6.16 Simuleringsresultater for middel andel vindkraft,A . . . . . . . . . 80 

6.17 Simuleringsresultater for middel andel vindkraft,B . . . . . . . . . 80 

6.18 Effekten af middel andel vindkraft . . . . . . . . . . . . . . . . . . 81 

6.19 Foreslag til møller for høj andel vindkraft . . . . . . . . . . . . . . 85 

A.1 Kontakter for simuleringsprojekt . . . . . . . . . . . . . . . . . . . 96 



B.1 Fordelingen af energiforbruget i KNI’s butik . . . . . . . . . . . . . 101 

B.2 Fordelingen af energiforbruget i fiskefabrikken . . . . . . . . . . . . 102 

B.3 Fordelingen af energiforbruget på Vandværket 1316 . . . . . . . . . 103 

B.4 Fordelingen af energiforbruget i Servicehuset 1289 . . . . . . . . . 104 

B.5 Fordelingen af energiforbruget i Bygdekontoret 1289 . . . . . . . . 105 

xiii

xiv Tabeller 

B.6 Fordelingen af energiforbruget i Taphus 5 1302 . . . . . . . . . . . 105 



B.9 Rør anvendt i vandforsyningssystemet . . . . . . . . . . . . . . . . 107 

C.1 Elforbruget i Sarfannguaq . . . . . . . . . . . . . . . . . . . . . . . 109 

C.2 Kraftværket i Sarfannguaq . . . . . . . . . . . . . . . . . . . . . . 109 

C.3 Vandforbruget i Sarfannguaq . . . . . . . . . . . . . . . . . . . . . 109 

C.4 Brændstofforbruget i Sarfannguaq . . . . . . . . . . . . . . . . . . 109 

C.5 Kort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 

C.6 Vinddata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 

C.7 Temperaturdata . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 

C.8 Nedbørsdata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 

C.9 Indstrålingsdata . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 

C.10 Fugtighedsdata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 

C.11 Lufttryk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 

D.1 Driftdata for 2008 og estimeret indkoblingsniveau . . . . . . . . . . 120 

D.2 Produktionsprisen i Sarfannguaq . . . . . . . . . . . . . . . . . . . 121 

E.1 10 minutters middelværdidata for Teleøen i Sisimiut . . . . . . . . 130 

E.2 60 minutters middelværdidata for Teleøen i Sisimiut . . . . . . . . 131 

E.3 Observeret vindklima for Teleøen . . . . . . . . . . . . . . . . . . . 132 

E.4 Observeret vindklima for Lufthavnen . . . . . . . . . . . . . . . . . 134 

E.5 Observeret vindklima ved Dumpen . . . . . . . . . . . . . . . . . . 134 

F.1 Vinddatastatistik for Teleøen . . . . . . . . . . . . . . . . . . . . . 169 

F.2 Klimanormaler for Sisimiut og Kangerlussuaq [Cappelen(2004)] . . 170

Kapitel 1 


Sarfannguaq eller Sarfannguit betyder "de små strømsteder"og henviser til de 

strømme der løber sammen for enden af øen Sarfannguit Nunataat (Sarfannguitland). 

Bygden Sarfannguaq er placeret på øen, som deler fjordene Amerloq og 

Ikertooq. Øen er kun afskåret fra fastlandet ved et smalt stræde. Sarfannguaq 

(66.54N,52.52S) ligger 35 km øst for Sisimiut i det vestlige Grønland og er en 

del af Sisimiut Kommune. Bygden blev i 1843 oprettet som landanlæg for torskefiskeri, 

og i 1850 blev den omdannet til et såkaldt udsted med opbevaringsog 

mandskabshuse. Som ordet udsted antyder, var bygden tidligere afsondret 

fra omverdenen, men nu er Sarfannguaq som Grønlands andre bygder en del 

af samfundet med jævnlig forbindelse til omverdenen. Forbindelsen foregår 

primært med skib, men der er også indrettet en helikopterlandingsplads ved 

bygden, der beflyves efter behov af Air Greenland. Bygden ligger på en relativ 

Figur 1.1: Sarfannguaq’s geografiske placering 

1

2 KAPITEL 1. SARFANNGUAQ 

Figur 1.2: befolkningsudviklingen og kønsfordelingen 

stejl fjeldside ned mod vandet og består hovedsageligt af små huse placeret i 

forskellige niveauer op af fjeldsiden. Der findes 39 husstande i bygden med et 

gennemsnitligt areal på 49 m 2 . Derudover er der en fiskeforarbejdningsfabrik 

og en række servicebygninger. I bygden lever befolkningen stadig hovedsagelig 

af fiskeri og forarbejdning af fisk på den lokale fabrik. Der fanges hovedsageligt 

torsk, men også havkat, stenbiderrogn og rødfisk landes i bygden. Udover at 

forsyne bygden eksporteres hovedparten af fangsten via Royal Greenland. 

Bygden har omkring 130 beboere med en svag stigende tendens siden 2001, 

se figur 1.2. Befolkningstallet i bygderne er meget afhængig af indtjeningsmulighederne 

og udgifterne ved at bo i sådanne samfund. I nogle bygder har 

fiskeindustrien afviklet deres aktiviteter, og det har en meget negativ indflydelse 

på bygdernes mulighed for at overleve. De fleste større virksomheder i 

Grønland er helt eller delvist eget af hjemmestyret og er derfor ofte styret 

af politiske interesser. Ledelsesmæssigt har det medført store problemer for 

disse virksomheder, da de ikke har kunne styre frit efter markedet. Virksomhederne 

har derfor meget svært ved at klare sig og har kun overlevet i kraft 

af en lang række indirekte og direkte støtteordninger, hvilket igen er med til 

at fastholde de irrationelle strukturer. Bygderne har igennem mange år været 

præget af massiv arbejdsløshed, og dette har også været tilfældet i Sarfannguaq. 

Arbejdsløshedstallene er blevet væsentlig bedre for de fleste bygder, og det 

skyldes ikke mindst, at det offentlige har ansat en stor del af de arbejdsløse, 

se figur 1.3. Tallene kan ikke helt sammenlignes med andre lande, idet man 

medtager personer ned til 6-års alderen som en del af arbejdsstyrken, hvilket 

forskubber billedet en smule.

Figur 1.3: Arbejdsstyrkens fordeling 

Indtil 2007 har det grønlandske samfund været præget af en fordelingspolitik, 

der ligestillede alle forbrugere, idet hjemmestyret regulerede priserne i 

deres butikker og forsyningsselskaber, så prisen var ens over hele Grønland. 

Denne fordelingspolitik har været med til at holde liv i mange af de små 

bygder, men hjemmestyret har fra 2007 fjernet denne fordeling på en række 

områder og erstattet den af en maksimum- og en minimumspris. Det er tanken, 

at dette system skal være en overgangsordning, hvor man bevæger sig i retning 

af markedspriser og dermed nedsætter den nødvendige statsstøtte. Den nye 

politik skal blandt andet være med til at sikre et incitament til at nedbringe 

omkostningerne, da det nu direkte påvirker priserne og dermed kunderne. Set 

fra bygdernes side kan dette skabe store udfordringer, da de store byer får 

store vandkraftværker og kraftvarmeværker hvorved strømmen bliver betydelig 

billigere, mens den vil stige i de små samfund. Denne udvikling kan have 

en række uheldige konsekvenser ikke bare for bygderne men også for Nukissiorfiit, 

da fiskefabrikkerne måske vil begynde at flytte efter de laveste priser 

og dermed flytte forbruget. Flere af fabrikkerne er forpagtet ud til private af 

Royal Greenland som har overtaget dem efter sammenlægningen af de hjemmestyreejede 

selskaber Nuka A/S og Arctic Green Food A/S. Fiskefabrikken 

og de fiskerelaterede aktiviteter i Sarfannguaq aftager op imod halvdelen af 

elproduktionen, og den usikre fremtid kan være med til at nedsætte incitamentet 

til at investere i vedvarende energi, da grundlaget for forrentningen kan 

forsvinde med fabrikken. I februar 2009 blev fabrikken overtaget af det private 

selvskab „Sisimiut FISH ApS“ ved Hanseeraq Enoksen. Jeg har igennem hele 

projektforløbet haft løbende kontakt til Hanseeraq, og efter hans oplysninger 

er det planen at udvide aktiviterne på fabrikken. 

KNI - Pilersuisoq driver en butik i bygden, hvor lokale og turister kan købe 

det meste fra dagligvarer til brændstof. Udover butikken ejer KNI et lager, 

3

4 KAPITEL 1. SARFANNGUAQ 

et pakhus, en kontorbygning, tankanlæg og en forvalterbolig i bygden. Derudover 

ejer og driver hjemmestyret et fælleshus med badeanstalt, systue og 

husflidsværksted. Bygden har også et sundhedshus med tilknyttet sygehjælper. 

Bygdens folkeskole har 23 elever fordelt på fire klasser og beskæftiger en 

lærer og et par timelærere. Uddannelsesniveauet er generelt meget lavt, og 

kun seks af bygdens beboer har en kompetencegivende uddannelse. Det lave 

uddannelsesniveau og de begrænsede indtægtsmuligheder betyder også, at den 

gennemsnitlige årsindkomst per person kun lå på 87.961 kr netto i 2003. Det 

betyder at den gennemsnitlige årlige husstandsindkomst kun lå på 167.312 kr 

netto. 

Sarfannguaq er selvforsynende med fisk, sæl, rensdyr og moskusokser. Udover 

eget forbrug landes der store mængder torsk (234.810 kg i 2003) til eksport. 

Værdien af de landede fisk er 1,789 mio.kr. Bygdens samlede indtægter 

er på 8,651 mio.kr, hvor en del stammer fra eksporten af de forarbejdede 

fisk, men hovedparten stammer fra forskellige former for løn eller tilskud fra 

hjemmestyret. 

Figur 1.4: Havnen i Sarfannguaq. Den blå bygning til venstre er fiskefabrikken 

og den røde bygning til højre er KNI’s butik og lager

Kapitel 2 

Forbrug 

I Sarfannguaq står Nukissiorfiit for el- og vandforsyningen. En stor del af de 

nødvendige data for vand og elforbrug hentes derfor ved Nukissiorfiit. Bygden 

forsynes med ferskvand fra en nærliggende sø. Søen ligger på fastlandet i 50 

meters højde og er forbundet til bygden via et rør, der ligger på bunden af 

det smalle stræde, som afskærer bygden fra fastlandet. For varmeforbruget, 

er problemet, at der ikke findes nogle målinger af varmeforbruget, da husene 

opvarmes med forskellige former for oliefyr. Olien købes ved KNI’s tankanlæg 

i bygden og salgstallene herfra er derfor vores bedste udgangspunkt. 

2.1 Fjernaflæst elforbrug 

Frem til september 2007 var hver forbruger udstyret med en analogmåler, som 

Nukissoirfiit kontrolaflæste en gang årligt. Udover det årlige forbrug findes der 

også produktionsdata for kraftværket der viser, hvor meget der er produceret 

hver måned siden 1999. Udover produktionen kendes olieforbruget til elproduktion 

siden 2004. I september 2007 blev der installeret fjernaflæsningsmålere 

i bygden og samplingsfrekvensen blev valgt til 1/900 Hz. 

De fjernaflæste data, der dækker perioden 15. september 2007 til 10. september 

2008, fremgår af figur 2.1. Dataserien er sorteret, så den første del 

består af data fra 01.01.2008-10.09.2008 og resten af året er dækket af 2007 

data. Middelværdien for perioden er 61 kW varierende fra 50 kW i september 

og oktober til 70kW i januar. De årlige maks og minimumsværdier er hhv. 134 

og 24kW. Studeres varationer ydeligere, kan man se, at forbruget er højest i de 

mørke og kolde vintermåneder, mens det er mindst i de lyse og varme måneder 

september og oktober. Da en stor del af forbruget er tilknyttet fiskeindustrien, 

er det usikkert, om det direkte er temperaturen og lyset, der påvirker 

forbruget, idet der også kan være andre faktorer der påvirker forbruget. 

Ser vi på fordelingen af det årlige forbrug, er der nogle klare mønstre jf. 

figur 2.2. Det første tydelige mønster er dagsvariationen. Der er et lavt forbrug 

indtil kl. 7.30, så stiger forbruget brat for så at falde lidt igen. Imellem 

5

6 KAPITEL 2. FORBRUG 

Figur 2.1: Fjernaflæste data, månedsopdelt 

kl. 11.30 og 12.30 er forbruget markant lavere for så igen at stige. Kl. 17.30 

falder forbruget igen voldsomt for at gå ned imod natniveauet. Variationerne 

er domineret af det industrielle forbrug. Helligdage ses tydeligt, og der arbejdes 

ofte til middag om lørdagen. Det lave forbrug både nat og dag i september 

og oktober kan udover det førnævnte naturlige grunde også have en teknisk 

begrundelse. Nikissiorfiit har oplyst, at der har været en del indkøringsvanskeligheder 

for de nye fjernaflæsningsmålere. Indkøringsperioden fra starten 

af august til 15. september er klippet fra, da der kun er logger om natten i 

denne periode. En af forklaringerne kan være, at enkelte af målerene ikke har 

fungeret korrekt og derfor mangler i det samlede forbrug. En anden mulighed 

er, at stigningen er reel og dermed afspejler et stigende forbrug. Senere undersøges 

derfor de største aftageres forbrugsmønstre, udviklingen i det samlede 

forbrug og udviklingen i den industrielle produktion. 

For at identificere de overordnede variationer laves en Fourier transformation 

af dataene, og derved findes frekvensspektrummet af signalet. Som det 

kan ses af resultatet i figur 2.3, er døgnvariationen den klart mest fremtrædende. 

Det logoritmiske plot skjuler lidt, hvor store forskelle der er på de enkelte 

frekvenser, men de daglige og ugentlige variationer er klart de mest dominerende. 

Der findes derudover en række underfrekvenser af de nævnte (den halve, 

kvarte osv.) Analysen kan kun vise resultatet inden for det viste interval, da 

antallet af data er for lille til at identificere lavere frekvenser, og samplingsfrekvensen 

begrænser de høje frekvenser. Der kunne anvendes forskellige former 

for filtre, men det er ikke nødvendigt i dette tilfælde. 

For at skabe et overblik over belastningerne og varigheden af disse sorteres 

forbrugsdataene efter forbrugets størrelse. Ud fra samplingsfrekvensen

2.1. FJERNAFLÆST ELFORBRUG 7 

Figur 2.2: Fordelingen af det samlede årlige elforbrug. X-akasen er dage i 

målerperioden, Y-aksen er målinger den pågældende dag og farverne angiver 

middeleffekten i den pågældende måleperiode


Figur 2.3: FFT-analyse af 15 min. middelværdier 

Figur 2.4: Varighedskurve og hyppighedsfordeling 

kendes antallet af målinger per time, og derved kan tidsaksen beregnes som 

placeringen i den numeriske række multipliceret med frekvensen. Derved kan 

en varighedskurve tegnes, jf. figur 2.4 øverst. Varighedkurven giver et godt 

billede af hvor mange timer forbruget er over eller under et vist niveau, og 

dette skal anvende senere, når driften skal undersøges. 

Ud fra varighedkurven kan det være besværligt at aflæse fordelingen af 

belastningen, så derfor vises hyppighedsfordelingen også, jf. figur 2.4 nederst. 

Hyppigheden er plottet ved antallet af timer inden for hvert 5kW’s interval. 

Hver søjle repræsenterer antallet af timer belastningen er imellem søjlens x-

2.1. FJERNAFLÆST ELFORBRUG 9 

akseværdi og op til den næste søjles x-værdi. Hyppighedsfordelingen giver et 

meget godt billede af forekomsten af de enkelte belastningsniveauer. Hyppighederne 

kan også sammen med produktionshyppighederne bruges til bestemmelse 

af sandsynligheden for f.eks. overproduktion. 

Manuel aflæste elforbrug 

For at give et bud på det fremtidige forbrug analyseres de seneste års forbrug. 

De gamle analoge målere er kun blevet aflæst en gang årligt, og vi kender 

derfor ikke variationerne af forbruget. Nukissiorfiit og Grønlandsstatistik har 

lagret forbruget fra 1999 og frem, hvilket kan give en ide om udviklingen. I 

Grønland er industrien priviligeret med særlig lave afregningspriser, og derfor 

er forbruget delt op i to grupper. Fra 2002 og frem har man endvidere 

registreret hvor stor en del af forbruget, der gik til gadebelysning. Forbrugene 

samt fordelingen fremgår af figur 2.5. Det samlede forbrug stiger frem til 

Figur 2.5: Elforbrug og fordelingen af forbruget 1999-2007 

2003 og falder så til 2004, hvor det igen begynder at stige. Stigningen frem til 

2003 skyldes primært stigningen i det industrielle forbrug. Fra 2004 og frem 

til 2007 er det industrielle forbrug konstant, mens det øvrige forbrug stiger 

kraftigt. 2007 er lidt specielt for det industrielle forbrug, som dækker over 

fiskefabrikkens forbrug, da fabrikken har ligget stille en periode i forbindelse 

med ejerskifte. Det samlede forbrug steg på trods af en halvering af det 

industrielle forbrug. Om ændringen i forbrugssammensætningen også kan have 

noget med opsætning af de nye målere at gøre, har ikke været muligt af 

bestemme. 

Udviklingen i det private forbrug ser ikke ud til at være påvirket af forandringerne, 

som har giver nedgangen i det industrielle forbug. Ved estimering


af det fremtidige forbrug behandles de to forbrug derfor hver for sig. 

Figur 2.6: Estimering af det fremtidige elforbrug 

Undersøges først det ikke industrielle forbrug jf. figur 2.6, findes en udvikling, 

der symboliseres af den stiplede røde tendenslinje. Undersøges det 

industrielle forbrug, er forbruget konstant alle år undtagen 2007. Det giver 

problemer når det fremtidige forbrug skal bestemmes, og derfor forsøges 2008 

forbruget bestemt. For at undersøge hvorledes forbruget vil blive i 2008, undersøges 

de fjernaflæste forbrug. Ud fra de fjernaflæste forbrug kendes forbrugsvariationerne, 

men kun for en et-årig periode september 2007-oktober 

2008. Ud fra forbrugsfordelingen over året og det foreløbige forbrug i 2008 

kan forbruget for hele 2008 estimeres. Anvendes det estimerede forbrug for 

2008 også som grundlag for tendenslinjen fås den sorte kurve (Formlen under 

forklaringsboksen). Det estimerede industrielle forbrug for 2008 ligger på det 

samme niveau, som perioden 2004-2006, og der forventes derfor ikke en stigning 

i dette forbrug med mindre, at fiskekvoterne øges, eller fiskemønstrene 

ændres. Forbruget kan således forventes at udvikle sig efter den sorte kurve 

plus de ca. 100.000 kWh i industrielforbrug, hvis ikke udviklingen påvirkes af 

højere priser eller andet, der kan give incitament til at spare på energien. Direktøren 

for Sisimiut FISH, Hanseraq Enokson, der ejer fabrikken, oplyste ved 

besøget på fabrikken, at der var planer om at øge produktionen på fabrikken 

og i følge ham er der ingen udsigt til, at aktivitetsniveauet vil falde. 

Ved projektets afslutning er de resterende data for 2008 frigivet, og de 

viser, at det industrielle forbrug blev på 128.655 kWh, det resterende 441.625 

kWh ialt 570.280 kwh. Det er omkring 65.000 kWh mere end forventet, og 

som det kan ses, er det både det industrielle og det øvrige forbrug, der stiger 

mere end forventet. Oven i de fjernaflæste forbrug kommer forbruget til ga-

2.2. STORFORBRUGERE OG VARIABLE ELFORBRUG 11 

debelysning 6956 kWh (2008) og kraftværkets eget forbrug 14889 kWh. Disse 

forbrug bliver aflæst dagligt, men er kun lagret som månedlige værdier. Det 

giver problemer med hensyn til forbrugsvariationerne, da det ikke er muligt at 

fastlægge forbrugsmønstrene. En del af kraftværksforbruget vil gå til styringen 

og belysning, men hvor meget der er direkte knyttet til produktionen kan 

ikke fastslås. For vejbelysningen er den samlede effekt ukendt, men det må 

forventes at størstedelen af forbruget ligger i de mørke timer, hvor resten af 

forbrugene er lave. For at få disse forbrug med i det samlede forbrug, tilføjes 

den månedlige middelværdi det fjernaflæste forbrug. 

2.2 Storforbrugere og variable elforbrug 

For at undersøge mulighederne for variabel forbrug og hvor stor en del af forbruget 

det er realistisk at gøre variabelt, er det væsentligt at identificere, hvem 

og hvad der anvender energien. I forbindelse med implementering af VE og 

optimering af driften er det væsentligt at undersøge, hvor stor en andel af forbruget, 

der vil kunne forskydes afhængig af resurserne og resten af forbruget. 

De fleste forbrugere ligger i intervallet 1.000-10.000 kWh/år, men fem forbrugere 

bruger over 10.000kWh/år og to bruger over 100.000kWh/år figur 2.7. 

De almindelige forbrugere med et forbrug i intervallet 0-10.000kWh/år er ikke 

så interessante, når det gælder et variabelt forbrug. For det første er deres andel 

af det samlede forbrug relativt begrænset, og det vil kræve forholdsvis store 

indgreb i forbrugerenes dagligdag at flytte en væsentlig del af deres forbrug. 

Der fokuseres på storforbrugerne i forsøget på at identificere mulighederne for 

variabelt forbrug. 

Ser vi på fordelingen af elforbruget jf. figur 2.8 er det KNI’s bygning 1376, 

der aftager størstedelen af energien. Fiskefabrikken aftager noget mindre og 

derefter følger forskellige fælles servicebygninger. De to store forbrugeres forbrug 

udgør 58 % af det samlede forbrug og samtidig forventes de bedste muligheder 

for variabel forbrug hos disse to forbrugere. Det undersøges derfor, 

hvor stor en del af deres forbrug, det er muligt at lave variabelt. 

Forbrugsmønstre ved de største elforbrugere 

For at få et bedre billed af forbrugsmønstret hos de fem største forbrugere laves 

først en fourier transformation af signalerne. Resultatet viser en høj energi 

i døgnvariationerne for alle fem. Derudover har Servicehuset, Vandværket og 

KNI’s lager en tydelig ugevariation. Produktionsanlægget har en tydelig fem 

dages variation, mens det er svært at finde klare variationer, ud over døgnvariationen 

for Taphus 5. Ud fra resultaterne af frekvensanalysen splittes dataene 

op i uger og middel, max, min og standardafvigelsen for hver uge jf. figur 2.9. 

Den første figur viser tydeligt, at forbruget i Taphus 5 er sæsonafhængig. 

Det kan skyldes variation i aktiviteterne, eller at noget af forbruget kan rela-


Figur 2.7: Elforbruget fordelt på aflæsningsmålere i den fjernaflæste periode


Figur 2.8: Fordelingen af elforbruget i den fjernaflæste periode 

teres til opvarmning. Standardafvigelsen viser, at fluktuationerne i forbruget 

også varierer en del. Man kan naturligvis ikke sige noget om fluktuationer under 

samplingsfrekvensen, så standardafvigelsen er i denne situation et udtryk 

for de overordnede variationer. 

På figuren for Servicehuset kan det aflæses, at middel- og minimumsforbrugene 

er lave i forhold til maksforbrugene. Sammenholdes dette med den 

forholdsvis lave standardafvigelse betyder det, at forbruget må være relativt 

konstant over længere perioder med enkelte peaks, der giver de høje maksværdier. 

For Vandværket er forbruget meget stabilt over vinteren og foråret med 

et forbrug imellem fire og otte kilowatt og middelværdien midt imellem. Der 

er en væsentlig nedgang i forbruget hen over sommeren, men stadig med et 

spænd på omkring fire kilowatt. 

Produktionsanlægget havde et stabilt middel- og minimumsforbrug hen 

over vinteren og foråret. Maksforbruget og standardvariationen er stigende 

hen mod sommeren, og fra uge 22 stiger middelforbruget også en smule. Fra 

uge 36 til uge 45 er forbruget unormalt på grund af den tidligere omtalte


Figur 2.9: Ugentlig statistik for de fem største forbrugere 

overdragelse af produktionsanlægget. Det korrekte forbrug i denne del af året 

kan først undersøges når forbruget for perioden 2008 er frigivet. De resterende 

data for 2008 viser, at denne lave periode ikke optræder i 2008 og dermed som 

forventet er et resultat af overdragelsen og ikke en reel variation i produktionen. 

Generelt er middel og minimums forbruget stabilt, men variationerne i 

forbruget er relativt store. Målerne der anvendes til produktionsanlægget og 

KNIs lager anvender spring på 1 kWh/kvarter, hvor resten af målerne anvender 

spring på 0,01kWh/kvarter, hvilket betyder at små variationer i forbruget 

forsvinder. Middelforbruget på KNIs lager er næsten konstant over året og 

det samme gælder maks.- og minimumsniveauerne. Maksværdierne ligger næsten 

konstant 50 kW over minimumsniveauet og sammen med niveauet for 

standardvariationen indikerer det, at der er få store spring og en del mindre 

variationer i forbruget. 

Produktion 

Nukissiorfiit har udleveret produktionsdata for kraftværket i Sarfannguaq. Dataene 

indeholder den månedlige produktion og det månedlige forbrug af gasolie. 

Der findes i Nukissiorfitts system produktionsdata tilbage til november 

1999 jf. figur 2.10. De årlige variationer er meget tydeligt med en høj produktion 

om vinteren og en lav om sommeren. Ud over variationerne er der også 

en svag gennemsnitlig stigning i den årlige produktion. Alle data er manuelt


Figur 2.10: Månedlig produktionsdata for kraftværket i Sarfannguaq 

aflæste og og kommer fra de daglige aflæsninger, der foretages på kraftværket. 

Det giver en vis usikkerhed, da der kan være variationer i aflæsningstidspunktet 

på grund af f.eks. weekender, hvilket kunne være årsag til den ekstra store 

produktion i februar 2002. 

Ud over produktionen findes der også gasolie-forbrugsdata for kraftværket. 

Disse data er for størstedelens vedkommende fremkommet ved pejling i 

tankene sammenholdt med olieleverancerne, men i 2007 blevet der installeret 

en flowmåler til måling af forbruget. For at undersøge dette sammenholdes 

produktionen med forbruget, og det undersøges, om der er en realistisk sammenhæng. 

Kurverne følges som forventet ikke fuldstændig ad, fordi virkningsgraden 

på generatorsættet varierer med belastningssammensætningen i den pågældende 

måned. Ser man på februar og marts 2005 virker det som om, at der 

opstået en fejl. Produktionen i februar er væsentlig højere end i marts, men 

forbruget er mindre. Det tyder altså på, at der er målt for lidt ved februar 

målingen, hvilket giver det høje forbrug i marts. 

Det er muligt at kontrollere de udleverede data ved at sammenholde afgangen 

fra kraftværket med forbruget, for den fjernaflæste periode. Grunden til 

at den fjernaflæste periode anvendes som reference er, at de nye målere er af 

en højere målerklasse og væsentlig mere præcise, derudover er de kontrolleret 

inden opsætning. De nye målere er digitale frem for de gamle analoge, hvilket 

giver den bedste sikkerhed for korrekte resultater. Der må forventes et vist tab 

i nettet afhængig af belastningen, og hvor i nettet forbruget er lokaliseret. Det


Figur 2.11: Sammenligning af produktion og forbrug 

forventes derfor at produktionen ligger højere end forbruget, men ikke med en 

konstant difference. Hvordan det faktisk forholder sig for 2008 kan ses i figur 

2.11. Det viser sig, at de udleverede data ikke lever op til forventningerne. 

Men ser man over hele 2008, er der sendt 1749 kWh mere ud i nettet end der 

er solgt, svarende til et nettab på 0, 31%. 

Nukissiofiit’s sectionsleder for produktion og distribution (Peter Egede 

Jeppesen) er kontaktet for at høre, om de kunne forklare denne afvigelse. 

Umiddelbart havde de ikke mulighed for at kontrollere, hvad afvigelsen kunne 

skyldes. For at klarlægge de mulige årsager blev Peter Jeppesen bedt om at 

undersøge: 

• Kan der mangle produktion fra en generator eller lignende? 

• Er der andre produktionsenheder tilsluttet nettet, f.eks. nødstrømsanlæg? 

• Kan der være fejl på målerne? 

Peter Jeppesen havde følgende svar på de tre spørgsmål: 

• Nej, de har et hovedelværk med 3 generatorsæt. Der er ikke registreret 

transportable nødelværker i bygden. 

• Vi tillader typisk ikke, at andre firmaer leverer strøm til nettet, så det 

tvivler jeg på er sket i dette tilfælde. Vi skal kunne garantere en spændingskvalitet, 

og det får vi svært ved, når der er produktionsenheder 

udenfor vores kontrol, men også når der skal arbejdes på nettet, kan det 

blive en farlig situation, hvis der var andre produktionsenheder.


Figur 2.12: Produktionsdata for 07-08 målt manuelt og med PLC 

• Eneste forklaring må være, at det er nogle gamle ABB målere, der sidder 

på elværket, som måler lidt forkert - eller fordi der har været aflæsningsfejl. 

De har ikke samme måler-klasse og er formodentlig slidte. 

Disse målere bruges ikke til andet end at give en retningsvisende måling 

på produktionen. Fjernaflæsningsmålerene har en høj målerklasse, da 

dette er afregningsmålere, samtidig er de nyproducerede, mere effektive 

og elektronisk aflæste. 

Ud fra resultaterne og Peter Jeppesens forklaringer må afvigelserne tilskrives, 

at måleren på elværket ikke har sammen kvalitet som fjernaflæsningsmålerne. 

Med hensyn til målernes alder er det på turen til Sarfannguaq undersøgt, 

og det viser sig, at de er installeret i 2006. Det er derfor sandsynligvis en kombination 

af lav målerpræcision og upræcis aflæsningstidspunkter, der giver de 

varierende resultater. Dette betyder, at der nu ikke længere er mulighed for 

at beregne tabet i nettet, da inputdataene ikke er korrekte. Men det er stadig 

muligt at bestemme kraftværkets middelvirkningsgrad på baggrund af forbruget 

og produktionsmålingerne. Der findes to direkte produktsmålinger, én 

måling foretaget af PLC-styringen og en standard elmåler. PLC-målingerne 

er baseret på samplede målinger af spænding og strøm i hovedskinnerne. De 

månedlige produktionsdata målt med henholdsvis PLC og klasse 2 elmåler 

kan ses i figur 2.12. Som figuren viser, giver de to målinger ikke helt de samme 

resultater. En af grundene er, som tidligere nævnt, at de manuelle måle 

kun aflæses på hverdage og ikke altid på sammen tidspunkt. En anden kan 

være måleusikkerhederne, som er svære at vurdere. Ser man på kravne til en


Figur 2.13: Gennemsnitlig el-virkningsgrad for kraftværket i Sarfannguaq 2008 

Virkningsgraden er beregnet på baggrund af en brændværdi på 35.868 MJ/L 

klasse 2 måler er de: maks. 1,2% afvigelse ved 0, 3Pmax og ±3, 0% ved Pmax 

[Klarup(2004)]. Måleusikkerheden for PLC-målingerne er mere usikkre. Megacon, 

som har leveret styringen har ikke kunne oplyse noget om systemets 

opbygning, men kun at samplingstiden er 30 ms, og derfor kan der ikke siges 

noget om kvaliteten af disse målinger. Ser man på de to viste år, er den samlede 

afvigelse imellem PLC-målingeren og den manuelle måler 5316 kWh eller 

0,53 % af produktionen i forhold til de manuelle målinger. 

Problemet med aflæsningstidspunkterne for de manuelt aflæste data er af 

mindre betydning for beregning af generatorsættets virkningsgrad da olieforbruget 

også aflæses manuelt i samme arbejdsgang. Olieforbruget måles med 

en flowmåler, leveret af Bopp og Reuther i Tyskland 1 . I følge databladet er 

måleusikkerheden på målerdelen ±0, 2−±1% og på signalbehandlingsenheden 

±0, 05%, hvilket giver en samlet usikkerhed på oliemålingerne på ±1, 0505%. 

Ud fra de kendte usikkerheder på de to måleinstrumenter er det nu muligt at 

beregne kraftværkets øvre og nedre middelvirkningsgrad jf. figur 2.13. 

2.3 Varmeforbrug 

Opvarmning i Sarfannguaq består af oliefyr og petroleumsovne, placeret i de 

enkelte huse. Olien hentes på KNIs tankanlæg i dunke, da der ikke er nogen 

1 http://www.burmt.de/BURMTWWW/Dokumentation/D/P401_005_Ovalradzaehler.pdf

2.3. VARMEFORBRUG 19 

Figur 2.14: Petroleumsforbrugene og temperaturvariationerne for perioden 

2004-2007 

form for distribution. På grund af den lokale opvarmning er der ikke noget 

overblik over, hvor meget energi der anvendes til opvarmning i Sarfannguaq. 

Den optimale metode ville naturligvis være at iværksætte en registrering af, 

hvor meget brændstof de enkelte forbrugere anvender til opvarmning, men det 

vil være urealistisk at gennemføre i praksis, da den tid det vil kræve ikke vil stå 

mål med værdien af oplysningerne. Man ville også ud fra NiN-data, tegninger, 

udetemperaturer, indetemperaturer og erfaringer fra energiberegninger i lignende 

bygder kunne beregne det forventede energiforbrug i bygningsmassen. 

Det vil være et omfattende arbejde og resultaterne vil være usikre pga. af de 

mange usikre parametre. Den bedste metode til estimering af varmeforbruget 

vurderes derfor at være en estimering af, hvor stor en del af det solgte brændstof, 

der anvendes til opvarmning. Der er i den forbindelse rettet henvendelse 

til KNI 2 , og efter deres vurdering anvendes alt den solgte petroleum i til opvarmning. 

Det er mere usikkert med gasolie, som anvendes til opvarmning af 

omkring halvdelen af bygningerne. 

Petroleum 

Undersøgelsen indledes med petroleumsforbruget jf. figur 2.14. For at verificere 

KNIs påstand om, at alt den solgte petroleum går til opvarmning, holdes de 

månedlige forbrug sammen med de månedlige udetemperaturer. 

2 Tage Lindegaard


Figur 2.15: Gasolieforbrug for perioden 2004-2007 

Der ses en god overordnet overensstemmelse imellem temperaturen og petroleumsforbruget. 

Temperaturdyk som i marts 2004 og 2007 afspejles også i 

petroleumssalget i de pågældende måneder. Dette bekræfter også teorien om, 

at de enkelte forbrugere ikke opbevarer større mængder, men henter brændstoffet 

løbende. Beregnes den gennemsnitlige korrelation imellem de to dataserier 

fås -0,944. Benyttes en liniær tendenskurve til at repræsentere sammenhængen, 

bliver forskriften -332x, hvilket betyder, at for hver grad temperaturen 

ændres, stiger/falder det månedlige petroleumsforbrug gennemsnitlig 

med 332 liter. Det betyder også, at forbruget skulle være nul ved en månedlig 

gennemsnitstemperatur på 14 grader. På baggrund af petroleums brændværdi 

på 43, 5GJ/ton 3 og en massefylde på 0, 8kg/L kan energiindholdet beregnes 

til 34, 8MJ/L. 

Gasolie 

Andelen af gasolie, der anvendes til opvarmning er vanskeligere at bestemme, 

da den også anvendes som brændstof på kutterne. KNI vurderer at mere end 

halvdelen af gasolien anvendes til opvarmning, men den præcise andel kendes 

ikke. Det er svært at identificere, hvilke forbrugsmønstrer der medfører de 

mere eller mindre tilfældige variationer i forbruget. Tages der udgangspunkt i 

simpel varmestrømsteori og en relativ konstant indetemperatur, vil energitabet 

gennem bygningernes overflade variere lineært med udetemperaturen. Ud 

fra denne viden kendes variationen af forbruget. Det er nu muligt at beregne 

korrelationen imellem udetemperaturen og gasolieforbruget for de enkelte år 

3 Energistatistik 2007 af Energistyrelsen www.ens.dk

2.3. VARMEFORBRUG 21 

Figur 2.16: Gennemsnitlig gasolieforbrug og estimering af opvarmningsandelen 

og anvende lineær regression til at finde det bedste fit. Det bedste fit er fundet 

for 2005, beskrevet ved formlen −354x + 101255, hvor x er udetemperaturen i 

kelvin. Formlen kan nu anvendes sammen med de månedlige middeltemperature 

til at estimere forbruget jf. figur 2.16. Som det fremgår af figuren medfører 

fordelingen, at forbruget til opvarmning vil overgå det samlede forbrug i enkelte 

måneder. Dette kan skyldes, at der kun ligger fire års forbrug til grund 

for middelforbruget, men for sikre at andelen ikke overestimeres reduceres den 

til 80% af det estimerede forbrugt. Af bygdestatikken 4 fremgår det, at havnen 

i Sarfannguaq er tilfrosset i februar og dele af marts, derfor vil hovedparten 

af forbruget her gå til opvarmning. Med denne reduktion kommer andelen til 

opvarmning ned på 50% af det samlede forbrug. Under opholdet i Sarfannguaq 

blev dette under og efter en samtale med tankpasseren, købmanden og direktøren 

for fiskefabrikken var konklusionen at for februar, marts og størstedelen 

af april bliver der ikke tanket kuttere i Sarfannguaq, da fiskeriet ligger stille. 

Efter deres vurdering går langt hovedparten af gasolien i denne periode til 

opvarmning. 

Samlet energiforbrug til opvarmning 

Virkningsgraden på de anvendte ovne og oliefyr er ukendt, men erfaringsmæssigt 

ligger virkningsgraden i intervallet 65-95% alt efter alderen. Der antages 

en gennemsnitlig virkningsgrad på 85% ud fra bygningernes alder 5 . Det sam- 

4 Tal om grønlandske bygder 2003 Grønlandsstatistik 

5 NIN-data Sarfannguaq fra Asiaq


Figur 2.17: Estimeret energiforbrug til opvarmning i Sarfannguaq 

lede energiforbrug til opvarmning måned for måned kan således beregnes 6 jf. 

figur 2.17. 

Det månedlige energiforbrug kan være lidt svært at forholde sig til, derfor 

er den gennemsnitlige effekt også angivet i figuren. Den gennemsnitlige 

månedlige effekt varierer fra 33 kW i august til 190 kW i februar måned. Det 

samlede forbrug er størst i januar, men på grund af at februar er kortere, bliver 

de gennemsnitlige effekter større. Det årlige nettovarmeforbrug i Sarfannguaq 

bliver 3.494.401 MJ eller ca. 3,5 TJ, hvilket giver en gennemsnitlig netto 

effekt på 111 kW. Den tidligere beregning [Iversen and Kristensen(2003)] af 

varmeforbruget viste et årligt forbrug på 6,048 TJ, men det skal bemærkes at 

beregningen kun er foretaget ud fra forbruget i 2002. Ved gennemgang af Bilag 

B i den pågældende rapport viser årsagen til den store afvigelse sig hurtigtVed 

beregning af brændværdien for petroleum en der divideret med massefylden i 

stedet for at multiplicere. Rettes denne fejl fås 3,87TJ, men det er beregnet 

ud fra petroleumsforbruget multipliceret med to, hvilket giver en lille afvigelse 

i forhold til den anvendte metode. Udover Gasolie og Petroleum anvendes der 

også el til opvarmning. Ved gennemgangen af Nukissiorfiit installationer i bygden 

blev der foruden kraftværket fundet elpaneler i de fleste taphuse samt i 

vandværksbygningen. Elpanelerne i taphusene samt vandværksbygningen udgør 

en effekt på sammenlagt 6 kW bilag B og flere af dem var termostaten 

stillet så højt at de sandsynligvis varmer det meste af tiden. For de undersøgte 

installationer var der foruden elpanelerne også tilsluttet frostsikringskabler 

6 Gasolie: Vægtfylde 0,8 og Brændværdi 42,7 MJ/kg

2.4. VANDFORBRUG 23 

Figur 2.18: Samlet vandforbrug i Sarfannguaq 

med en samlet effekt på 6,7 kW. De fleste af kablerne var indstillet til en temperatur 

på 7 ◦ C, men hos KNI var enkelte zoner slået over på manuel, alt-så 

konstant varme. Se mere om de gennemgåede installationer bilag B. 

2.4 Vandforbrug 

I Sarfannguaq er der ikke indlagt vand i alle huse, og til forsyning af husene 

uden vand er der bygget en række taphuse. Vandforsyningen i området er kompliceret 

af det kolde vejr, som betyder, at alle rørledninger og tapsteder skal 

designes, så der ikke opstår rørsprængninger mm. Man løser dette dels ved at 

sikre, at der altid er et tilstrækkeligt flow i rørerne, og hvis dette ikke er muligt, 

er man tvunget til at opvarme rørerne. Bygden forsynes med vand fra en 

ferskvandssø inde på fastlandet. Søen ligger i 50 meters højde, og vandet løber 

herfra under det smalle stræde og ned til pumpehuset. I pumpehuset er der en 

lagertank som sikrer, at der altid er en vis reserve, hvis forsyningen fra søen 

svigter. Inden vandet sendes ud i vandledningerne, UV-behandles det for at 

reducere bakterievæksten og sikre en høj vandkvalitet. Rørledningen fra søen 

og ned til bygden udnytter det naturlige fald til at opretholde et tilstrækkelig 

flow. Det betyder, at der ledes meget mere vand ned end der forbruges. Det 

overskydende vand ledes ud i fjorden på en sådan måde, at tilfrysning undgås. 

Til og med 2007 findes der kun data for det samlede årlige forbrug, men vandforsyningen 

er, som elforsyningen, blevet udstyret med fjernaflæsningsmålere. 

De nye målere aflæser forbruger en gang pr. måned og sender det direkte til 

Nukissiorfiit. Der findes årlige data tilbage fra 2001 og det industrielle forbrug 

er blevet opgjort særskilt siden 2004 jf. figur 2.18. Ud fra dette datagrundlag


er det svært at lave en sikker fremskrivning af forbruget, men det almindelige 

forbrug ligger rimelig konstant på 1300 − 1500m 3 /år. Det industrielle forbrug 

er reduceret kraftigt sammenlignet med 2004, men det kan skyldes, at der 

blev indført forbrugsafregning. Det industrielle forbrug for 2007 er som tidligere 

beskrevet påvirket af ejerskiftet, og det er derfor ikke repræsentativ for 

udviklingen. Med fiskefabrikkens udmelding om, at produktionen vil stige vil 

vandforbruget sandsynligvis også stige.

Kapitel 3 

Model af nuværende system 

Sarfannguaqs elsystem består af et 400V tre-fase net med et kraftværk og 

omkring 70 forbrugere. De korte afstande imellem kraftværket og forbrugerene 

betyder, at der udelukkende anvendes lavspænding. Det betyder, at systemet 

består af kraftværket, som regulerer produktionen efter netspændingen og 

frekvensen, et vekselspændingsnet og nogle forbrugere. 

3.1 Kraftværket 

Sarfannguaq forsynes med elektricitet fra bygdens eget kraftværk, som består 

af tre generatorer. Der er en lille generator(1) og to større generatorer(2+3). 

Alle forsynes med gasolie, via en dagstank i bygningen, fra tre store tanke 

placeret ved elværket. Tankene skal ved det nuværende forbrug fyldes ca.tre 

gange årligt. Dette foregår med et fragtskib, der sejler olien fra Sisimiut eller 

Nuuk til elværket, som er placeret ved kysten neden for resten af bygden jf. 

figur 3.1. 

I 2006 blev bygdens to gamle generatorer udskiftet med to nye 250 kVA 

New Stamford generatorer, drevet af to scania 197kW turbo diesel motorer. 

1. Scania D9 95M 0355 med New Stamford UCI274F2 116kW installeret i 

2002 

2. Scania D9-95M 10-40 med Newage Stamford HCI 4xxC 184kW installeret 

i 2006 

3. Scania D9-95M 10-40 med Newage Stamford HCI 4xxC 184kW installeret 

i 2006 

Generatorne er udstyret med varmevekslere og et fælles køle/varme system 

som sikrer, at alle motorer har en vis minimumstemperatur, selvom de 

ikke har kørt i en længere periode. Overskudsvarmen bruges til opvarmning 

af kraftværksbygningen og resten sendes ud af bygningen igennen nogle udluftningsspjæld. 

Generatorene styres af en PLC, der både kan styres direkte 

25

26 KAPITEL 3. MODEL AF NUVÆRENDE SYSTEM 

Figur 3.1: Kraftværket, den blå bygning til venstre, set fra nordvest med målemasten 

oppe til højre 

på frontpanelet og via et modem. Selve styreprogrammet har det ikke været 

muligt at få adgang til, men der reguleres efter spændingen og frekvensen. 

Opstartstiden har det ikke været mulig at finde, men stoptiden var instillet til 

240 s, og den efterfølgende køletid er indstillet til 180 s. Ved et givet belastningsniveau 

startes ydeligere en generator og modsat, når belastningen falder. 

Efter leverandørens oplysninger køres der med en fast startlast, men med en 

varierende stoplast alt efter belastningshistorikken i en periode. Der er beregnet 

et middel start/stop niveau på 98 kW, men det var ikke muligt at fastslå 

om der var forskel i værdierne alt efter generator. I følge opstillingsrapporten, 

som ved projektsperiodens slutning er frigivet af Nukissiorfiit, er startniveauet 

for generator 1 96 kW og 150 kW for generator 2+3. 

PLCens samplingsinterval har leverandøren oplyst til 30 ms. Under gennemgangen 

blev der observeret et frekvensniveau imellem 49,5 og 50,3Hz ved 

variationer på 15 kW i forbruget. I relation til styringen oplyste teknikeren på 

fiskefabrikkens køleanlæg at der ofte er problemer med, at køleanlæggets styring 

slår, fra når spændingsniveauet eller frekvensen bliver for lav i nettet. For 

at minimere disse problemer har man lavet en forbindelse imellem styringen 

på fiskefabrikken og PLCen, så der ikke kan kobles mere belastning på, end 

reservekapaciteten tillader.

3.2. STATISK MODEL AF NUVÆRENDE SYSTEM 27 

Figur 3.2: Opbygning af model for nuværende system 

3.2 Statisk model af nuværende system 

Inputtet til modellen er de 15minutters middelforbrug, for perioden sep. 2007jan. 

2009, der er udleveret af Nikissiorfiit. Disse data giver et godt billede af 

forbruget og de overordnede variationer af dette. De kan ikke anvendes som 

grundlag for en dynamisk analyse af systemets stabilitet og strømkvaliteten. 

Målet for den statiske model, af det nuværende systemer, er at undersøge energibalancen 

i systemet og danne grundlag for, undersøgelse af mulighederne for 

implementering af alternative energikilde. Modellen består grundlæggende af 

tre energimoduler og et økonomimodul figur 3.2. Modulet "Forbrug"indlæser 

og kontrollerer forbrugsdataene. Modulet "Net"lægger nettabet til forbruget. 

Generator modulet beregner tabet i generatoren, motorens virkningsgrad, den 

samlede produktion og generatorens brændstofforbrug. Ud over brændstofforbruget 

og den der af følgende virkningsgrad beregner økonomimodulet den 

samlede produktionspris og prisen per produceret kWh. Priserne beregnes på 

baggrund af de faste og de variable omkostninger for 2007. Et eksempel på 

resultater af en simulering kan ses figur 3.3 For oplysninger om opbygning og 

verificering, se bilag D.

28 KAPITEL 3. MODEL AF NUVÆRENDE SYSTEM 

Figur 3.3: Resultat af simulering for januar 2008. Graferne viser: 

1. Olieforbrug [L], 2. Elproduktion [kWh], 3. Elvirkningsgraden [ ] 

4. ELforbruget [kW], X-aksen simuleringstiden [s]

Kapitel 4 

Vindklimaet i området 

Vindresurserne 

Starter man på den store skala, er der de overordnede atmosfæriske cirkulationer. 

For Arktis er de overordnede atmosfæriske cirkulationer den vigtigste 

varmekilde. Som følge af strålingstab til rummet fra det øverste af atmosfæren 

og den lave indstråling som følge af jordens krumning bliver der skabt et 

energiunderskud i det Arktiske område. Den mest publicerede teori om disse 

strømninger er den såkaldte „Polarcelle“. Efter denne teori skulle den tunge 

og kolde luft fra et polar højtryk omkring nordpolen strømme ned mod et 

lavtryksbælte ved 60 − 65 ◦ N. De fremherskende vindretninger skulle som følge 

af denne strømning være øst og nord-øst. Ser man på de mange studier 

af vejret i Arktis er dette kun gældende for de arktiske områder af Atlanterog 

Stillehavet. Beregninger af middel vindhastighederne for hele det arktiske 

område har vist, at der ikke er nogle sammenhængende systemer for hele det 

arktiske område [Barry and Chorley(1992)]. 

Nedre atmosfærestrømninger 

Går vi ned og kigger på, det som kaldes „Synoptic-scale“ cirkulationer, som 

dækker over cirkulationer med en udbredelse på over 1000 km. Disse strømninger 

er styrende for det daglige vejr i det arktiske område. Studier af disse 

strømninger har vist, at afvikling af vejrsystemer går cirka en halv gang hurtigere 

i det arktiske område sammenlignet med vores breddegrader, [Vangengeim(1952 

+ 1961)]. Vindene i området er et resultat af overordnede strømninger 

(Large scale) og de mindre „Synoptic scale“ strømninger samt påvirkningerne 

fra overfladen. Grønland med den høje iskappe er den væsentligste 

orografiske barriere i området og er med til at give en skarp afbøjning af strømningerne 

fra Stillehavet og det østlige Siberien hen over nordpolen. Middel 

vindhastigheden er negativ korrelerende med atmosfæretrykket og samtidig 

korrelerende med cyklonaktiviteterne i området. Middel vindhastighederne for 

det grønlandske område er ifølge [S.G.Gorshkow(1980)] 5 m/s i vintermånder- 

29

30 KAPITEL 4. VINDKLIMAET I OMRÅDET 

ne og 3 m/s resten af året. Går vi ned og ser „Mesoscale“ niveau (5-1000 km) 

kan lokale faktorer have en markant indflydelse på vindhastigheden og retningen 

ved overfladen. Det betyder, at der i mange tilfælde kun er en lille eller 

ingen forbindelse imellem atmosfærecirkulationerne og vinden ved overfladen. 

Lokale cirkulationer og andre „mesoscale“ fænomener kan have en markant 

indflydelse på vinden. Dette betyder, at man ofte ikke kan anvende overfladestationer 

til at beregne de atmosfæriske strømninger og omvendt kan der 

overordnede strømninger ikke anvendes til at bestemme vinden ved overfladen. 

Lokale strømninger 

En af de vigtigste lokale strømninger er de såkaldte katabatiske vinde eller 

faldvinde. Betegnelsen katabatiske vinde bruges om vinde, der opstår ved, at 

luften nær overfladen afkøles og ved hjælp at gravitation glider ned af f.eks. 

en bjergside. I Grønland er denne type vinde meget hyppige. Den opstår når 

luften over indlandsisen afkøles og bliver tungere end den omkringliggende 

luft. Luften falder så ned til overfladen, og på grund af iskappens hældning 

accelereres luften ydeligere ned og ud mod havet. Hastigheden af denne type 

vinde afhænger af hældningen og trykforskellen imellem toppen af iskappen 

og kysten. Ifølge målinger optræder denne type vinde op imod 3/4 af tiden 

[F.Loewe(1935)]. Modsat de katabatiske kan der også optræde anabatiske vinde. 

Det forekommer om sommeren, når solen opvarmer dale og bjergsider, og 

den varme luft stiger op langs bjergsiderne. 

Føhnvinde optræder også i Arktis. De optræder som varme og tørrer vinde 

på læsiden af bjerge. Den opstår på grund af adiabatisk kompremering og 

dekomprimering af luften hen over bjerget. Der er flere eksempler på at føhnvinde 

har hævet temperaturen med mere end 30 ◦ , men føhnvinde optræder 

normalt kun i to til fire dage af gangen. 

Andre typer lokale vinde som sø- og landbrise optræder kun sjældent i det 

Arktiske område. Søbrise optræder hovedsageligt ved kysterne op sommeren, 

hvor der er en stor temperaturforskel imellem den opvarmede jordoverflade og 

det kolde havvand. Omvendt optræder landbrise om vinteren ved kysten med 

åben vand, hvor havvandet er markant varmere end jordoverfladen. 

Blandt de lokale vinde findes også de såkaldte „polar lows“ eller polare 

lavtryk, der er små cykloner, som dannes over det åbne hav. De er ofte af 

mesoskala størrelse og optræder over havet og langs kysten, som en del af et 

større vejrsystem. De kan være meget kraftige, typisk med vindhastigheder på 

over 17 m/s ved overfladen [Przbylak(2003)].

Kapitel 5 

Vindresurser i Sarfannguaq 

Med Sarfannguaqs placering imellem kanten af iskappen, ved Kangerlussuaq, 

og havet, ved Sisimiut påvirkes vinden i området af både havet og isen. De 

kolde faldvinde fra isen præger vejret ved kanten af iskappen, men de forsætter 

ud igennem fjordene imod havet. Her strømmer de forbi Sarfannguaq og 

har stor indflydelse på vejret. I perioder påvirkes vejret også at havet, der kan 

have en anden temperatur end omgivelserne. Disse temperaturforskelle er med 

til at drive lokale strømme i form af land- og søbriser. I sjældne tilfælde påvirkes 

vejret også af kraftige lavtrykspassager. Kombineres dette med områdets 

orografi giver det nogle komplekse strømningsforhold. 

5.1 Sarfannguaq 

De første målinger i Sarfannguaq blev indledt med opsætning af en 10 m målemast 

i 2003. Den første mast blev opsat i august 2003 af en gruppe studerende 

i forbindelse med afvikling af kurset "Arktisk teknologi". Der blev ansøgt om 

en arealtildeling for et år, og masten blev derfor fjernet igen i august 2004. En 

ny arealtildeling blev søgt i 2006, og en ny mast blev opstillet, august 2006 

og denne mast står der stadig. Masten er placeret på en lille fjeldtop sydvest 

for byen (N66 ◦ 53, 716 W 52 ◦ 51, 977) 79.5m.o.h. jf. figur 5.1. Masten er en 

sektionsdelt 10 m rørmast, afstivet med wire, som er fæstnet i klipperne. Kopanemometeret 

er sammen ved vindfanen monteret i toppen af masten, mens 

tempereturmåleren er monteret midt på masten. Masten er udstyret med en 

datalogger, der gemmer dataene på et kort. Dataene sendes af Sisimiut Kommunes 

repræsentant i bygden til DTU i Lyngby via internettet. 

Målinger fra Sarfannguaq 

Der er som beskrevet blevet målt i Sarfannguaq af to omgange(08.2003-08.2004 

+ 08.2006 - 03.2008), men måleudstyret, dataloggeren og kommunikationen 

imellem DTU og Sarfannguaq har ikke fungeret optimalt. Det betyder, at der 

31

32 KAPITEL 5. VINDRESURSER I SARFANNGUAQ 

Figur 5.1: Placering af målemasten i Sarfannguaq 

af flere forskellige grunde er huller i dataserierne. Til en god estimering af 

vindresurserne for et site kræves der normalt tre fulde, velrepræsenterede års 

målinger sammen med langtidsmålinger fra en nærliggende klimastation 1 . 

God praksis er at tage en periode på et år for sitet og sammenholde den med 

den tilsvarende periode for den nærliggende klimastation og så korrigere for afvigelsen 

i forhold til klimastationens norm værdie. Metoden betyder, at sæsonvariationer 

og årsvariationer bliver neutraliseret. For Sarfannguaq bliver dette 

besværliggjort af de mange huller i dataserierne og de "skæve"måleintavaller 

august - august. 

Ser vi på de data der er indsamlet per 1. februar 2009 jf. figur 5.2 betyder 

det, at der i prasis ikke kan samles en dataserie på et år. Ser vi på repræsentationen 

af de enkelte måneder, findes der en rimelig god repræsentation af 

vinterhalvåret, men sommeren og særligt august er meget ringe repræsenteret. 

Det betyder, at det ikke er muligt at anvende den normale procedure for 

korrektion af måledata. 

Istedet er der valgt en metode, hvor hver enkelt måneds data korrigeres i 

forhold den samme måned for klimastationen i Sisimiut. 

1 Wind farm planing af Niels G. Mortensen, Risø DTU

5.2. SISIMIUT 33 

Figur 5.2: Data indsamlet for masten i Sarfannguaq 01.02.2009 

5.2 Sisimiut 

I Sisimiut er der blevet målt på Teleøen siden 1963, og det har været hovedstationen 

i området, men da lufthavnen blev indviet i 2001, begyndte man at 

anvende målingerne derfra. Asiaq overtog den gamle mast på Teleøen, og der 

bliver fortsat indsamlet data fra denne mast. Ud over de to officielle målestationer 

har DTU haft deres egen målemast på en fjeldknude ved Dumpen fra 

august 2004 til august 2008. 

Målinger på Dumpen 

Målemasten ved Dumpen udenfor Sisimiut var placeret på en 78 m høj fjeldknude 

vest for Nasaasaaq „Kællingehætten"(784 m.o.h.). Placeringen betyder, 

at masten kun har frit indstrømning når vinden kommer fra syd og vest, se 

figur 5.4 og 5.3. Masten vil derfor ikke direkte kunne registrere de hyppige 

østenvinde, som kommer inde fra isen og ud igennem fjordene. 

Der er som beskrevet målt over en periode på fire år, men på grund af 

dårligt udstyr, dårlig vedligeholdelse og utilfredsstillende datahåndtering er 

der mange større eller mindre huller i dataserien jf. figur 5.5. De mange huller 

i dataserien betyder, at der også for Dumpen skal bruges særlige statistiske 

kompenceringsmetoder for at få det korrekte billede af de forventede 

normvindhastigheder.


Målinger på Teleøen 

Figur 5.3: Placeringen af masterne i Sisimiut 

Der er foretaget målinger på Teleøen i Sisimiut siden 1963, men det er kun 

lykkedes at fremskaffe måleresultaterne fra 1991 og frem. Fra september 1991 

og frem til oktober 2006 findes dataene som 1 times middelværdier, og fra 

oktober 2006 findes de også som 10 minutters middelværdier. Vindmålinger 

er foretaget i 10 m og trykket er målt i 1,5 m, mens resten af målingerne 

er foretaget i 2 meters højde se bilag F. Masten er placeret meget dårligt i 

forhold til fri indstrømning. Der er kun to mindre korridorer mod nordøst og 

nordvest, hvor vinden frit kan strømme ind til masten. Fra alle andre retninger 

påvirkes vinden mere eller mindre af fjelde, byen eller de store oliebeholdere 

mod vest. Da masten har været den officielle målestation for området, er 

måleserien næsten fuldstændig. Derfor vil den kunne anvendes som reference 

til estimering af de manglende værdier for DTU’s egne master. 

Målinger ved Lufthavnen 

Målemasterne ved lufthavnen i Sisimiut er placeret efter en standard for flyvepladser. 

Lufthavnen er udstyret med en målemast i hver ende af landingsbanen, 

hvor den i den vestligste ende for de fleste vindretninger vil være udsat for 

mest vind. Der er foretaget målinger ved lufthavnen siden 2001, og der findes 

kun ganske få huller i dataserien. Der er frit indflow fra vest, mens de nordsydgående 

strømningen blokeres af Præstefjeldet, se figur 5.3. Østenvindene, 

der starter som faldvinde fra isen, vil kun i meget begrænset omfang nå frem

5.2. SISIMIUT 35 

Figur 5.4: Placering af målemasten ved Dumpen uden for Sisimiut, set fra vest 

til lufthavnen, da de forholdsvis høje fjelde øst for byen kanaliserer strømningen 

ud igennem fjordene. Vindene ved lufthavnen vil derfor primært være 

præget af sø/landbrise samt lav/højtrykspassager. Ifølge folkene på stedet kan 

der ved nogle vindforhold opstå meget kraftig turbulens, som forstyrrer afviklingen 

af flytrafikken. Til at forudse disse forhold har FORCE Technology, 

ved hjælp af en skalamodel lavet et varslingssystem, der kan afgøre, om banen 

må benyttes. For at have en reference til målingerne ved landingsbanen er 

der installeret en målemast på en lille ø ud for lufthavnen. Ud fra målingerne 

på øen, ved landingsbanen og skalamodellen er der udarbejdet et skema, 

der viser, hvornår turbulensen er for høj til, at landingsbanen kan anvendes. 

Målingerne på øen gemmes ikke, men målingerne ved landingsbanen gemmes 

i et år og udleveres til DMI løbende. Ryan Møller har udleveret det ene års 

data 19.02.2008 − 19.02.2009, der var til rådighed ved besøget i lufthavnen. 

Dataene er leveret som otte sekunders middel- og maksværdier.


Figur 5.5: Data indsamlet for masten ved Dumpen 01.02.2009 

Figur 5.6: Placeringen af masten på teleøen i Sisimiut, set fra nord 

5.3 MCP beregninger for sites 

MCP står for „Measure Correlate Predict“. MCP er en simpel metode til 

estimering af vindpotentialet for et møllesite, ud fra sitemålinger og langtids 

målinger fra et reference site. Metoden kræver data for selve møllesitet og 

langtidsdata for et referencesite. En af fordelene ved metoden er, at den ikke 

kræver mange års data for selve møllesitet for at opnå et pålideligt resultat. I

5.3. MCP BEREGNINGER FOR SITES 37 

forhold til WASP eller lignende software, som kræver sammenhængende dataserier 

på minimum et år for at kompensere for sæsonvariationer og minimum 

2 år samlet set for at opnå en acceptabel sikkerhed for resultatet. Udover sitedataene 

kræves langtids data fra et reference site til korrektion for langtidsvariationer. 

Med MCP korrigeres automatisk for sæson- og langtidsvariationer, 

da der anvendes samtidige data for de to sites. 

Der kræves ikke detaljerede data for terrænet omkring og imellem de 

refereance- og estimeringssite, men der er følgende krav, der skal opfyldes, 

for at MCP-metoden kan anvendes: 

• Terrænet omkring de to sites skal være sammenlignelig (Ens påvirkning 

af indstrømningen) 

• Vindretningen for reference site og estimerings site skal være ens eller 

med en identificeret relation 

• Der skal være en klar korrelation imellem vindhastighederne for de to 

sites 

Korrelation imellem Sarfannguaq- og Teleøensitene 

Den eneste målestation i området, hvor der har været langtidsdata til rådighed, 

er Asiaq’s station på Teleøen i Sisimiut. Derfor var det den første mast, 

hvor muligheden for at anvende MCP blev undersøgt, se hele undersøgelsen 

bilag E. Det første der undersøges er, om der er en klar relation imellem vindhastigheder 

på Teleøen og ved Sarfannguaq jf. figur 5.7. 

Som det kan ses korrelerer vindhastighederne for de to sites meget dårligt 

ved en direkte korrelation. I forsøget på at finde en korrelation er der forsøgt 

med månedvis data, sektorvise data, ændring fra en times middel til døgnmiddel 

og fjernelse af hastigheder under 3 m/s. Trods disse forsøg blev der ikke 

fundet en klar korrelation imellem hastighederne på de to sites. 

Retningsdataene blev på samme måde undersøgt for eventuelle korrelationer, 

se figur 5.8. På figuren er dataene opdelt efter, hvilken mast de er målt 

på. Opdelingen skyldes, som det kan ses på figuren, at der blev fundet en fejl 

i orienteringen af vindfanen på den anden mast. På figuren kan dette ses ved, 

at de hyppigste retninger (områderne med mange resultater) er forskudt. Ved 

en undersøgelse af dataene blev offsettet i orienteringen beregnet til 209 ◦ med 

uret i forhold til orienteringen af den første mast. Der blev ved undersøgelserne 

af retningsdataene ikke fundet nogen klar korrelation, men de giver en indikation 

af, hvordan strømningerne afbøjes for de to sites. Efter korrektionen af 

retningerne for den anden mast på Sarfannguaq sitet kom de to retningsdata 

til at se ud som vist i figur 5.9.


Figur 5.7: Vindhastighederne fra Sarfannguaq plottet som funktion af hastighederne 

målt på Teleøen 

Figur 5.8: Retningsdataene for Sarfannguaq og Teleøen


Figur 5.9: Korrigerede retningsdata for Sarfannguaq og Teleøen 

Øvrige korrelationer 

Udover korrelationer med Sarfannguaq sitet er der, for Teleøen, også lavet 

korrelationer med Dumpen og Lufthavnen i Sisimitut, bilag E. Den bedste 

sammenhæng blev fundet imellem Teleøen og Dumpen figur 5.10. Den indbyrdes 

afstand imellem de to sites er kun 1800 m. Det betyder, at det er 

tilstrækkeligt at anvende en times data, når de lavest, mindre interessante 

vindhastigheder fjernes. Det er tydeligt at der er en sammenhæng imellem 

hastighederne, men afstanden taget i betragtning er det ikke imponerende. 

For lufthavnen var sammenhængen endnu dårligere, og det vil ikke være 

muligt at anvende MCP med en tilstrækkelig stor sikkerhed. Placeringen af 

masten på Teleøen er ikke optimal, og det giver nogle problemer, da det målte 

ikke i tilstrækkelig grad repræsenterer strømninger i området. Kompleksiteten 

af terrænet og forskellen i landskabets påvirkning af masternes indstrømning 

betyder, at MCP metoden ikke egner sig til estimering af vindresurserne for 

sites i Sisimiut området. 

Bestemmelse af nulpunkt for retningsdata 

De to sæt retningsdata nu har sammen nulpunkt, sikrer ikke at dette nulpunkt 

er Nordlig retning. Det fremgår ikke af [Iversen and Kristensen(2003)] (Opstillingsrapporten) 

om vindfanen er rettet ind efter den magnetiske nordpol eller 

den reelle nordpol. Med Sarfannguaqs placering 66 ◦ nordlig bredde, har det en 

rimelig stor betydning. Afvigelse imellem den magnetiske og den reele nord-


Figur 5.10: Hastighedsdata for Dumpen og Teleøen i Sisimiut 

pol var i Sarfannguaq (2007) 34 ◦ , og den aftager ca. 0, 5 ◦ /år. Det kan, i det 

komplekse terræn, have stor betydning for beregningerne af vindresursernes 

fordeling. Dette spørgsmål kan først afklares, når der foreligger tilstrækkelig 

data fra de nye instrumenter, som er orienteret mod den magnetiske nordpol. 

Ved projektets afslutning er de første data fra de nye instrumenter, der 

blev monteret i forbindelse med studieturen til Sarfannguaq, modtaget. De 

nye data dækker perioden 21.02.2009-06.04.2009 og har nulpunkt i magnetisk 

nord. 

Fordelingerne er ikke helt identiske se figur 5.11, men afvigelsen er ikke stor. 

Dataene for perioden 2003-2008 ligger en smule lavere end dataene for 2009, 

men hvor meget er ikke muligt at bestemme ud fra dette plot. For de gamle 

data er der en noget større hyppighed for de vestlige sektorer (8-11), men ellers 

er fordelingerne rimelig ens. For at estimere afvigelsen i nulpunktsretningen 

laves en korrelationsanalyse, hvor nulpunktet for den ukendte periode 2003- 

2009 varieres i forhold til dataene for 2009, hvor nulpunktet er kendt figur 

5.12. 

For at få en mere præcis identificering af offsettet halveres de anvendte 

sektorer til 15 ◦ . Nulpunktet for perioden 2003-2008 estimeres derved til 13 ◦ 

under retningen til den magnetiske nordpol. Det betyder, at det gennemsnitlige 

nulpunkt for 2003-2008 dataene ligger i 312 ◦ N, hvilket medfører, at dataene


Figur 5.11: Retningshistogram for henholdsvis nye data for 2009 og de tidligere 

korrigerede data for perioden 2003-2008 

skal korrigeres 48 ◦ med uret. Der tages ikke hensyn til den lille ændring af 

retningen til magnetisk fra år til år. Efter korrektionen kommer fordelingen 

til at se ud, som vist i figur 5.13. Efter korrektionen er der en klar hovedvind 

retning, sektor 6. Vindretningen ligger inden for sektor 6, 150 ◦ ± 15 ◦ , 41,7 

% af tiden. Ser man på det i forhold til det overordnede landskab figur 5.14 

og det faktum at den dominerende vindretning for området er øst, sker der 

en markant afbøjning at vinden. Højdekurverne på kortet er 100 m kurver, 

men på trods af den kendte vindretning er det rimelig kompliceret at afgøre, 

hvordan strømningerne forløber. 

Strømningsarealet indsnævres før vinden når Sarfannguaq, fordi fjorden 

syd for bygden bliver smallere. Når vinden nærmer sig Sarfannguaq, deles 

strømningen i en strømning der går op over det lave fjeld ved Sarfannguaq, 

hvor masten er placeret og en del, der fortsætter ud igennem den sydlige fjord. 

Vinden kan ikke ramme masten direkte fra øst, fordi fjeldet på fastlandssiden 

af de smalle stræde er noget højere. Den del af strømningerne, der kanaliseres 

rundt i fjordene, gør det svært at forudsige vindretningerne og fordelingen af 

resurserne. Da vi som tidligere beskrevet kun har den ene mast i området er 

det ikke muligt at verificere de fordelinger, der beregnes ud fra figur 5.13.


Figur 5.12: Korrelationen imellem retningsdataene for perioden 2003-2008 og 

de nye data fra 2009. Figuren viser, hvordan korrelationen imellem de nye og 

de gamle data varierer, hvis nulpunktet for dataene fra perioden 2003-2008 

(gamle data) forskydes. 

Figur 5.13: Fordelingen af data efter at nulpunktet er korrigeret så, den er 

sammenfaldende med geografisk nord

5.4. VINDRESURSER OMKRING SARFANNGUAQ 43 

Figur 5.14: Kort over Sarfannguaqområdet med angivelse af retningsfordelingen 

Figur 5.15: Hastighedsfordeling for Sarfannguaq 

5.4 Vindresurser omkring Sarfannguaq 

Ud fra målinger foretaget i Sarfannguaq kan retnings- og hastighedsfordelingerne 

beregnes se figur 5.15. Korrektionen af retningsdataene har ændret 

vindrosen markant, men det har naturligvis ingen indflydelse på hastighedsfordelingen, 

vindrosen for de oprindelige data kan ses bilag E.


5.5 Udarbejdelse af vinddata for simulering 

Til simuleringen skal der anvendes en dataserie svarende til et normalt vindår. 

Der simuleres over en periode på minimum et år, og der skal derfor produceres 

en repræsentativ dataserie med en længde på minimum et år. Der er mindst 

fem metoder til at omregne dataene til en sådan dataserie. 

1. Der beregnes ud fra alle de indsamlede data en sandsynlighedsfordeling 

for hastighederne. En weibull fordeling tilpasses fordelingen. Ved 

at anvende en matematisk random generator kan en dataserie med den 

pågældende fordeling genereres. 

2. Dataene opdeles i måneder og derefter genereres på samme måde 12 

sandsynlighedsfordelinger. Ud fra fordelingerne beregnes dataserier, som 

sættes sammen til et helt år. 

3. Ud fra sandsynlighedsfordelingen, for alle data, kan de manglende værdier 

for et givet år estimeres og dermed fås en helt år. Det hele år kan 

så korrigeres for årlige variationer ved hjælp af data fra en klimastation. 

4. Dataserien opdeles i år og derefter beregnes, for hvert måletidspunkt 

(måned, dato klokkeslet), middelværdien over alle måleårene og samles 

til et middelår. 

5. Alle dataene korrigeres først for årsvariationer efter den nærmeste station 

med langtidsmålinger. Derefter anvendes data fra et givet år som 

udgangspunkt. De manglende data hentes så fra de øvrige år i vilkårlig 

rækkefølge. 

Normalt beregnes den årlige energiproduktion ud fra en fordeling for alle 

hele år, men som tidligere beskrevet findes der i praksis data for ikke hele år for 

Sarfannguaq sitet. Anvendes alle data, uden hensyntagen til hvornår dataene 

er indsamlet, kan det give store afvigelser på grund af sæsonvariationerne. 

Som det kan ses af dataserien bilag E, er der rimelig store sæsonvariationer 

på sitet, og det er derfor ikke underordnet, hvor stor en repræsentation af de 

enkelte perioder, der findes i dataserien. 

Anvendes metode 1 til at generere dataserien, vil der blive problemer med 

overrepræsentation af enkelte perioder. Anvendes metoden alligevel fås resultaterne 

som vist i tabel 5.1 

Tabel 5.1: Vinddata for Sarfannguaq metode 1 

Middel Weibull Weibull 

[m/s] A k 

5,88 6,57 1,73

5.5. UDARBEJDELSE AF VINDDATA FOR SIMULERING 45 

Anvendes derimod metode 2 vil de sæsonmæssige overrepræsentationer 

stort set være eliminerede. En anden fordel ved at anvende metode 2 er, 

at de sæsonmæssige variationer bevares idet hver måned behandles særskilt. 

Døgnvariationer og andre, væsentlige variationer vil gå tabt, hvis denne metode 

anvendes. For almindelige produktionsberegninger vil dette ikke være 

et problem, men når dataene skal anvendes til en simulering, sammen med 

forbrugsdataene, vil dette ikke give et korrekt billede af produktionsmønsteret. 

Anvendes denne metode, fås resultaterne vist tabel 5.2. Som det fremgår 

af tabellen fås generalt en smule højere vindhastigheder for denne metode, 

hvilket skyldes en kombination af repræsentationsfejl ved tilpasning af weibullfunktionerne 

også overrepræsentation af lavvindsperioder for den samlede 

dataserie. Repræsentationsfejlene kan minimeres ved at forbedre opløsning for 

sandsynlighedsfordelingen og istedet for at anvende en weibillrepræsentation 

af fordelingen generere dataene direkte fra den aktuelle fordeling. Anvendes 

en opløsning på 0,1m/s bliver middelværdien og fordelingen som vist i række 

„Org“ i tabel 5.2. Dette resultat vurderes at afspejle den reelle vindresurse for 

sitet bedst, se fordelingen i figur 5.16. 

Tabel 5.2: Vinddata for Sarfannguaq metode 2 

Måned Middel Middel Weibull Weibull 

[m/s] [ ◦ ] A k 

1 6,87 221 7,75 2,38 

2 7,32 217 8,26 1,86 

3 6,73 207 7,61 2,22 

4 5,94 201 6,72 2,26 

5 5,11 181 5,78 2,03 

6 4,73 195 5,35 1,94 

7 4,91 207 5,55 2,14 

8 5,05 184 5,71 2,09 

9 6,44 219 7,27 2,23 

10 6,65 236 7,50 2,42 

11 6,75 223 7,60 2,58 

12 7.02 202 7,94 2,06 

All 6,12 208 6,92 2,19 

Org 5,87 6,55 1,75 

Metode 3 er ikke så anvendelig for denne opgave, da der ikke findes hverken 

et godt repræsenteret år eller gode data fra en klimastation i området. Et af 

de store problemer med metoden er, at der ikke er nogen styring af, hvordan 

de orginale data og de genererede data passer sammen. De genererede data 

genereres tilfældigt ud fra sandsynlighedsfordelingen og vil derfor påvirke både 

variationer og i tilfælde af få manglende værdier kan det have stor betydning 

på de nye data’s sandsynlighedsfordeling. Døgnvariationer, sæsonvariationer


Figur 5.16: Histogram genereret for data genereret direkte fra de månedlige 

sandsynlighedsfordelinger 

og andre variationer kan blive sløret af de tilfældigt genererede data. 

Metode 4 anvender middelværdier for alle samtidige målinger uden hensyntagen 

til, hvilket år målingerne er foretaget. Det betyder, at de fleste tidsmæssige 

variationer bevares, men udsvingenes størrelse vil blive begrænset af 

ikke samtidige variationer for de forskellige år. Metoden har den ulempe, at 

der ikke kan korrigeres for årsvariationer. Der blev ved denne metode fundet 

en periode (03.08.xxxx - 15.08.xxxx), hvor der manglede 114 målinger. Det 

rejser igen spørgsmålet om, hvordan huller i dataserien skal lukkes. Der er 

som det kan ses figur 5.17, tale om enkelte værdier eller kortere perioder uden 

data. De manglende data udgør således 2,5% af dataene for august og 0,2% 

af den samlede serie. Det betyder, at de manglende data ikke har så stor betydning 

for de overordnede variationer og den samlede resurse. På figuren er 

de manglende data vist med en meget høj værdi, der fremstår som en næsten 

lodret linje (den blå kurve). Der er tale om huller på op til 16 målinger. 

Den røde linje viser hvordan hullerne kan lukkes ved at anvende varierende


Figur 5.17: Perioden i august, hvor der mangler målinger 

middelværdier, i dette tilfælde er der anvendt 25 værdiers middel. 

En anden mulighed er at tage de manglende målinger fra de tilsvarende 

målinger i juli eller august. På den måde fastholdes døgnvariationer og lignende, 

men det kan give en lille afvigelse i forhold til den korrekte fordeling af 

hastighederne. Den grønne kurve vist i figur 5.17 viser tidsserien ved anvendelse 

af de tilsvarende målinger fra juli. 

Det størst problem ved metode 4 er, at variationernes størrelse dæmpes 

og derfor ikke giver et realistisk resultat. 

Metode 5 har den fordel, frem for flere af de andre metoder, at største 

delen af dataene tages fra et år og derved bevares variationerne. Det er således 

også muligt at anvende en traditionel korrektion af årsvariationerne ud fra en 

klimastation. 

I den aktuelle sitiuation er de eneste langtidsdata, der er til rådighed, til 

korrektion af data, data fra Teleøen. Som det blev påvist i afsnit 5.3, er der 

kun en ringe sammenhæng imellem vindhastighederne på Teleøen og i Sarfannguaq. 

Manglen på sammenhængende data for Sarfannguaq sitet besværliggør 

korrektionsprocessen ydeligere. Som kompensation for de manglende data anvendes, 

som beskrevet under metode 4, data fra det samme tidspunkt og dato 

i den foregående måned. 

Ud fra en afvejning af fordele og ulemper ved de fem metoder og den 

begrænsning der ligger i data mængden er metode 5 valgt. Fremgangsmåden 

for korrektion af årsvariationer er: 

1. Dataene for måle- og referencesite sorteres i år 

2. Den samlede og de årlige middelvindhastigheder for referencesitet be-


regnes 

v (ref,år) = 1 

N 

N 

v (n),ref 

n=1 

(5.1) 

3. Ud fra måletidspunkterne for målesitet udtages de simultane målinger 

for referencesitet for hvert år 

v (ref∼måle) = v ref,(T ime(ref)∼T ime(måle)) 

(5.2) 

4. Beregne forholdet mellem den pågældende årsmiddelværdi og middelværdien 

for måletidspunkterne i det pågældende år 

kor (periode) = v (ref∼måle) 

vref,år 

(5.3) 

Forholdet imellem årsmiddelværdien og hastighedsnormen beregnes. Disse 

værdier findes i tabel F.1. 

kor (år) = vref,år 

vnorm 

(5.4) 

5. De to korrektionsforhold lægges forholdsmæssigt sammen og derved fås 

den samlede korrektionsfaktor for målingerne i det pågældende år 

kor (samlet) = 

1 

korperiode 

1 

korår 

(5.5) 

Benyttes denne fremgangsmåde fås korrektionsfaktorerne i tabel 5.3 for 

måledataene fra Sarfannguaq. 

Tabel 5.3: Korrektionsfaktorer og resulterende middelhastigheder for Sarfannguaq 

År Kor periode Kor år Kor samlet Middel Målinger 

2003 0,9636 1,0493 1,0112 6,51 21163 

2004 0,8974 1,0723 0,9623 5,87 29638 

2006 1,1244 0,9584 1,0777 6,01 19039 

2007 1,0203 1,0632 1,0848 5,98 43915 

2008 0,7201 1,0160 0,7323 4,48 10549 

At anvende dataene fra Teleøen til at korrigerer dataene for Sarfannguaq er 

langt fra optimalt, men det er den eneste mulighed til at få en ide om hvordan 

måleperioderne ligger i forhold til normhastigheden for sitet. At der ikke findes 

et helt års målinger for Sarfannguaq (52560 målinger) betyder, at resultaterne 

bliver ekstra usikre, da det således er nødvendigt at lave to korrektioner. Fra 

resultaterne af korrelationsundersøgelserne vides det, at dataene for Teleøen


Figur 5.18: Histogrammer for udvalgte kombinationer af dataserier 

ikke repræsenterer vinden i området specielt godt. Det kan deraf ikke konkluderes, 

at dataene ikke kan anvendes til en korrektion af årsvariationer og det 

er ikke muligt at klarlægge, da der ikke har været adgang til langtidsdata fra 

andre master i området. Havde Teleøen været fuld repræsentativ for sitet i 

Sarfannguaq havde vi naturligvis fået ens middelværdier, men det er ikke helt 

tilfældet. Sammenholdes de resulterende middelværdier i tabel 5.3 med den 

estimerede middelværdi på 5,87 m/s, ligger årene med mange målinger tættest 

på. Det skyldes, at metoden med at anvende korte, samtidige perioder til at 

estimere årets middelhastighed er rimelig usikker, når sitedata ikke korrelerer. 

Det er derfor ikke ligegyldigt, hvilken prioriteringsrækkefølge dataserierne 

anvendes i. For at minimere usikkerhederne bør dataserierne derfor anvendes 

efter længde med den længste først. Med usikkerheden på korrektionen kan 

der argumenteres for, at der skal vælges den række, der giver den middelværdi 

eller fordeling, der ligner de originale data mest. 

Anvendes dataserierne efter længde, fås en middel vindhastighed på 6,06 

m/s og weibull værdierne A=6,98 k=1,82. Middelværdien for de enkelte dataserier 

er ikke nødvendigvis et god indikator for, hvor ens serierne er. Men 

sammenlignes fordelingerne istedet, får man et godt billede af serierne jf. figur 

5.18. 

Forskellen på de enkelte kombinationer er ikke voldsom store, men det vil 

få en ikke uvæsentlig indflydelse på den årlige produktion, hvis der vælges 

en dårlig kombination. Kombineres serierne efter størrelse vil det, som også 

middelværdien antydede, give en lidt højere resurse end de orginale data.


Anvendes den sidste kombination (04,07,06,03,08) fås en lidt lavere resurse, 

selvom middelværdien for denne serie er 5,92 m/s mod original seriens 5,87 

m/s. Det er denne kombination, der kommer tættest på den originale, og derfor 

vælges denne kombination til simuleringen. 

5.6 WAsP analyse af vindresurserne i området 

Vinddataene, der er benyttet som resurse for simuleringerne er den nomineller 

vindresurse i målepunktet (mastens position i 10 meters højde). Dette afsnit 

skal forsøge at kortlægge, hvordan vindresurserne fordeler sig i området. Til 

dette anvendes WAsP, der er et specialdesignet software til denne type beregninger. 

WAsP blev i sin oprindelige version udviklet på Risø i slutningen af 

firserne, men er løbende blevet opdateret. Til dette projekt er version 9.00.0153 

anvendt. WAsP anvender en forholdsvis simpel liniær flowmodel betegnet Lincon 

(LINearized COMputation). Modellen er løbende blevet udbygget og optimeret, 

men grundlæggende har WAsP vist sig at give gode resultater for områder 

uden flowseparation. Ved en standardstrømning vil separation påvirke 

strømningerne ved hældninger over 33 %. Separation vil medføre en overestimering 

af „speed up“ effekten og dermed fejlestimere vindresurserne . For at 

få et godt estimat af vindresurserne i områder med meget komplekst terræn er 

det nødvendigt at anvende mere krævende teknikker som finite volumen eller 

finite difference (CFD). Disse metoder er væsentlig mere tidskrævende, og da 

der ikke er nogle muligheder for at verificere resultaterne pga., at vindresursen 

kun er kendt i et punkt, er det i forbindelse med dette projekt vurderet at 

arbejdet med en sådan model ikke vil afspejle sig i resultaterne. Der henvises 

istedet til [Pianigiani(2009)] som omhandler anvendelse af CFD til estimering 

af vindresurserne i Sarfannguaqområdet. 

Det er muligt at lave en rimelig estimering af vindresurserne med WAsP, 

i områder med for kompleks terræn [Mortensen(2004)], men der kræves som 

regel flere master til at korrigere modellen. Den kritiske hældning for separation 

er som tidligere beskrevet omkring 33 %. I WAsP angives andelen af 

terrænet over den kritiske hældning ved RIX (ruggedness index), og det er 

således muligt at afgøre, hvor meget separation der vil forekomme i området 

som følge af terrænets orografi. 

Opbygning og anvendelse af WAsp 

WAsP anvendes grundlæggende til at estimere vindresurser i et større eller 

mindre område. Programmet anvender langtidsmålinger fra en „reference location“ 

til at estimere vindforholdene „estimeringslocationen“. Første step i 

denne proces er generalisering af dataene fra referencelocationen. Det betyder, 

at dataene renses for lokale påvirkninger omkring referencelocationen, 

objekter, landskabets orografi og overfladeruheden. Resultatet af denne generalisering 

kaldes generaliseret vindklima. Ud fra det generaliserede vindklima

5.6. WASP ANALYSE AF VINDRESURSERNE I OMRÅDET 51 

kan WAsP så beregne vindklimaet for en given location ved at tilføje de lokale 

effekter omkring denne location. På samme måde kan WAsP også beregne 

fordelingen af vindresurser i et område. 

Input til WAsP 

For at WAsP kan beregne vindresurserne, har programmet brug for vinddata 

fra reference locationen og oplysninger om de lokale forhold. 

Dataene fra referencelocationen indlæses ved hjælp af „WAsP Climate 

Analyst“ eller „OWC Wizard“, der ud fra dataene kan beregne et observeret 

vindklima (OWC). Det observerede vindklima kan senere importeres til 

selve WAsP programmet. Climate Analyst kan importere data i flere forskellige 

formater, men ASCII-format er lettest at arbejde med. Der er en del krav 

til dataene, for at programmet kan læse dem. For det første skal der være 

lige mange værdier i alle kolonner, måletidspunkterne skal komme i kronologisk 

rækkefølge, og der må ikke være to ens tidsangivelser i dataserien. Disse 

krav har givet anledning til en del problemer, fordi programmet ikke altid 

indikerer, hvorfor en kommando ikke kan udføres, men kun at det ikke kan 

udføre den ønskede kommando. Som datagrundlag for WAsPberegningerne er 

der anvendt data for perioden 2003-2008 ialt 124.116 målinger eller 2,36 års 

kontinuerlig måling. 

Oplysninger omkring orografi og overfladeruheder importeres fra et specielt 

WAsP kort, der kan udarbejdes i programmet „WAsP Map Editor“. I Map 

Editor programmet kan orografidata i dxf-formet indlæses, og ruhedszoner 

indtegnes. Det er et krav, at alle kurver er repræsenteret og sammenhængende. 

Med hensyn til det anvendte kortmateriale er det meget vigtigt, at det har en 

tilstrækkelig fin opløsning, særligt nær reference- og estimeringslocationerne, 

for at beregningerne giver et pålideligt resultat. Overfladeruhederne er også 

vigtig, da de blandt andet anvends til at estimere vindprofilet. 

Grundlæggende er der til dette projekt anvendt data fra vandrekortet „Sisimiut“ 

1:100.000 med 25 meters højdekurver. Opløsningen omkring Sarfannguaq 

er øget ved at anvende ASIAQ bygdekort DTM 10x10m med ned til 

0,5m højdekurver. Til beregningerne er der anvendt 10 og 2 meters højdekurver. 

Der er anvendt tre forskellige ruheder til analysen. Vandoverflader er som 

WAsP foreskriver sat til en ruhed på 0. Bebyggede områder, i dette tilfælde 

kun selve Sarfannguaq, er sat til 0,3. Det omkringliggende terræn er meget 

varieret men uden meget bevoksning og er sat til 0,03. Ruhederne er estimeret 

ud fra de anvendte værdier i [Mortensen and Landberg(1993)]. 

Objekter tilføjes i selve WAsP under „Obstacle group“. Der er ikke mange 

objekter omkring referencemasten ved Sarfannguaq. Telegreenland har en form 

for container placeret 18 meter fra masten, og det vurderes, at den kan have 

indflydelse på indstrømningen til masten. Bag containeren, i en afstand af 26 

m, står en lille gittermast på omkring 5m i højden. Den vurderes, at være 

så lille i omfang, at den reelt ikke har nogen betydning for strømningen, og


Figur 5.19: Kort med orografi og ruhedsdata benyttet til WAsP analyserne. 

25m højdekurver for det meste af området, men 2m højdekurver omkring Sarfanguaq. 

Ruhedsændringerne kan ses langs vandlinjerne og omkring bygden. 

den medtages derfor ikke i analysen. Det samme gør sig gældende for den lille 

mast som tidligere blev anvendt til en vindpose, som er placeret 37 meter fra 

referencemasten, se figur 5.20. 

Beregninger og resultater 

For at finde de bedste placeringer i området indledes beregningerne med en 

beregning af resurserne i et stort område, se figur 5.21. Som det forventes 

ud fra retningsfordelingerne, er det områder oven for de stejle syd-sydøstlig 

skråninger, der giver de højeste resurser. En stor del af disse resurser er ikke 

reelle og skyldtes overestimering af „speedupeffekten“ som følge af manglende 

separation i modellen. Senere når beregningsområdet er indsnævret, vil RIXværdienen 

og overestimeringerne blive undersøgt. Ud over hældningerne har 

også afstanden til referencemasten en betydning for pålideligheden af resultaterne. 

Hvis det komplekse terræn tages i betragtning, er det meget begrænset, 

hvor langt fra fra masten resurserne kan estimeres. De forholdsvis høje hastigheder 

i den nordlige del at området er således med stor sandsynlighed ikke


Figur 5.20: Placering af referencemasten og objekter omkring den 

repræsentativ for vindresurserne på disse locationer. 

Hvis opløsningen på beregningsnettet øges, og området indskrænkes, får 

man en endnu bedre estimering af resursefordelingen. Efter disse beregninger 

varierer resurserne ikke meget hen over fjeldryggen, men der er en smule mere 

vind på toppen i den vestlige del af det viste område. Det er uden for området 

med høj opløsning, og det kan være en del af forklaring, fordi de store intervaller 

giver noget ekstra speedup, som ikke er reel. Området der ligger så langt fra 

selve bygden vurderes kun at være interessant ved anvendelse af store møller, 

og derfor er vinden i 10 meter ikke så interessant der. For de mindre møller vil 

området med høj opløsning være det mest interessante, og derfor gennemføres 

yderligere en beregning i dette område med en endnu højere opløsning. 

Den sidste resurseberegning er udført med en opløsning på 3 m for at få 

et detaljeret billede af resursefordelingen, se figur 5.23. Der er ifølge beregningsresultatet 

tre placeringer inden for området, der ligger med de højeste 

resurser. Det er forhøjningen lige øst for referencemasten. Det syd-østlige hjørne 

af plateauet, hvor målemasten er placeret også det lille plateauet nord-øst 

for referencemasten, på den modsatte side af kirkegården. Placering af en mølle 

lige ved kirkegården og forholdsvis tæt på bygden kan give problemer, både 

med godkendelser og gener for beboerne under drift. Der er ikke meget forskel


Figur 5.21: Den overordnede fordeling af middelvinden i området. Pink angiver 

3 m/s og rød angiver 8 m/s. X og Y-aksen er UTM-koordinaterne for 

kortudsnittet 


3 m/s og rød angiver 8 m/s


på resurserne på de tre locationer, og derfor vil placeringerne på sammen plateau 

som referencemasten være at foretrække. Rent resursemæssigt er der ikke 

den store variation, så længe møllerne placeres oppe på plateauet. Resurserne 

på plateauet varierer kun med omkring 3,5 %, og der kan derfor være andre 

parametre, som f.eks. den bedste placering af fundamentet, der med fordel 

kan tages med i vurderingen. For at sikre at den beregnede resursefordeling 

er repæsentativ for den virkelige fordeling, skal der laves en undersøgelse af, 

hvor stor en del af strømningerne der separer og derved falder uden for den 

liniære models gyldighedsområde. Derfor undersøges terrænets orografi. 


5 m/s og rød angiver 6,09 m/s 

Terrænundersøgelse 

Undersøgelsen indledes med at undersøge terrænelevationen i området, se figur 

5.24. Elevationen spænder fra havoverfladen og op til 82 meters højde. Referencemasten 

er placeret i 78,5 meters højde og måler hastigheden og retningen 

i omkring 89 meter over havet. Fordelingsrosen på figuren angiver orografipåvirkningen 

af vindhastigheden for referencemålingerne. For hovedvindretning, 

sektor 6, er det tydeligt, at orografien har en betydelig effekt på vindhastigheden. 

Det næste der undersøges er RIX fordelingen. RIX er en angivelse, som 

WAsP anvender til at indikere, hvor stor en del af indstrømningsområdet, 

der har en hældning på over 0,3, hvor separation kan optræde. For området 

ligger indexet imellem 7,4 og 11 %, men for plateauet, hvor referencemasten er


Figur 5.24: Terrænelevation (0-82 m) og dens påvirkning af referencemasten 

placeret ligger den imellem 9 og 10,5 %,se figur 5.25. Det betyder, at der som 

minimum for nogle sektorer kan forvente separerende strømninger. I princippet 

betyder det, at man er uden for WAsP’s liniære models gyldighedsområde, men 

ved at anvende ∆RIX, forskellen imellem RIX-værdien for referencemastens 

placering og så det ønskede estimerings punkt, kan der laves en fornuftig 

estimering af beregningsfejlen. 

∆RIX værdierne er generelt meget lave for det beregnede område, og det 

skyldes primært områdets størrelse, se figur 5.26. ∆RIX ligger fra -2,4 % til 

1,1 % for hele området og fra 0 til 1 % for plateauet med referencemasten. Generalt 

betyder en positiv ∆RIX en positiv fejlestimering og omvendt ved en 

negetiv værdi. Tages der udgangspunkt i resultaterne fra [Mortensen(2004)] 

og [Mortensen and Antoniou(2006)] vil fejlestimeringen i forhold til ∆RIX 

tilnærmelsesvis være 1,5 gange ∆RIX-værdien. Antages dette at være gældende 

for plateauet i Sarfannguaq, vil fejlestimeringen ligge inden for 1,5 %. 

Korrigeres middelvindene for plateauet for overestimeringen vil den bedste 

placering på plateauet give en middelvind på 2,9 % mere end referencemastens 

placering. Det lyder ikke af meget, men det betyder en 9 % højere energi 

i vinden. 

Med de små variationer der er i vindresurserne på plateauet og de små 

forventede afvigelser i resultaterne, repræsenterer måledataene inden for nogle 

få procent, vindresurserne for hele plateauet. Den direkte anvendelsen af 

måledataene, som resursegrundlag for simuleringerne vurderes derfor at give 

en god repræsentation af vindresurserne for de mulige placeringer.


Figur 5.25: RIX fordelingen over området. Blå angiver 7,1 og pink 11 % 

Resurser for større møller 

Det er ikke kun små møller, 0-20 kW, med navhøjder omkring 10 meter, der 

kunne være interessant for Sarfannguaq, men også de lidt større møller op til 

300 kW. Ved en middel eller høj andel vindkraft vil de små møller ikke være 

en økonomisk løsning. Derfor er det nødvendigt at undersøge, hvordan vindresurserne 

fordeler sig i 36 meters højde, der er deres typiske navhøjde. Når 

WAsP skal beregne vindhastigheden i en bestemt højde anvender programmet 

som udgangspunkt et logaritmisk hastighedsprofil, men profilet korrigeres for 

påvirkninger fra inhomogent terræn og stabiliteten af grænselaget. Den simple 

lineære beregningesmodel, som WAsP anvender, kan give problemer med at 

bestemme vindprofilet korrekt. Dette vil særligt være et problem i kompleks 

terræn, hvor turbulens og lokale termiske vinde vil forstyrrer strømningerne. 

Med disse usikkerheder er det meget vigtig med verificering af resultaterne, 

men her er det igen et problem kun at have et målepunkt til rådighed. Uden 

mulighed for at verificere vindprofilerne er der ingen sikkerhed for at det anvendte 

profil og derved vindhastighederne er korrekte. Så længe der regnes 

på små møller med navhøjder, der ikke afviger meget fra referencehøjden og 

inden for et snævert geografisk område af referencemasten har det ikke den 

store betydning, men for estimering af vindresurser for store møller kan det 

have stor betydning. 

De vigtigste parametre for profilets form er terrænvariationerne og overfladeruhederne. 

Terrænvariationerne er godt beskrevet inden for bygdekortenes 

dækningsområder, men resten af terrænet er noget dårligere repræsenteret.


Figur 5.26: Delta-RIX fordelingen i beregningsområdet. Rød angiver -2,4 og 

grøn 1,1 % 

Overfladeruhederne er en meget mere kompleks størrelse. Inden for bygderne 

kan der anvendes værdier for spredt lav bebyggelse, men det åbne terræn er 

mere kompliceret. 

Omkring Sarfannguaq består det meste af overfladen af klippe afbrudt af 

mindre områder med græs eller grus. Om vinteren dækkes det meste af et 

lag sne/is, som udjævner mange af de mindste variationer og dermed ændrer 

ruheden. WAsP kan ikke håndtere tidsafhængige værdier, og derfor er der 

anvendt en estimeret middelværdi. 

Problemer med at estimere en fornuftig middelværdi for store sæsonvariationer 

gør sig også gældende for varmeoverførslerne fra overfladerne, heat 

flux. Tages der udgangspunkt i resultaterne fra [Torgny Vinje(2004)] for 75 ◦ N 

er nettoværdierne, på land 65W/m 2 om sommeren og −10W/m 2 om vinteren, 

over havet 200W/m 2 om sommeren og −40W/m 2 om vinteren. Hvordan 

værdierne ser ud for Sarfannguaq er usikker, men der er anvendt estimerede 

middelværdier, 10W/m 2 for land og 40W/m 2 for vand. Anvendes disse parametere, 

bliver middelvinden i 36 meter, som vist figur 5.27. Beregningen viser, 

at middelvinden i området er højeste på den vestlige top. Middelhastigheden 

her er 6,8 m/s mod 6,0 m/s på plateauet med referencemasten. 

Kontrolleres ∆RIX for denne beregning, er den naturligvis større end i 

det lille område, der tidligere blev beregnet, men for det vestlige plateau er 

den kun omkring 2 %. Det betyder, at der kan forventes en overestimering på 

omkring 3 %, hvilket vil sige 0,21 m/s. Den estimerede middelvind for dette


Figur 5.27: Vindresurserne i 36 meters højde. Pink angiver 5 m/s og rød 

angiver 6,84 m/s 

plateau bliver således 6,63 m/s. Sættes dette i forhold til WAsP’s estimering 

for referencedataene 5,83 m/s betyder det, at middelvinden skulle være 13,7 

% højere end referencemålingernes placering. Det skal bemærkes, at denne 

beregning er behæftet med mange usikkerheder, og resultaterne bør ikke anvendes 

som grundlag for investeringer. Der bør laves specifikke målinger på 

locationen for at verificere resultaterne inden de anvendes. Til estimering af 

vindresurserne for de store møller, der forventes placeret på det, højere plateau, 

antages det at de 13,7 % er udtryk for den virkelig resurce, og derfor 

anvendes de 13,7 % som offeset i forhold til referencedataene i simuleringen.


Figur 5.28: Delta-RIX for 36 meters estimeringerne. Rør angiver -3,1 og grøn 

angiver 2,8 %

Kapitel 6 

Vindkraft i Sarfannguaq 

Ved implementering af vindkraft i et elnet er der nogle grundlæggende aspekter, 

der bør overvejes. Først og fremmest bør man overveje, hvorfor man ønsker 

at implementere vindenergi og dernæst, hvilket man mål har for andelen af 

vindenergi. Er der udelukkende økonomiske grunde til at implementere vindkraft, 

er det som regel ikke en god ide, da vindkraft kun i særlige tilfælde er 

konkurrencedygtig med traditionelle energikilder. Vindkraft er mest konkurrencedygtig, 

hvis vindresurserne er usædvanlig gode eller hvis produktionsprisen 

for de traditionelle energikilder af den ene eller den anden grund er meget 

høje. Årsagerne til at vælge vindkraft er derfor ofte politiske eller miljømæssige. 

For Sarfannguaqs vedkommende er de primære årsager til, at vindkraft er 

interessant, de politiske og miljømæssige, men med de relativt høje produktionspriser 

på det nuværende kraftværk kan det ikke udelukkes, at det også 

kan blive økonomisk attraktivt. Med en produktionspris i 2007 på 5,73 kr/kWh 

er der gode muligheder for, at vindkraft på sigt kan blive en god forretning. 

Miljømæssigt kan det give en forbedring af luftkvaliteten i og omkring bygden, 

og derudover kan CO 2 udslippet begrænses. I 2008 blev der brændt over 166 

m 3 gasolie af på det lille værk, hvilket svarer til 442 tons CO 2 Der blev i 2008 

produceret 593.280 kWh på værkets tre generatorer, 2x184 kW + 1x116 kW. 

Det betyder, at værkets kapacitetsfaktor er på: 

Kapacitetsfaktor = 

P roduktion 

Nomineleffekt · T imer = 

593280 

= 0, 1395 

(2 · 184 + 116) · 8784 

(6.1) 

Denne lave udnyttelse af produktionskapaciteten er med til at gøre de faste 

omkostninger meget høje. Den høje kapacitet er sandsynligvis valgt for at 

imødegå det fremtidige forbrug og for at have en tilstrækkelig høj forsyningssikkerhed. 

61

62 KAPITEL 6. VINDKRAFT I SARFANNGUAQ 

Tabel 6.1: Andel vedvarende energi 

Andel Betydning for systemet 

Lav andel Konstant en generator i drift 

Årlig andel

6.2. SIMULERINGSMODEL FOR LAV ANDEL VINDKRAFT 63 

Figur 6.1: Belastningsfordelingen for kraftværket i Sarfannguaq 

6.2 Simuleringsmodel for lav andel vindkraft 

Simuleringsmodellen skal som udgangspunkt anvende eksisterende møller på 

markedet, og derfor anvendes producenternes effektkurver til at beregne møllernes 

afgivende effekt. Tidsserien med de nominelle vindhastigheder, der er 

udarbejdet som beskrevet i kapitel 5.5, indlæses og kontrolleres i modulet „Vindresurse“. 

Fra resursemodulet føres vindhastighederne over i modulet „Vindmølle“. 

I dette modul udregnes produktionen ud fra producentens effektkurve. 

Effektkurverne er opgivet for luftdensitet på 1,225 kg/m 3 , og da det ikke er 

middeldensiteten for luften i Sarfannguaq korrigeres kurverne med forholdet 

imellem kurvens og sitets densitet. Ud fra effekten beregnes produktionen, 

der sammen med effekten er output for modulet. Effekten sammenholdes med 

forbruget, hvorefter effekten enten sendes til kraftværket eller dumpes. 

Det næste modul er vindmøllens økonomimodul. Formålet er at beregne 

den gennemsnitlige pris for en given periode af møllens forventede levestid. 

Møllernes levetid er som udgangspunkt fastsat til 20 år. Mølle- og evt. konverter 

priser kan fås som listepriser ved producenterne, men udgifter til fundament, 

adgangsveje, kabler, opstilling mm. skal estimeres. Ud fra tabel 6.2 

kan den almindelige fordeling af udgifterne til etablering af en vindmøllepark 

aflæses. For et afsides site som sitet ved Sarfannguaq vil denne fordeling ikke 

være gældende, fordi arbejdet på selve sitet og transporten af byggematerialer 

til sitet er væsentlig dyrere end normalt, da alt skal sejles ind. Især etablering 

af stabile adgangsveje for større komponenter og transport af maskiner kan 

blive væsentligt dyrere end normalt.


Tabel 6.2: Normal udgiftsfordeling for vindmøllepark, kilde: BWEA 

Beskrivelse Index 

Vindmølle 65 

Bygnings arbejde 13 

Interne forbindelser 8 

Elektrisk forbindelse 6 

Projekt deisgn 8 

Ialt 100 

Tabel 6.3: Estimeret udgiftsfordeling for Sarfannguaq 

Beskrivelse Index Andel 

Vindmølle og transport 69 53 % 

Bygnings arbejde 20 15 % 

Interne forbindelser 4 3 % 

Elektrisk forbindelse 11 8 % 

Projekt deisgn 12 9 % 

Transport til site 16 12% 

Ialt 132 100 % 

For sitet ved Sarfannguaq vil fordelingen være en smule anderledes. Vindmøllens 

andel vil være lavere, fordi prisen for møllen og transport til sitet 

ikke er voldsomt meget dyrere end normalt. For de små møller, der kan transporteres 

i containere eller som pallegods, vil der ikke være den store merpris. 

Fundamenter og adgangsveje vil især for større møller være en relativ stor 

udgift, da alle maskiner og materialer skal transporteres ud med båd. Det kan 

også blive nødvendigt at bortsprænge klipper mm., og det vil alt sammen være 

med til at gøre anlægsarbejdet dyrt. Til gængæld kan der spares på fundamentet, 

hvis fjeldet anvendes som en del af fundamentet. Udgifterne til kabler 

på sitet vil være mindre end normalt, da afstandene er små og spændingsniveauet 

lavt. Udviklingsudgifterne vil være en smule højere end normalt, da 

der skal laves grundige undersøgelser af både adgangsveje, fundamentforhold 

og påvirkningerne af nettet. Foruden de normale poster indregnes en særlig 

transportpost, som dækker over ekstra udgifter til transport til selve sitet. 

En undtagelse er, hvis der vælges møller, der kan rejses uden brug af kran, 

og det er muligt at transportere komponenterne til sitet uden specialkøretøjer. 

Ud fra fordelingen er der nu muligt at beregne de samlede anlægsudgifter som 

funktion af møllepriserne. Denne måde er valgt fordi den på en simpel måde, 

med få input, kan giver et realistisk billede af udgifterne. Ved anvendelse af 

flere møller vil fordelingen ændre sig en smule, da en del af udgifterne ikke 

direkte vil øges tilsvarende. Dette samt evt. mængderabat tager modellen ikke 

hensyn til. I modellen anvendes fordelingen udelukkende til estimering af den 

samlede investering ud fra mølleprisen.


Investering = Mlleprisen X 

= 

Mllensandel 0.53 

(6.2) 

Det antages, at investeringen finansieres ved et fastforrentet lån med en fast 

ydelse, en fast årlig omkostning i procent og en løbetid svarende til møllens 

forventede levetid. Derved kan den årlige ydelse beregnes ved formel 6.3 

r 

Y delseÅr = Investering 

1 − (1 + r) l 

(6.3) 

hvor r er renten og l er løbetiden i år. Som udgangspunkt er der anvendt en 

ÅOP på 5,5% og en levetid på 20 år til simuleringerne. 

De faste serviceomkostninger udgør normalt 2-3% af mølleprisen, men i 

dette tilfælde vil der være ekstra omkostninger til transport forbundet med 

servicebesøgene og derfor fordobles udgifterne til service til 5%. 

Serviceomkostninger = 0, 05 · Mllepris (6.4) 

Til simuleringen skal de faste udgifter beregnes som faste udgifter per sekund 

og kan således bestemmes ved: 

F astsomkostningerSek. = Serviceomkostninger + Y delse År 

365, 25 · 24 · 3600 

(6.5) 

De variable omkostninger for en vindmølle er udgifter til reservedele, smøring 

mm. udgør for små møller (100kW) normalt 11,25 øre/kWh 1 . De simple 

konstruktioner taget i betragtning forventes dette niveau også at være gældende 

for de mindre møller. 

For at simplificere simuleringsprogrammets brugerflade samles alle vindfunktionerne 

i modulet „Vindkraft“. De økonomiske moduler for henholdsvis 

kraftværket og vindkraft ligges ind i de respektive moduler. Der oprettes et 

nyt økonomimodul, „Samlet økonomi“, der beregner de samlede omkostninger, 

enhedsomkostninger og den samlede produktion, se figur 6.2. 

Valg af møller til lav andel vindkraft 

Det første man ser på, når der skal vælges en mølle, er vindresursen, ekstremvinden 

og turbulensintensiteten for sitet. Som udgangspunkt anvendes 

IEC standarderne til at klassificere sites, og i dette tilfælde hvor der skal anvendes 

mindre møller, er der IEC 61400-2, der er gældende for mindre møller 

med et overstrøget areal på under 200m 2 . 

Som det kan aflæses i tabel 6.4 tilhører sitet klasse III på grund af den 

estimerede ekstremvind, 34,6 m/s. Der er imidlertid stor usikkerhed omkring 

denne værdi, da den er estimeret ud fra de relativt få data for selve sitet. Ud 

fra DMI’s vejrnormaler ved vi, at den maksimale vindhastighed, der er målt 

1 Oplyst middelværdi for Northwind 100 mølle


Figur 6.2: Simuleringsmodel med vindkraftmodul 

Tabel 6.4: Klassificeringstabel for IEC 61400 

Klasse I II III IV S Site 

Vref [m/s] 50 42,5 37,5 30 34, 6 ± 10, 2 

VMiddel [m/s] 10 8,5 7,5 6 5,9 

I15 0,18 0,18 0,18 0,18 0,12 

A 2 2 2 2 ? 

på Teleøen i Sisimiut, er 28,3m/s i perioden 1961-90 og 19,6 i Kangerlussuaq. 

Værdi for Sarfannguaq sitet ligger som forventet en del over dette, men det 

ser ud til at være et rimeligt niveau for området, se bilag F. 

Ud over de styrkemæssige krav stiller det barske miljø særlige krav til 

møllerne. De væsentligste krav til møller anvendt til lav andel vindenergi er: 

• Skal kunne modstå middelvinde op til 45m/s 

• Kunne operere i temperaturer ned til −40 ◦ 

• Kunne operere ved alle fugtighedsniveauer 

• Kunne overleve overisning 

• Have begrænset behov for service og vedligeholdelse 

Sekundært kunne det være en fordel med en mølle der: 

• Kan serviceres af ikke specialuddannet personale


• Komponenterne har en vægt og en størrelse, så de kan transporteres ad 

de eksisterende adgangsveje 

• Mulighed for at aflaste fundamentet med barduner 

• Kan rejses uden brug af kran 

Følgende møller findes egnede til formålet, tabel 6.5 Møllerne kan købes i 

Tabel 6.5: Priser på undersøgte møller 

Fabrikat Model Norm. Eff. Temp. Spænding Frekvens Pris* 

Proven P6000 6kW -40(-60) 300V Var 159068 kr 

Proven P15000 15kW -40(-60) 300V Var 347960 kr 

*Pris P6000 inkl. 9 m tårn og 100 m forbindelses kabel 

*Pris P15000 inkl. 15 m tårn og 100 m forbindelses kabel 

både en almindelig udgave, der kan operere ned til −40 ◦ C og en lavtemperaturs 

udgave til −60 ◦ C. De anvendte priser er listepriser for en standardudgave 

uden invertere. Der finder en lang række andre møller på markedet og vælges 

en løsning med lav andel vindenergi, bør der laves en grundig undersøgelse af 

markedet, inden der vælges en mølle. Den valgte mølleproducent har stor erfaring 

i at designe møller til barske miljøer. En lignende mølle er ,med succes, 

anvendt på bl.a. forskningsstationen, Summit på toppen af indlandsisen 2 og 

på Antarktis. 

Begge møller er bagløbere, uden gear, med en fast multipol generator. 

Rotoren er meget simpel med bladene monteret på fjedre, som er med til 

at reducere belastningerne på møller ved høje vindhastigheder. Møller har 

ingen elektronisk regulering og kører konstant, når vindhastigheden er over 

starthastigheden. 6 kW udgaven kan leveres med en udgangsspænding på 

48V,120V,240V,300 V, mens 15 kW versionen kun leveres med 48 eller 300V. 

Skal der anvendes en batteribank i systemet er det en fordel at vælge 48 Volts 

versionen, men ellers anvendes 300 V versionen. Med hensyn til den maksimale 

vindhastighed oplyser Proven, at alle deres møller er designet til +65 m/s. 

Nacellen er den tungeste del med en vægt på 600 kg for 6 kW udgaven og 1100 

kg for 15 kW udgaven. De kan begge monteres uden brug af kran, og tårnet 

kan afstives med barduner, så belastningerne på fundamentet mindskes. 

For at forbinde møllerne til Sarfannguaqs 400 V, 3phase, 50 Hz vekselspændingsnet 

er det nødvendigt at anvende en inverter. Der findes en lang række 

standardinvertere på markedet, og for de lave effekter findes nogle modeller 

specielt designet til vindmølletilslutning. De mest populære er Windy Boy fra 

SMA og Aurora fra Magnetek. De to producenter laver disse specialdesignede 

enkeltphase invertere op til 6 kW. Ved større effekter paralleltkobles inverterne, 

eller der kan anvendes en standardinverter med et tillægsmodul. Magnetek 

2 http://polar.sri.com/summitcamp/status/power/


frigiver en 10 kW version af deres vindinverter i juni 2009, men prisen er endnu 

ukendt, så derfor anvendes den ikke undersøgelsen. Listepriserne for inverterne 

er, vist i tabel 6.7 

Tabel 6.6: Priser på undersøgte invertere 

Fabrikat Model Norm. Effekt Temperatur Pris Beskyttelse 

SMA W. Boy 2500 2500W −25 ◦ C 11.085 kr 8.714 kr 



Magnetek PVI 3600 3600W −25 ◦ C 14.862 kr Inkl. 

Magnetek PVI 6000 6000W −25 ◦ C 18.641 kr Inkl. 

2stk. PVI 6000 12000 41.795 kr Inkl. 

3stk. PVI 6000 18000 70.956 kr Inkl. 

4stk. PVI 6000 24000 87.443 kr Inkl. 

6stk. PVI 6000 36000 133.424 kr Inkl. 

Magnetek inverterne er forberedt til en dumpload, og til 6 kW versionen 

koster en tilhørende dumpload 3.600 kr. Systemet kan overvåges via et kontrolmodul 

kaldet „Easy control“, der kan klare op til 5 invertere eller „bacic 

control“, som kan tage 32. Der kan kommunikeres med modulet via USB eller 

over internettet via det indbyggede netværkskort. Kontrolmodulerne koster 

henholdsvis 5.153 kr og 8.042 kr. Prisen er inklusiv overspændingsbeskyttelse, 

hvor det er tilkøb for Windy Boy. 

Sammensættes dette til fire forskellige systemer bliver, de samlede systempriser, 

som vist tabel 6.7- 6.11. 

Tabel 6.7: Pris for 6 kW system 

Komponent Pris 

Proven P6000 9m 159.068 kr 

Magnetek Aurora 6000 18.641 kr 

Dumpload 9000W 3.600 kr 

Easy control 5.153 kr 

Samlet pris 186.462 kr 

Ved anvendelse af de valgte Proven møller er det ikke nødvendigt med en 

kran til at rejse møllerne, og derfor er udgifterne til de nødvendige adgangsveje 

meget mindre end den tidligere estimerede. Komponenterne har også en 

størrelse, så de kan transporteres som almindeligt gods, og transportomkostningerne 

vurderes derfor også at være mindre end normalt. Hvis det antages, 

at tårnene stabiliseres med barduner funderet til fjeldet, vil udgifterne til fundamenter 

også begrænses. Med anvendelse af de specialdesignede konvertere 

vil udgifterne til tilslutning også være lavere end forventet. Hvis alt dette tages



Komponent Styk Pris Samlet 

Proven P6000 9m 2 159.068 kr 318.136 kr 

Magnetek Aurora 6000 2 - 41.795 kr 

Dumpload 9000W 2 3.600 kr 7.200 kr 

Easy control 1 5.153 kr 5153 kr 




Proven P15000 15m 1 347.960 kr 347.960 kr 



Easy control 1 5.153 kr 5.153 kr 




Proven P6000 9m 1 159.068 kr 159.068 kr 

Proven P15000 15m 1 347.960 kr 347.960 kr 



Basic control 1 8.042 kr 8.042 kr 


i betragtning, forventes møllens andel af udgifterne at udgøre omkring 60%. 

Disse oplysninger kan nu indsættes i simuleringsmodellen og indvirkningen på 

modellen kan beregnes. 

Resultater af simulering med lav andel vindkraft 

Ifølge simuleringsresultaterne i tabel 6.12 vil det uanset hvor stor en andel vindenergi 

der implementeres i det nuværende systemet, have en negativ indflydelse 

på systemets økonomi. Dette skyldes, at langt størstedelen af udgifterne 

udgøres af de faste udgifter(78% i 2007). Ser man på de to Proven modeller, 

der er undersøgt, har de en kapacitetsfaktor på henholdsvis 32 % for 6kW 

modellen og 40 % for 15 kW modellen ved en rådighed på 100 %. Ser man 

på produktionsprisen per kWh for vindkraft alene, ser det meget tiltalende ud 

med en produktionspris ned til 1,65 kr/kWh. Det er relativt simpelt at beregne, 

hvor meget der skal investeres for at spare en liter olie over hele møllens 

levetid, se formel 6.6.




Proven P15000 15m 2 347.960 kr 695.920 kr 



Basic control 1 8.042 kr 8.042 kr 


Tabel 6.12: Simuleringsresultater for lav andel vindkraft 

Inst. Olie Kraft Kraft Enheds Vind Vind Enheds Samlet Enheds 

Eff. Forb. prod. virk. Pris prod. pris pris Udgift Pris 

kW m 3 kWh - kr/kWh kWh kr kr/kWh 1000kr kr/kWh 

0 166 593838 0,3704 4,316 0 0 0 2563 4,316 

6 162 576967 0,3691 4,411 16872 37299 2,211 2583 4,349 

12 158 560095 0,3674 4,513 33743 74476 2,207 2603 4,383 

15 153 541027 0,3654 4,637 52811 88503 1,676 2597 4,374 

21 149 524156 0,3632 4,755 69683 124963 1,793 2617 4,407 

30 141 488217 0,3577 5,034 105672 173948 1,65 2632 4,436 

*Der regnes med en tilbagebetalingstid på 20 år og en fast rente på 5,5 %, 

selvom møllens designlevetid er på 25 år. 

Tabel 6.13: Eksempel på fordelingen af omkostningerne ved 30 kw 

Beskrivelse Omkostning 20år 

Møller inkl. konvertere 855.386k 

Installations omkostninger 570.257kr 

Investering ialt 1.425.643kr 

Produktionsomkostninger 20 år 237.649kr 

Service omkostninger 20 år 855.386kr 

Rente udgifter 20 år (5,5 % /år) 960.884kr 

Ialt 3.478.973kr 

Enhedspris 1,65kr/kWh 

Investering 

L20år 

= Investering ialt inkl. renter 

Sparede liter olie 

(6.6) 

En væsentlig grund til de lave besparelser er de nuværende generatorsæts 

virkningsgrad, se figur D.7. Fra omkring 60 kW og ned efter falder virkningsgraden 

voldsomt. Som belastningsfordelingen så ud i 2008, var belastningen 

under 60 kW omkring halvdelen af tiden, figur 6.1, men den er kun under 50 

kW 19 % og under 40 kW 2 % af tiden. Når der så implementeres vindkraft i 

systemet falder belastningen på generatorene og den stejle virkningsgradskur-


Tabel 6.14: Simuleringsresultater for lav andel vindkraft 

Effekt Investering 20år Sparet olie 20år Pris 

kW kr L kr/L 

6 745.980 83.140 8,97 

12 1.489.520 164.080 9,07 

15 1.770.060 254.500 6,96 

21 2.499.260 332.240 7,52 

30 3.478.973 494.680 7,03 

ve betyder at geneatorvirkningsgraderne vil falde ret volsomt, se figur 6.3. 

Havde kraftværket fastholdt virkningsgraden, ville den fortrængte mængde 

olie være på 589.465 L eller 16 % højere. Det betyder at ved optimal belastninge 

af de nuværende generatorer kan prisen per liter sparet olie ikke komme 

under 5,90 kr/L. Det er meget højt, og de undersøgte opbygninger anses derfor 

ikke for at være en god løsning for bygden. 

Sensitivitetsanalyse for lav andel vindkraft 

For at undersøge hvordan afvigelser i de forskellige inputparametre påvirker 

simuleringsresultaterne laves en sensitivitetsanalyse. Der laves analyser 

for vindresursen, mølleprisen, møllens andel af anlægsudgifterne, olieprisen 

og kraftværkets faste omkostninger. Ved alle sensitivitetsanalyserne anvendes 

produktionsprisen per kWh som sammenligningsparameter. For de fleste 

analyser anvendes afvigelsen fra parameterne for 30 kW vindkraft som udgangspunkt. 

Som det kan ses af figur 6.4, er produktionsprisen ikke meget 

afhængig af vindresursen, og det skyldes primært vindens andel af produktionen 

og produktionsprisen. Ved et fald på 50 % stiger elprisen med 2,8 % og 

ved en stigning på 50 % falder prisen 1,9 %. Det skal bemærkes, at der ved 

30 og 50 % ekstra vind dumpes en del af den producerede energi. 

Elprisen er en smule mere afhængig af mølleprisen, og det skyldes at anlægsudgifterne 

varierer med mølleprisen og det at der kommer renter oven i 

selve ændringen, se figur 6.5. Ved et fald på 50 %, falder elprisen 3,1 %, og 

ved en tilsvarende stigning stiger prisen også 3,1 %. 

Møllens andel af anlægsinvesteringen blev estimeret ud fra en en standardudgiftfordeling 

for en vindmøllepark. Standardfordelingen er modificeret for 

at passe til de små møller, den ekstra transport og ekstra omkostninger ved 

arbejde i fjerntliggende områder. Det må derfor betegnes som en meget usikker 

parameter, og det er derfor vigtigt at følsomheden ikke er for stor. Elprisen 

vil stige 2,3 %, hvis møllens andel bliver 40 % istedet for 60, og bliver den 80 

% vil den falde med 1,2 %, se figur 6.6. 

Langt størstedelen af produktionsomkostningerne er de faste omkostninger 

til kraftværket. Alt efter hvordan kraftværket afbetales og drives, vil denne 

andel ændre sig. Det er derfor interessant at undersøge, hvor følsom produk-


Figur 6.3: Eksempel på simuleringsresultater ved implementering af 30 kW 

vindkraft. 1. graf viser det fjernaflæste elforbruger [W], 2. graf viser eget forbrug 

[W], 3. graf viser elvirkningsgraden, 4. graf viser vindeffekten [W], 5. graf 

viser enhedsprisen [kr/kWh] 

tionsomkostningerne er over for ændringer i denne parameter. Produktionsprisen 

er som forventet meget følsom over for ændringer i de faste udgifter, 

figur 6.7. Halveres de faste udgifter til kraftværket falder enhedsprisen med 35 

%. Stiger de med 50 % vil enhedsprisen stige tilsvarrende. 

Grønland har i en periode har haft lave brændstofpriser (62,60 dollars 

pr. tønde) i forhold til verdensmarkedet. Grønlands fastprisaftale udløb ved 

udgangen af 2008 og olien købes nu til verdensmarkedspriser. På nuværende 

tidspunkt hvor olieprisen er historisk lav, omkring 50 $ er det en fordel, 

men begynder olieprisen at stige vil den således også påvirke olieprisen på 

Grønland. Ud fra resultatet af sensitivitetsanalysen figur 6.8 betyder, faldet 

i råolieprisen på 20 %, svarre til et fald i gasolieprisen på 66 øre/L til, at 

elprisen (produktionsprisen) vil falde til 4,293 eller 13,9 øre/kWh.


Figur 6.4: Sensitivitet over for vindresursen 

Figur 6.5: Sensitivitet over for mølleprisen


Figur 6.6: Sensitivitet over for møllernes andel af investeringen 

Figur 6.7: Sensitivitet over for de faste kraftværksudgifter

6.3. MIDDEL ANDEL VINDKRAFT 75 

Figur 6.8: Sensitivitet over for olieprisen 

Produktionsprisen på el er ikke så afhængig af olieprisen som man umildbart 

skulle tro, men det skyldes igen at en stor del af den samlede pris udgøres 

af de faste omkostninger. Om de faste udgifter vil ændre sig i fremtiden 

er uvist, da det ikke har været muligt af skaffe oplysninger omkring værkets 

økonomiske situation. 

6.3 Middel andel vindkraft 

Ved middel andel vindenergi, en årlig middelandel på imellem 20 og 50%, køres 

der kontinuerlig drift med mindst en generator og dumploads anvendes aktivt 

via en overordnet styring, se tabel 6.1. Det kan være nødvendigt at stabilisere 

nettet for at udligne hurtige variationer i VE-produktionen. At tillade en så 

høj andel VE betyder, at generatorene i perioder vil køre med meget lave belastninger. 

Det betyder normalt en dårlig brændstoføkonomi, men anvendes 

der en lille generatorenhed, vil effekten reduceres. At anvende en lille dieselenhed 

er ikke uden problemer, da det vil medføre en lavere reservekapacitet 

og dermed øge chancen for udfald ved store belastningsændringer eller ved 

udkobling af en eller flere VE-enheder. 

I forbindelse med at en stor del af energien produceres på variable energikilder, 

vil det blive svære for dieselgeneratorene at regulere netspændingen 

og opretholde den nødvendige balance i systemet. Der findes løsninger til at 

opretholde en god strømkvalitet, selv med 50 % VE. Der kan f.eks. anvendes 

direkte lastreduktion på VE-enhederne for at begrænse produktionen ved lav


Figur 6.9: Udvalgte effektkurver for møller 

efterspørgsel. De større møller er desuden udstyret med moderne effektelektronik, 

der gør dem istand til hjælpe med opretholdelse af balancen i nettet. 

Det er ikke noget nyt at have en middel andel VE. Der findes mange isolerede 

systemer med sådanne systemer i mere eller mindre isolerede områder. Der findes 

ikke et optimalt design som kan anvendes til alle isolerede systemer, men 

med moderne diesel og VE-enheder er det blevet lettere at designe optimal 

systemer, der opfylder de enkelte behov. Moderne dieselmotorer kan leveres 

med hurtig start og lav last mode, hvor f.eks. enkelte cylindere udkobles, når 

der ikke er behov for effekten. Mulighden for at anvende en middel andel VE 

har været afprøvet på flere vigtige militære installationer, og det har vist sig 

muligt både at bevare en god kvalitet og samtidig opnå en middel andel VE. 

For at komme op på en andel på mellem 20 og 50 % af det årlige forbrug 

på knap 600000 kWh skal der produceres imellen 120000 og 300000 kWh 

vindenergi. Fra kapitel 5 kendes fordelingen af vindhastighederne, men det er 

nødvendigt at kende møllernes udnyttelse af energien, før der kan siges noget 

om, hvor store møller der skal anvendes. Ser vi på tre typiske CP-kurver (figur 

6.9) er der tydelig forskel. Enercon anvender et moderne design uden gearkasse 

og med en højeffektiv pitch reguleret rotor. Fuhrländer anvender det mere 

klassiske design med gear og stall reguleret rotor. North Wind anvender en 

kombination, med stall reguleret rotor, men uden gear. 

Anvendes referencemålingerne som resurse, uden at tage højde for af navhøjden 

varierer og placeringen ikke er optimal, kan kapacitetsfaktoren for de


forskellige møller beregnes. 

KAP = 

V max 

0 pvind · T · Pvind 

PNorm · T 

(6.7) 

hvor pvind er sandsynlighedsfordelingen af vindhastighederne figur i 5.18, T er 

antal timer i perioden (8784 for 2008), PNorm er møllens effektkurve og PNorm 

er møllens nominelle effekt. 

Antages det at de tre fabrikater, for hvem CP-kurverne er vist figur 6.9, er 

repræsentative for møllerne på markedet, betyder det, at kapacitetsfaktoren 

ligger mellem 0,22 og 0,27, hvis referencedataene anvendes som resurse, og det 

antages, at møllernes tilgængelighed er 100 %. Anvendes resurserne fra det 

høje plateau vest for byen i 36 meters højde, vil kapacitetsfaktoren komme op 

på 0,35. For at give et realistisk bud på hvor stor en effekt, der skal installeres, 

anvendes 0,3. Der nødvendige effekt kan derved beregnes ved: 

PNorm = Andel · EP roduktion 

KAP · T 

(6.8) 

Skal der opnås en vindandel på 20 %, betyder det, at der minimum skal 

installeres 46 kW vindkraft. Skal der derimod opnås en andel på 50 % vil det 

kræve 114 kW. Det skal bemærkes, at størrelser kun er en guidline for hvilke 

møllestørrelse der skal undersøges og ikke et udtryk for, hvad der vil være 

muligt at installere i systemet i Sarfannguaq. 

Møller til middel andel vindkraft 

Da få store møller normalt er billigere end flere små møller, forsøges behovet 

dækket med en til to møller fra 30 til 100 kW. I dette effektområde er der 

ikke så mange møller på markedet og klimakravene reducerer antallet yderligere. 

Der findes en del møller fra ukendte producenter i østen, men der findes 

generelt ikke meget data på møllerne og de møller, der er tilstrækkelig dokumentation 

på, opfylder ikke kravene til klima og konstruktion. Der er fundet 

seks forskellige møller fra fire forskellige fabrikanter tabel 6.15. 

Ser man udelukkende på, hvor meget effekt man får for pengene, er EW 

15 møllen fra Entegrity klart den billigste. Den normale version, som prisen er 

gældende for, er kun godkendt til −25 ◦ , men der kan tilkøbes en kold klima 

pakke ned til −40 ◦ , men prisen er ukendt. 

Enercon 

Enercon er en stor tysk mølleproducent, der i 2008 stod for 9 % af den installerede 

effekt på verdensplan 3 . Deres standardprogram spænder fra 330 kW 

til 2 MW, men derudover specialfremstilles en lang række møller og systemer, 

hvor der indgår møller. Enercon er nok mest kendt for at producere 

3 Emerging energy reseach, 27. februar 2009


Tabel 6.15: Simuleringsresultater for middel andel vindkraft 

Fabrikat Model IEC Effekt Temp. Gear Pris Pris/kW 

Class Kw ◦ C kr kr/kW 

Enercon E10 1 30 -40 Nej 760000* 25333* 

Fuhrländer 30 2 30 (-40) Ja 739000 24633 

Entegrity EW 15 1 50 (-40) Ja 758400 15168 

Enercon E20 1 100 -40 Nej 1850000* 18500* 

Fuhrländer 100 2 100 (-40) Ja 1827000 18270 

Northern 100 1 100 -40 Nej 1895949 18959 

*Pris estimeret ud fra priser på tilsvarende møller da Enercon kun 

producerer disse møller sitespecifikke, findes der ingen vejledende priser. 

store prototyper, pt. +7 MW, men de producerer også små møller til destillationssystemer 

og isolerede installationer. Enercon anvender et gearløst design 

med en mangepolet generator, der sidder direkte på hovedakslen. Designet er 

gennemtestet og har bl.a. været anvendt i vind-dieselsystemer på Antarktis 

(Mawson Research Station). Til standalone systemer producerer Enercon E10, 

E20, E33, E44 og E53, der ofte tilpasses den enkelte installation. Enercon leverer 

også modulopbyggede wind-diesel systemer baseret på deres eget power 

management system. Produkterne fra Enercon ligger generalt i den dyre ende 

af markedet, men pålideligheden af produkterne er tilgengæld høj. Anvendes 

Enercon power management system fås en fuld integreret løsning, der sikrer 

optimal udnyttelse af energien. Enercons møller kræver som mange af de andre 

møller af denne størrelse en kran til opsætning. Møllerne er designet, så 

den tunge generator kan monteres i nacellen på sitet, og det betyder, at der 

kan spares krankapacitet, Se bilag F. 

Fuhrländer 

Fuhrländer er en lille tysk producent, 1 % af verdensmarkedet i 2008. Firmaet 

producerer møller fra 30 kW til 2,5 MW. Møllerne er opbygget på traditionel 

vis med stallreguleret rotor og gear. Møllerne kan efter producentes oplysninger 

operere ned til −40 ◦ , hvis den udstyres med deres kold klima pakke. 

Gearet og de ekstra lejer, som denne konstruktion medfører i forhold til de 

gearløse design, betyder at der er større tab i systemet, se bilag F. 

Entegrity Wind Systems 

Entegrity Wind Systems er et amerikansk firma, der fra 2002 overtog EW50 

møllen fra AOCI (Atlantic Orient Canada Inc.). Møllen er produceret siden 

1995 og er en af de mest anvendte møller i sin klasse. Designet er simpelt og 

kompakt, med indbygget gear. Det simple design gør møllen meget billig og 

let. Den leveres med et 25 m rør- eller gittertårn og til afsides installationer


kan tårnet leveres med vippebeslag, der muligøre rejsning uden brug af kran. 

Møllen leveres også med kold klima sikring ned til −40 ◦ , se bilag F. 

North Wind 

Northern Power er et amerikansk firma, der producerer en 100 kW’s stallreguleret 

mølle uden gear. Møllen er meget simpel i designet, og den kan klare 

temperaturer ned til −40 ◦ i standard udgaven. Med en nacelle vægt på kun 

5800 kg er det muligt at opstille møllen med helikopter og dermed minimere 

installationsomkostningerne. Møllen leveres med 21 m rotor og et 37 m tårn, 

Se bilag F. 

Simulering middel andel vindkraft 

I forbindelse med dette projekt har der ikke været resurser til at lave udvikling 

af en overordnet styring af systemet. For de små møller blev der anvendt 

en styring, der frakoblede møllerne, når der var overproduktion, men det er 

problematisk med de større møller, fordi det vil give for store udsving i nettet. 

De store møller er desuden designet til at deltage i reguleringen af nettet. De 

bliver typisk på nettet, i en periode, ved afvigelser i nettet, for at hindre black 

out og er den koblet ud vil den automatisk, med jævne mellemrum forsøge at 

koble på nettet igen. 

Ved Enercons power management system har man f.eks. kommunikation 

med møllen, så der kan reguleres på møllen istedet for at anvende store dump 

loads ved lavt forbrug. Design af et styresystem til Sarfannguaq er ikke en del 

af dette projekt, men vil være af det næste projekt, der indledes i efteråret 

2009. I forbindelse med dette projekt er der lavet forundersøgelser til det 

kommende projekt. Der er lavet en total opmåling af elnettet, undersøgelse 

af elforbrugende komponenter ved de fem største forbrugere, og endelig er de 

termiske belastninger i form af elvarme og frostsikring af vandinstallationer 

kortlagt. 

For simuleringerne ved middel og høj andel vindenergi anvendes der istedet 

en mere simple dumpload for den overskydende energi. Det antages, at 

den dumpede effekt er uden værdi, og derfor indgår denne effekt ikke i de 

økonomiske beregninger. For at give et indtryk af, hvor stor en dumpeffekt 

der vil være nødvendig, ved anvendelse af denne simple reguleringsmetode, 

beregnes den maksimale dumpeffekt for simuleringsperioden. 

Ved at anvende denne model til at beregne effekterne af en sådan modificering 

af energisystemet, fås en ide om hvilken mølle, der vil give det bedste 

samspil imellem vindresursen og forbrugsmønsteret i bygden. 

Resultater for simulering af middel andel VE 

Resultaterne tabel 6.16 og 6.17 er beregnet ud fra den 100 % oppetid, intet 

tab imellen møllen og net og intet egetforbrug til møllen. Der vil være tab


Tabel 6.16: Simuleringsresultater for middel andel vindkraft,A 

Installeret Nuværende kraftværk 

Antal Mølle Olieforbrug CO2 Produktion V.grad pris Enhedsp. 

L kg kWh 1000kr kr/kWh 

0 - 166406 441680 593838 0,370 2563 4,32 

1 E10 144088 382443 498420 0,359 2468 4,95 

2 E10 124403 330194 405204 0,338 2384 5,88 

1 FL30 140128 371932 480949 0,356 2451 5,10 

2 FL30 117308 311363 371628 0,321 2354 6,33 

1 EW50 129515 343763 429370 0,344 2406 5,60 

2 EW50 108259 287345 323439 0,31 2315 7,16 

1 E20 103243 274031 300998 0,305 2294 7,62 

1 FL100 106907 283756 318355 0,309 2309 7,25 

1 NW100 108267 287366 326394 0,313 2315 7,09 

Tabel 6.17: Simuleringsresultater for middel andel vindkraft,B 

Installeret Vindkraft Samlet 

Antal Mølle Produktion Dumpet E. dump Enhedsp. Pris Enhedsp. 

kWh kWh W kr/kWh 1000 kr kr/kWh 

0 - 0 0 0 2563 4,32 

1 E10 95419 0 0 1,723 2632 4,43 

2 E10 190838 2204 19856 1,622 2393 4,54 

1 FL30 112890 0 0 1,436 2613 4,40 

2 FL30 225779 3569 22070 1,353 2659 4,48 

1 EW50 164747 278,2 10990 0,985 2568 4,32 

2 EW50 329494 59090 64130 0,935 2623 4,42 

1 E20 358131 65290 63730 1,157 2707 4,56 

1 FL100 349442 73960 86520 1,169 2718 4,58 

1 NW100 305269 37730 58380 1,368 2733 4,60 

imellem møllen og nettet, men hvor stort det bliver afhænger af kabellængde 

og dimension. Møllen vil også have et eget forbrug, når den installeres i kolde 

miljøer. De omtalte koldklimapakker betyder, at der bl.a. installeres olievarmere 

i møllen, og disse installationer vil primært være aktive, når møller ikke 

opererer, hvilket igen betyder, at møllen vil tage strøm fra nettet, når den ikke 

producerer. Hvor store effekter, der er tale om, har det ikke været muligt at få 

oplyst, men det er nogle af de ting, der bør tages med i de videre undersøgelser. 

Ved simuleringen er der anvendt en mølleandel på 55 % af installationsudgifterne 

for en enkelt mølle, og når der anvendes to møller, er deres andel sat 

til 60 %. På grund af den simple montering og minimering af udgifterne til 

krankapacitet er der anvendt 5 % højere andel for Entegrity møllen.


Den billige mølle fra Entegrity klarer sig bedst i forhold til prisen. Med 

den lave pris og de forholdvis små installationsomkostninger betyder det ikke 

så meget, at det ikke er den mest effektive af møllerne. Med en produktionspris 

på under en krone per kWh. er løsningen næsten konkurrencedygtig med 

det nuværende system, selvom det antages, at de faste omkostninger til det 

nuværende system forbliver uændret. Med en maks. dumpet effekt på 11 kW 

og kun 278 kWh dumper over hele året passer møllestørrelsen godt til forbruget 

og vindresurserne i Sarfannguaq. Ved valg af møllestørrelse bør forbrugsudviklingen 

og det forventede fremtidige forbrug naturligvis tages med ind i 

overvejelserne. Fortsætter forbruget med at stige i samme grad som de seneste 

år, se figur 2.5 og 2.6 vil den optimale størrelse hurtigt ændre sig. De større 

møller klare sig dårligere på grund af, dels en højere pris per installeret kW 

og dels at værdien af den dumpede energi antages at være nul. Værdien af 

den overskydende energi afhænger meget af, hvilke aftaler der kan indgås med 

de største forbrugere, KNI, Sisimiut Fish og Nukissiorfiit selv, om at aftage 

effekten. Der findes en del autonome termiske systemer i vandforsyningen og 

køleanlæg ved KNI og på fiskefabrikken, hvor der med fordel kunne anvendes 

variable belastninger. 

Undersøges effekten af de forskellige kombinationer på olieforbruget og 

CO 2 udledningen, se tabel 6.18, er det tydeligt, at EW50 møllen klart er den 

mest konkurrencedygtige. Ved en fornuftig udnyttelse af den overskydende 

energi og optimal kontrol vil der sandsynligvis kunne opnås bedre resultater 

især for de store møller, men når op imod 20 % af produktionen må dumpes 

vil de ikke være konkurrencedygtige. Undersøges prisen for at spare en liter 

olie ligger den fra 0,13 kr til 3,11 kr. Sammenlignes det med priserne ved en lav 

andel vindenergi, se tabel 6.14, er det en klar forbedring, men investeringerne 

er naturligvis også en del højere. 

Tabel 6.18: Effekten af middel andel vindkraft 

Installeret Udnyttelse Årlig Olie CO2 

Antal Mølle KAP Merudgift Sparret Pris Reduktion Pris 

- - - kr/år L/år kr/L kg kr/tons 

0 - 0 0 0 0 0 0 

1 E10 0,362 69360 22318 3,108 59237 1171 

2 E10 0,362 130416 42003 3,105 111486 1170 

1 FL30 0,428 50170 26278 1,909 69748 719 

2 FL30 0,428 96102 49098 1,957 130317 737 

1 EW50 0,375 5007 36891 0,136 97917 51 

2 EW50 0,375 60217 58147 1,036 154336 390 

1 E20 0,408 144883 63163 2,294 167649 864 

1 FL100 0,398 154899 59499 2,603 157924 981 

1 NW100 0,348 169674 58139 2,918 154314 1100


Brændsstofbesparelsen er relativ lille i forhold til, hvad man kunne forvente, 

når op til halvdelen af produktionen overtager af VE. Den lave besparelse 

skyldes hovedsageligt generatorenes krafigt faldende virkningsgrad ved belastninger 

under 60 kW, figur D.7. Vi har tidligere set på lastfordelingen, figur D.8, 

og hvordan en lav andel vindenergi vil påvirke belastningen på dieselgeneratorene. 

En endnu højere andel VE betyder, at perioderne med lav eller ingen last 

forlænges betydeligt. Så længe der kun anvendes de nuværende generatorer, 

og der ikke anvendes et system, hvor motorene kan lukkes ned i perioder uden 

last, vil det være svært at opnå en væsentlig reduktion i olieforbruget. På figur 

6.10 er der vist et udsnit af et simuleringsforløb, og her kan det tydeligt ses, 

hvordan virkningsgraden falder, når VE produktionen er høj eller forbruget 

lavt. I den første periode af det viste interval, ca. 7 dage, er belastningen høj 

og her opretholdes en relativ høj virkningsgrad, selvom møllen leverer op til 

55 kW. Effekten fra vindkraften betyder, at det kun er nødvendigt at køre 

med én generator imod de normale to. Ved design af et system med middel 

andel vindenergi bør generatorstørrelser, variabele belastninger og overordnet 

styringssystem derfor undersøges. 

6.4 Høj andel vindkraft 

En høj andel vindenergi stiller meget store krav til styring og regulering af 

systemet. Der er installeret en del anlæg i denne kategori verden over. Området 

har gennem en del år været genstand for mangen forskning, og der findes 

efterhånden en solid viden på området. Driftsstrategien for et sådan system 

er, at VE-systemet sammen med forskellige stabiliseringsenheder står for den 

primære drift, og dieselgeneratorene anvendes kun som backup. Der anvendes 

en form for energilager, som sikre forsyningen indtil generatorerne er operationelle, 

ved et udfald eller pludselig dyk i VE-produktionen. Der installeres 

også en form for stabiliseringsenhed, ofte i form af et svinghjul koblet til en 

generator/motor. Stabiliseringsenhedens opgave er at udjæven de hurtige fluktuationer 

i VE-produktionen. For at opnå den bedste energiudnyttelse er det 

vigtigt med regulerbare variable belastninger, som aktivt kan indgå i styringen 

af energiforsyningen. Der anvendes som tidligere beskrevet ofte termiske 

laster, da de ofte er mindre afhængige af tiden, men bare skal have en givet 

mængde energi, inden for en defineret periode. De variable belastninger og 

energilageret hjælper ikke bare med at fordele energien bedre, de sikrer også, 

at dieselmotorerne altid arbejder i det mest økonomiske driftområde. Den traditionelle 

måde at opbygger et vind-dieselsystem med høj andel vindenergi er 

vist figur 6.11. Systemet er testet i flere systemer op til 200 kW i middellast 4 . 

Anvendes en kapacitetsfaktor på 0.3 og en tilrådighedsfaktor på 0.9 bliver 

den samlede kapacitetsfaktor på 0.27. Indsættes dette, sammen med en 

andel på 100 % i formel 6.8 fås en installeret effekt på 253 kW. Ser man på 

4 Se eksempler på NREL’s hjemmeside: www.nrel.gov

6.4. HØJ ANDEL VINDKRAFT 83 

Figur 6.10: Eksempel på parametervariationerne under simuleringen over 40 

dage med en EW50 mølle


Figur 6.11: Eksempel på opbygning af vind-diesel system, fra 

[Ackermann(2005)] 

NREL’s erfaringer med møller på samme eller på højere breddegrader er en 

kapacitetsfaktor på 0.27 relativt højt. Sitesne i Atlaska ligger typiske med en 

kapacitetsfaktor imellem 12 og 24 % inkl. interne tab. Tages dette, sammen 

med udvikling i forbruget, med i overvejelserne vil den installerede effekt samdsynligvis 

skulle ligge omkring 300 kW for at opnå en middel andel på 100 

%. 

Ser man på hvilke møller, der umiddelbart kunne være interessant for dette 

effekt område tabel 6.19, er det møller fra Enercon, Fuhrländer og Nortern 

Wind. Alle seks møller vurderes til at kunne klare kravene til en opstilling 

i det ärktiske klima, men af hensyn til pålidelighed foretrækkes de gearløse 

modeller. Tages der også hensyn til performance udnytter Enercons møller 

energien en smule bedre end North Wind møllen. 

Simulering høj andel vindenergi 

Der har som for middel andel VE ikke været resurser til at udvikle en styring 

til høj andel VE. Den højere andel vil blot betyde, at der dumpes endnu mere 

energi, og at økonomien bliver dårligere, hvis den simple styring anvendes. 

Der er derfor ikke gennemført nogle simuleringer med høj andel, der vil kunne 

give et realistisk bud på effekten af et sådan system. Foruden styring skal der 

implementeres energilagre og model for dumploads forbrug og forbrugsmøn-

6.5. ENERGILAGRING 85 

Tabel 6.19: Foreslag til møller for høj andel vindkraft 

Fabrikat Model IEC Effekt Højde Gear Pris Pris/kW 

Enercon E33 1 330 49 -40 2982000 kr 9036 

Enercon E30 1 300 36 -40 2727822 kr 9092 

Fuhrländer 250 2 250 50 -40 2617000 kr 10468 

Fuhrländer 100 2 100 35 -40 1827000 kr 18270 

Enercon E20 1 100 36 -40 1850000 kr 18500 

North wind NW100 1 100 20-35 -46 1895949 kr 18959 

stre. Identificeringen af mulige dumploads ved de fem største forbrugere kan 

ses bilag i B. De variable laster kan alt efter størrelse og tidsafhængighed af 

forsyningen blive et vigtigt redskab til at optimere energiudnyttelen i Sarfannguaq. 

Køleanlægget på fiskefabrikker udgør, med sine ni 15 kW kompressorer, 

klart den største installerede effekt i bygden. Kan denne enhed sammen med 

andre termiske enheder overgå til central styring, vil der være gode reguleringsmuligheder. 

6.5 Energilagring 

Inden for de senere år er der blevet opstillet er række testsystemer med en 

middel til høj andel VE, kun med korttids eller helt uden energilager. Det har 

vist sig at være et reelt alternativ til energilagrene, men energilagre ses stadig 

som en god løsning for mindre isolerede systemer. 

Energilagre i isolerede systemer anvendes hovedsageligt til at dække hurtige 

fluktuationer i VE-forsyningen, men det giver også en sikkerhed imod blackout. 

Når de vedvarende energikilder leverer mere energi, end der forbruges, 

giver energilageret mulighed for at udkoble dieselgeneratorerne. Ved et fald 

i VE produktionen eller ved en stigning i forbruget vil energilageret i første 

omgang kompensere for den manglende energi. Falder energiniveauet i lageret 

til under det kritiske niveau startes dieselgeneratoren. Er der ikke behov 

for hele generatorens effekt, kan forskellen imellem forbruget og generatorens 

optimale driftpunkt anvendes til at opfylde lagrene. Studeres variationerne i 

vindhastighederne, er de fleste variationer hurtige med lille varighed. Ved at 

dække disse korte perioder med energiunderskud i systemet, spares en stor del 

at generatordriften og antallet af start/stop sekvenser for motorerne minimeres. 

Energilageret består ofte både af en svinghjulsenhed og en batteribank, 

der kobles til nettet igennem en DC-AC konverter. 

I større systemer kan et tilstrækkelig stort energilager til at dække den 

manglende energi være en uøkonomisk løsning. Men uden lager kan regulering 

af et system med høj andel VE blive meget komplekst. Udgangspunktet for et 

anlæg af denne type er en installeret VE-effekt, der er meget større end den 

maksimale last på systemet. Når VE-enhederne så producerer mere energi end


der forbruges, plus en en sikkermargen på 20-50 % udkobles dieselgeneratorerne. 

For at stabilisere og kontrollere systemet anvendes sekundære variable 

laster, hurtig reagerende dumploads og avancerede generatorstyringer. Ved et 

fald i VE-effekten eller en stigning i de primæere laster udkobles først dumploads, 

sekundære laster, og er dette ikke tilstrækkeligt, startes et passende 

antal generatorer. For at sikre økonomien i et sådan system skal de sekundære 

variable laster være tilstrækkelig store til at sikre en effektiv udnyttelse af den 

overskydende energi. I de fleste tilfælde anvendes termiske enheder både til de 

hurtigt reagerende dumploads og til de sekundære laster, men køleanlæg vil 

også være gode sekundære laster. En af de termiske dumploads, der næsten 

går igen i alle anlæg af denne type, er elpatroner til opvarmning af generatornes 

kølevandskreds. Det er især vigtigt, at motorene ikke bliver kolde, når 

de i perioder ikke er startet, men der er et vist tilladeligt temperaturspænd, 

som kan udnyttes til at regulere indenfor. Udstyret til regulering af denne 

type systemer er ofte mindre komplekse og billigere end ved anvendelse af 

energilagre, men det kræver en forholdsmæssig stor andel sekundære laster. 

Ved denne type systemer installeres ofte en såkaldt UPS-enhed til de kritiske 

laster. UPS-enheder er små energilagre, der i en kort periode kan overtage 

forsyningen ved svigt, men størrelsen af lageret er meget mindre end de før 

omtalte energilagere.

Kapitel 7 

Diskussion 

Formålet med dette projekt var at undersøge mulighederne for at udnytte 

vedvarende energiresurser i Sarfannguaqs energisystem. Projektet behandler 

første del af arbejdet med at opbygge en model og nogle metoder til at undersøge 

mulighederne for at udnytte vedvarende energi i andre isolerede systemer 

på Grønland. 

Det første trin i processen var at bestemme forbrugene og forbrugsmønstrene. 

Der anvendes som udgangspunkt de 15 minutters forbrugsmålinger 

til bestemmelse af forbrugene, men under projektet blev det erfaret, at ikke 

alle forbrug var inkluderet i disse målinger. De undersøgte forbrugsmønstre 

indeholder derfor kun 96 % af det samlede forbrug. Der bør monteres fjernaflæsningsmålere 

på de sidste to forbrugere, så der kan dannes et samlet billede 

af forbruget. For at bestemme fluktuationerne i nettet bør der også installeres 

en måler med høj samplingsfrekvens på hovedskinnerne i kraftværket. Disse 

målinger er meget vigtige for at vurdere konsekvenserne af at installere nye 

forsyningsenheder og moderne effektelektronik i nettet. Det samlede forbrug er 

steget kraftigt, og de seneste fire år er forbruget næsten fordoblet fra 307MWt 

i 2004 til 593MWt i 2008. 

Generelt kan forbrugene i Sarfannguaq opdeles i tre overordnede mønstre: 

• Termiske laster der mere eller mindre følger udetemperaturerne. Det er 

bl.a. frostsikringsudstyr og direkte elvarme 

• Faste døgn- og ugevariationer, der følger arbejdsrutinerne på de to virksomheder 

i bygden, KNI og Sisimiut FISH. 

• Autonomt forbrug, der ikke følger noget fast mønster 

De to første står for langt størstedelen af forbruget i bygden, men der er 

stadig nogle elforbrugende komponenter hos KNI, der skal identificeres, inden 

der kan skabes et fuldstændigt billede af, hvad energien anvendes til. Når 

disse undersøgelser er afsluttet, kan der skabes et fuldstændigt billede af de 

mulige variable laster, og hvad det kræver for at udnytte dem. Det største 

87

88 KAPITEL 7. DISKUSSION 

potentiale for variabelt forbrug vurderes at ligge hos de tre største forbrugere, 

KNI, Sisimut Fish og Nukissiorfiit selv. De tre står for +70 % af det samlede 

forbrug, og der findes en del enheder med gode muligheder for regulering. 

En anden mulighed kunne være at indføre variable elpriser og dermed give 

forbrugerne et incitament til at flytte deres forbrug, men det vurderes, at 

effekten vil være lille i forhold til udgifterne. 

Ved gennemgang af installationerne i bygden er der lokaliseret flere åbenlyse 

sparemuligheder. Det er blandt andet frostsikringsinstallationer, som er 

indstillet til for høje temperaturer og køleanlæg med lave virkningsgrader. 

Frostsikringsinstallationerne kunne med fordel styres centralt med overvågning 

af de enkelte zoner og reguleres efter udetemperaturen, for at minimere 

forbruget. En central styring ville både give mulighed for styring af forbrugstidspunkt 

og alarm ved nedbrud. At anvende el til opvarmning via køleanlæg 

eller via elpaneler i bygninger med installeret centralvarmeanlæg er med det 

nuværende system generelt en dårlig ide. Med en elvirkningsgrad på 32 % 

og en virkningsgrad på ca. 85 % for centralvarmeanlæggene er det en dårlig 

udnyttelse af energien, og økonomisk er det en meget dårlig forretning. 

Kraftværket består af tre dieselgeneratorer, hvor motorerne er designet til 

en maks. effekt på 197 kW. Det gennemsnitlige forbrug ligger på omkring 67 

kW, og det betyder at motorerne ofte arbejder ved en lav belastning, hvilket 

giver en lav virkningsgrad. I 2008 opnåede man en samlet virkningsgrad på 32 

% mod en maksimal på 37 %. Det betyder, at der er brugt 16 % ekstra olie på 

grund af for lave belastninger. Undersøgelserne har vist, at så længe belastningen 

holdes imellem 60 og 165 kW, ligger generatorsættenes virkningsgrad over 

36 % . Ved at regulere på noget af forbruget vil der således være besparelser 

at hente også på det nuværende system. En anden simpel mulighed er at installere 

en ny generator på omkring 80 kW til at tage de laveste belastninger 

og belastningerne lige over, hvad en generator kan klare. Når generator 1 skal 

udskiftes, bør dette under alle omstændigheder overvejes. 

Vindresurserne i området er ikke store med en middelvind på 5,9m/s i 

10 m, men for den del af Grønland er det højt. Det er undersøgt, om det er 

muligt at estimere vindresurserne i Sarfannguaq vha. MCP-metoden, ud fra 

vinddata for Sisimiut. Der blev ikke fundet tilstrækkelig korrelation imellem 

de to sites til at anvende denne metode, og derfor skal der laves yderligere 

målinger til at verificere resurserne. Det er generelt et problem, at der kun 

er ét målepunkt til rådighed i området, og at det derfor ikke er muligt at 

verificere beregningerne. For at kunne verificere vindresurserne for de større 

møller kræver det, at der måles i flere højder og helst i møllernes forventede 

navhøjde. De beregnede resurser er derfor meget usikre, men resultaterne for 

målehøjden (10m) på plateauet hvor der måles, vurderes at afspejle de reelle 

resurser. Til simuleringsdataene er der anvendt data fra Sarfannguaq masten, 

men normaliseret ud fra data for Teleøen. De mange huller i dataserien for 

Sarfannguaq betyder, at det ikke er muligt direkte at udtage en dataserie. 

Den normaliserede dataserie har generelt et lavt niveau i forhold til de sæson-

neutrale data for Sarfannguaq, hvilket skyldes den lave korrelation imellem de 

to sites. Derfor korrigeres serien efter de sæsonneutrale data for Sarfannguaq. 

Det er langt fra den optimale løsning, men det vurderes at være den bedste 

løsning med den datamængde, der er til rådighed. 

Opbygningen af selve simuleringsmodellen er relativ simpel, men at opbygge 

en styring der matcher driftsbetingelserne i Sarfannguaq har været meget 

udfordrende. Ved normal drift køres der med faste startniveauer, men stopniveauet 

varierer efter belastningshistorikken. Oven i dette er styringen udstyret 

med såkaldt storforbrugerkontrol, som sikrer tilstrækkelig reservekapacitet, 

hvis stor laster ønskes indkoblet. Der er ingen data på, hvor ofte eller hvornår 

denne funktion har givet anledning til, at ekstra generatorer opstartes. Det 

er derfor umuligt præcist at fastlægge, hvornår der er kørt paralleldrift. For 

at kompensere for dette er der indført en start/stop-konstant, der justeres 

så driftstimerne matcher de loggede drifttimer. Det betyder i princippet, at 

denne parameter skal justeres, hvis simuleringsperioden ændres. 

Med implementering af vindkraft og dermed vinddata, med en samplingsfrekvens 

på 1/600 Hz, var det nødvendig at ændre løsningsmetode. Den blev 

ændret fra faste step til variable step, men det havde ikke den store betydning 

for beregningstiden. Ved opbygning af modellen er antallet af beregningskrævende 

operationer, som f.eks. interpolationer og if sætninger, holdt på et minimum 

for at sikre en høj simuleringshastighed. En dynamisk simuleringsmodel 

ville være at foretrække til at bestemme konsekvenserne for elkvaliteten og 

stabiliteten af systemet, men før der ligger målinger med en høj samplingsfrekvens, 

vurderes fordelene ved en dynamiskmodel frem for den anvendte model 

at være meget begrænsede. 

Med kraftværkets høje produktionspriser har simuleringerne vist, at vindkraft 

kan være direkte konkurrencedygtigt fra en installeret effekt på omkring 

50 kW. Ved højere effekter kræver det, at den overskydende energi kan udnyttes. 

De møllepriser, der anvendes som grundlag for de økonomiske beregninger, 

er for de flestes vedkommende producenternes vejledende priser, men 

for Enercons mindste møller er prisen estimeret, da det ikke var muligt at få 

en pris. Priserne er uden den koldklimapakke, der er nødvendig for, at de kan 

operere i området. Priserne på disse pakker er ukendt, men den vurderes at 

være lav sammenlignet med de andre usikkerheder for priserne generelt. Det 

samlede anlægsbudget er estimeret ud fra møllepriserne og møllens forventede 

andel af det samlede budget. Metoden er meget anvendt til denne type 

estimering, men med en placering i et svært tilgængeligt terræn er det svært 

at vurderer udgiftsfordelingen. Fordelingen vil være meget afhængig af mølle, 

fundamenttype, transport og opstillingsmetode. Det vurderes at det billigste 

vil være at anvende en møller, der kan rejses med helikopter, men de største 

(>100 kW) og billigste møller kræver en kran og dermed adgangsveje mm.. 

Ved en lav andel vindenergi (0-20 %) vil vindkraft have svært ved at konkurrere 

med det nuværende system, da møllerne er forholdsvis dyre. 

Ved en middel andel VE (20-50 %) kræver det fra omkring 50 kW, at der 

89

90 KAPITEL 7. DISKUSSION 

anvendes variable laster og måske direkte regulering af møllen. 

Ved høj andel VE (50-100 %) kræves en god overordnet styring med en 

tilstrækkelig stor mængde variable forbrug og en direkte regulering af møllerne. 

Yderligere undersøgelser skal vise, om energilagere er en god løsning for at 

udnytte energien optimalt. Det anbefales at der, som minimum, anvendes en 

UPS-enhed til at sikre en høj forsyningssikkerhed, hvis der ikke anvendes et 

decideret energilager. 

Hvor stor en andel vindkraft, der er optimal for bygden, afhænger af mange 

ting, men det er primært forbruget, og hvor stor en del af forbruget der 

kan gøre fleksibelt, og hvor fleksibel det bliver. Der kan under alle omstændigheder 

ikke forventes energi fra vindmøller mere end 75 % af tiden, og derfor 

skal systemet indeholde en backupenhed. Det store varmeforbrug, særligt i 

vintermånederne, hvor det også blæser mest, kan hvis priserne holdes nede, 

udnyttes til at finansiere en relativ stor vindkraftinstallation. Hvordan et 

system med vindkraft og variable forbrug styres optimalt kræver yderligere 

studier af forbrugene i bygden. De termiske laster og opretholdelse af kølerumstemperaturerne 

er en ting, men at lave et godt system til at reagere på 

indfrysningsbehovene på fiskefabrikken, kræver grundige studier af både af 

forbrug og indfrysningsmængder. 

Et af de store problemer med de variable forbrug og simulering er at adskille 

de identificerede variable forbrug fra det øvrige forbrug. For frostsikringsinstallationerne 

er det ikke noget problem, men for KNI, hvor forbrugene 

er miksede, kan det blive kompliceret. Det indledende arbejde med at kortlægge 

forbrugene kan ses i bilag B, men der mangler en del undersøgelser for 

at skabe det fulde overblik. 

I dette projekt er der anvendt forholdsvis mange resurser på at finde og få 

adgang til data. Det er lykkedes at få adgang til det meste af det lokaliserede 

data, men DMI’s data var det ikke muligt at få adgang til. At finde de personer, 

som ligger inde med de oplysninger, der er brug for, viste sig at være 

noget mere besværligt, end man er vant til fra Danmark. Det at finde ud af, 

hvilke data der findes, og om de lagres, har været en stor opgave, men studieturen 

skabte en god mulighed for at undersøge dette. Der er indsamlet store 

mængder data ikke kun for Sarfannguaq, men for hele området. Dataene vil 

efter aftale med administratoren for DTU’s Grønlandsdatabase blive gemt til 

gavn for fremtidige projekter. For flere af kontakterne er der truffet aftale om 

løbende leverancer af data til databasen. De fleste data er leveret som rå-data, 

og arbejdet med at kvalitetssikre dataene har også krævet forholdsvis lang tid. 

De mange data har givet mulighed for at undersøge en række sammenhænge. 

Særligt omkring vinden har det være en stor hjælp, da der viste sig at være 

fejl i retningsdataene fra Sarfannguaq.

Kapitel 8 

Konklusion 

I forbindelse med dette projekt er der gennemført en lang række undersøgelser, 

der alle knytter sig til bestemmelse af energiforbruget og bestemmelse af 

de vedvarende energiresurser i området. Derudover er de indledende undersøgelser 

af effekten på det nuværende system gennemført. 

De væsentligste resultater af dette projekt er: 

• De små møller (

Litteratur 

[Ackermann(2005)] Thomas Ackermann. Wind Power in Power Systems. 

Wiley, 2005. 

[Anderson(2004)] Mike Anderson. A review of mcp techniques. Technical 

report, Renewable Energy Systems Ltd ("RES"), 2004. 

[Barry and Chorley(1992)] R.G Barry and R.J. Chorley. Atmosphere, weather 

and climate. Routledge GB., 1992. 

[Cappelen(2004)] John Cappelen. Klimaobservationer i grønland 1958-99. Technical 

report, DMI 00-18, 2004. 

[F.Loewe(1935)] F.Loewe. Klimas des Grönländischen Inlandeises. Berlin, 

Verlag von Gebrüder Borntraeger, 1935. 

[Iversen and Kristensen(2003)] Henrik Iversen and Jakob Kristensen. Vindresurser 

i grønland. Master’s thesis, Danmarks Tekninske Universitet, 

2003. 

[Klarup(2004)] Andrei Munk Klarup. Verifikation af elmålere tr 354-1. Technical 

report, DEFU), 2004. 

[Mortensen(2004)] Niels G. Mortensen. Wasp prediction errors due to site 

orography. Technical report, Risoe DTU), 2004. 

[Mortensen and Antoniou(2006)] Niels G. Mortensen and Ioannis Antoniou. 

Improving wasp predictions in (too) complex terrain. Technical report, 

Risoe DTU, 2006. 

[Mortensen and Landberg(1993)] Niels G. Mortensen and Lars Landberg. 

Vindenergi i udvalgte byer i grønland: Qasigiannguit, sisimiut og narsaq. 

Technical report, Risoe DTU), 1993. 

[Pianigiani(2009)] Marco Pianigiani. Comparison of ansys cfx and wasp for 

sarfannguaq. Master’s thesis, Danmarks Tekninske Universitet, 2009. 

[Przbylak(2003)] Rajmund Przbylak. The Climate of the Arctic. Kluwer Academic 

publishers, 2003. 

93

94 LITTERATUR 

[S.G.Gorshkow(1980)] S.G.Gorshkow. World Ocean Atlas, vol 3, Artic orcean. 

Military Defense Publishing House, 1980. 

[Torgny Vinje(2004)] mfl. Torgny Vinje. Effects of melting and freezing in the 

greenland sea. Technical report, International Arctic Research Center, 

2004.

Bilag A 

Kontakter 

95

Tabel A.1: Kontakter for simuleringsprojekt 

Navn Funktion Telefon Email 

DTU 

Martin Otto Laver Hansen Vejleder 45254316 molh@mek.dtu.dk 

Brian Elmegaard Vejleder 45254169 be@mek.dtu.dk 

Jesper Schramm Motorer 45254179 js@mek.dtu.dk 

Morten Holtegaard Nielsen Oplysninger om vandkraft 45252263 mhn@byg.dtu.dk 

Arne Villumsen Leder Artek 45252165 av@byg.dtu.dk 

Poul Linnert Christiansen Oplysninger om masterne 40585157 plc@byg.dtu.dk 

Niels Hoedeman Bestilling af billetter 45252166 nih@byg.dtu.dk 

Niels Gylling Mortensen Resurseberegninger 46775027 nimo@risoe.dtu.dk 

Gerhard Joos Udlevering af kort 45255984 gj@space.dtu.dk 

Esben Larsen Vejleder EL 45253512 ela@elektro.dtu.dk 

Nukissiorfiit 

Kim Gehlert Schmidt Budgetchef: Oplysninger om måler og salg kgs@nukissiorfiit.gl 

Peter Birk Souschef: Produktion, Distribution og Produktion 299-349513 pbi@nukissiorfiit.gl 

Peter Kjeldmann Projektleder Fjernaflæsning 299-349550 pkj@nukissiorfiit.gl 

Peter Egede Jeppesen Produktions, Distribution Produktionsanlæg 299-349542 pgj@nukissiorfiit.gl 

Jan Zachariassen Driftchef: Sisimiut 299-527552 jbz@nukissiorfiit.gl 

Jens-Peter B. Henriksen Udviklingskonsulent: Data-tilladelser 299-349561 JPH@Nukissiorfiit.gl 

Jørgen Klamer DriftTekninker Bygderne jkl@Nukissiorfit.gl 

John Thomsen Drift Sisimiut (299) 86 49 66 joth@nukissiorfiit.gl 

KNI 

Tage Lindegaard Polaroil Tankdivision: Salg af brændstof 299-813844 tal@kni.gl 

ASIAQ 

Bo Naamansen Landinspektør: Grund og bygdekort 299-348800 bna@asiaq.gl 

Anne-Luise Andersen Hydrologi: Metrologiskedata 299-348856 ala@asiaq.gl 

Kisser Thorsøe Projekt leder: klima Metrologiskedata 299-348878 kit@asiaq.gl 

DortheăPetersen Projekt koordinator: klima Metrologiskedata 299-348851 dop@asiaq.gl 

96 BILAG A. KONTAKTER



Grønland lufthavnsvæsen GLV 

Mike Høegh Chef for Teknisk afdeling: Data rettigheder 299-349330 mho@glv.gl 

Niels Grosen Flyvepladschef: Sisimiut 299 862 624 ngr@glv.gl 

Ryan M. Møller Lufthavnen i Sisimiut: Dataansvarlig 299-862624 rmm@glv.gl 

Grønlandsstatistik 

Lene Baunbaek Konsulent: Udleveret Data 299-362360 leba@gh.gl 

Royal Greenland A/S 

Sofia Geisler Kommunikationskonsulent: Ingen data 299-361305 soge@royalgreenland.com 

Sisimiut FISH 

Hanseraq Enoksen Direktør: Fremtidsudsigter og drift angun@greennet.gl 

KISS 

Basse Vængtoft KISS manger, Kangerlussuaq: Overnatning 299-943343 bvn@glv.gl 

DMI 

John Cappelen Data and Climate Division Artikler 39157585 jc@dmi.dk 

Bettina Evers-Jahnsen Data- og klimakonsulent: Priser på Data bme@dmi.dk 

Bjarne Hansen Måleteknisk afd. 39157500 bsh@dmi.dk 

Peter Stauning Grønlandsexpert 39157473 pst@dmi.dk 

Claus Nehring 39157372 cn@dmi.dk 

Christian Pedersen DMI/SRI: Rundvisning og vinddata +299 841260 christian@sondrestromradar.net 

Kort og martrikelstyrelsen 

Anne Buch-Larsen Kundeservice: Henvisning til Space abl@kms.dk 

Compukort 

Flemming Nørgaard Salg af kort og kortdata Kortdata i 1:100.000 86273978 flemming.norgaard@biology.au.dk 

Flemming Nørgaard Salg af kort og kortdata Kortdata i 1:100.000 40604461 flemming@compukort.dk 

Royal Arctic Line 

Magseranguak Siegstad Kundeservice: Onlinebestilling: www.aul.gl 299-349114 kundeservice@royalarctic.gl 

Nordhavn (Scania Danmark) 

Da Feng Projekt ingeniør Datablade på generator 87322346 df@nordhavn.dk 

Martin Sylvén Salgschef Power generation 0046 855381908 martin.sylven@scania.com 

Tomas Jakula Salg Scania Engines: motordata tomas.jakula@scania.com 

97



Koordinator Sisimiut 

Laarseeraq Skifte (299) 86 59 05 lask@sisimiut.gl 

Summit 

John F. Burkhart NILU, Norsk luftforskning Driftdata Proven mølle jfb@nilu.no 

Megacon 

Peter N. Schougaard Udvikler af styresystemet 35426969 pns@megacon.com 

98 BILAG A. KONTAKTER

Bilag B 

Kortlægning af elforbruget 

hos de store forbrugere 

På studieturen til Sarfannguaq, i forbindelse med dette projekt, er de væsentligste 

elforbrugende installationer ved de fem største forbrugere gennemgået. 

Formålet var at få et overblik over, hvad energien bruges til, og om der er 

mulighed for at anvende installationerne som dumploads. De fem største forbrugeres 

andel af det samlede elforbrug kan aflæses figur B.1. 

KNI’s butik 

KNI er bygdens største forbruger med en middeleffekt på 23 kW i den undersøgte 

periode. Ved gennemgangen af KNI’s installationer blev der ikke fundet 

tilstrækkelige installerede effekt til at sandsynliggøre det enorme forbrug, se 

tabel B.4. I først omgang var fokus rettet imod køleanlæggene, der afgiver 

energien til et opvarmet lagerrum og derfor ikke har den optimale virkningsgrad. 

Der er installeret et anlæg til hver køle- og fryserum, alle af mærket Riva 

Cold. For kølerummet er der tale om en model PTH009Z001 med en maks. 

køleeffekt på 1560 W og en kompressoreffekt på 725 W. Efter producentens 

oplysninger er køleeffekten reduceret til 1422 W, når anlægget opererer ved 

temperaturne 4/20 ◦ . Køleanlægget til fryserum 1 er model PTM080Z032 med 

en effekt på 3800 W og en køleeffekt ved −20/20 ◦ på 5060 W. For fryserum 

2 anvendes en PTL024Z002 på 2020 W og en køleeffekt på 2945. Køleanlæggene 

viser sig kun at udgøre en meget lille del af effekterne. Undersøges 

variationerne i forbruget for KNI figur B.2, er det tydeligt, at der mangler 

nogle væsentlige installerede effekter i tabel B.4. Selvom alle installationer i 

tabellen kobles til, vil de ikke være istand til at forbruge effekten. En anden 

vigtig ting, der kan ses af figuren er, at den eller de installationer som mangler 

i opgørelse kun anvendes i dagtimerne og har en middel effekt på 15-25 kW. 

Om morgenen inden butikken åbner, bager købmanden brød i nogle timer, 

og ovnen på 15 kW er med til at give stigningen om morgenen. På sam- 

99

100 

BILAG B. KORTLÆGNING AF ELFORBRUGET HOS DE STORE 

FORBRUGERE 

Figur B.1: Fordelingen af elforbruget i Sarfannguaq 

me tidspunkt tilsluttes omkring de ekstra 15-25 kW, og de lukkes ned igen i 

frokostpausen. Hvad dette forbrug skyldes, er ved projektets afslutning uvist, 

men det er en af de ting, de skal undersøges ved næste besøg i bygden. 

Sisimiut Fish i Sarfannguaq 

Fiskefabrikken er sandsynligvis forbrugeren med den største installerede effekt. 

Alene kølekompressorerne udgør 135 kW, og dertil kommer produktionsudstyr 

og andre dele af køleanlægget, figur B.5. Kølekompressorerne er frekvensregulerede 

900-1700rpm og 94,1-183 m3 

t , leveret af Johnson controls. Fabrikkens 

forbrug er sæsonbetonet og følger mængden af landet fisk, der skal indfryses 

og bearbejdes. Højsæsonen er fra april og til hen på efteråret. Ifølge ejeren er 

det planen, at produktionen skal udvides i de kommende sæsoner, men det er 

til dels afhængig af kvoterne. 

Vandværket 1316 

Vandværket indeholder råvandstank, UV-behandlingsanlæg og diverse pumper. 

Hovedpumpen er en frekvensstyret 2200 Watts Grundfosspumpe 700-2900

Tabel B.1: Fordelingen af energiforbruget i KNI’s butik 

101 

Antal Beskrivelse Effekt Drifttimer Forbrug Dage Forbrug 

W t/D W/Døgn /uge Wt/uge 

1 Køler kølerum 702 18 12636 7 88.452 

1 Blæser kølerum 105 22 2310 7 16.170 

1 Køler frys 1 3561 20 71220 7 498.540 

2 Blæser frys 1 165 22 7260 7 50.820 

1 Køler fryserum 2 2020 20 40400 7 282.800 

2 Blæser fryser 2 165 22 7260 7 50.820 

1 Motorvarmer truk 400 18 7200 7 50.400 

2 Novum lukket frys 850 12 20400 7 142.800 

2 Isfryserer 875 14 24500 7 171.500 

1 Åben fryser 1100 15 16500 7 115.500 

1 Sodavandskøler 375 14 5250 36.750 

1 Trefløjet køleskab 1100 10 11000 7 77.000 

1 Bageovn 15000 3,5 52500 6 315.000 

1 Forbagning/hæveovn 5700 12 68.400 6 410.400 

1 Køler for brød 400 0 0 0 0 

1 Varmekabel vandfors. 2208 24 52.992 7 370.944 

1 Varmekanel afløb 1610 12 19.320 7 135.240 

1 Cirkulationsumpe 60 24 1440 7 10.080 



1 Pumpe Benzin 368 3 1104 7 7.728 

1 H.pumpe Benzin 368 3 1104 7 7.728 

1 Pumpe Petroleum 368 3 1104 7 7.728 

1 H.pumpe Pertroleum 368 3 1104 7 7.728 

1 Pumpe Gasolie 368 3 1104 7 7.728 

1 H.pumpe Gasolie 368 3 1104 7 7728 

5 Pladslys 500 12 30000 7 210.000 

Estimeret fordeling 43.359 3.113.184 

Faktisk forbrug 3.921.500 

rpm. Ved stort forbrug suppleres den af en reservepumpe med samme effekt. 

Et UV-anlæg køre konstant og ét er i reserve. Hovedparten af vandværkets 

elforbrug går til frostsikring af installationerne, men en stor del af energien 

går også til to elpaneler, som supplerer centralvarmeanlægget. De to elpaneler 

af 1500 er monteret på den ene ydervæg og termostaterne var ved besøget 

indstillet til „max“. Den primære varmekilde i bygningen er et oliefyret centralvarmeanlæg. 

Om anlægget ikke kan klare opvarmningen af bygningen, eller 

om elpanelerne er installeret af sikkerhedmessige hensyn er uvist, men det er 

uhensigtsmæssigt af anvende elpanelerne som varmekilde, hvis anlægget kan

102 


FORBRUGERE 

Figur B.2: Effektforbruget for KNI’s bygning på havnen i uge 46 2008 

Tabel B.2: Fordelingen af energiforbruget i fiskefabrikken 


W t/døgn W/døgn /uge Wt/uge 

9 Kølekompressorer 15000 2,666666667 360.000 5 1.800.000 

1 Saltningsmaskine 1100 1 1100 5 5.500 

1 Filiteringsmaskine 3000 4 12.000 5 60.000 

2 Pladefrysere 0 0 0 5 0 

4 Indfrysningsrums blæser 50 20 4.000 5 20.000 

4 Blæsere i færdigvare 70 20 5600 5 28.000 

1 Ismaskine 3,5L 600 2 1200 5 6000 

1 Personale og kontor 2500 7 17.500 5 87.500 

Estimeret fordeling 142.680 2.007.000 

Faktisk forbrug 2.008.000 

klare opgaven. Panelerne kan fint anvendes som frostsikring i tilfælde af nedbrud 

på centralvarmeanlægget, men både økonomisk og resursemæssigt er det 

en dårlig ide at anvende dem konstant, uden regulering. 

Servicehuset bygning 1289 

Servishuset indeholder vaskeri, badeastalt, husflidsrum og opholdsrum. Servicehuset 

ligger i samme bygning som Sisimiuts bygdekontor og sundhedsklinikken. 

Servicehuset har sin egen afregningsmåler, men fyret og cirkulations-

Tabel B.3: Fordelingen af energiforbruget på Vandværket 1316 

103 



1 Elpanel Taphus1 250 16 4000 7 28.000 

2 Hovedledning sek.2 340 16 10880 7 76.160 

2 Hovedledning sek. 1 800 16 25600 7 179.200 

1 Hovedpumpe frekv. 2200 10 22000 7 154.000 

1 Reservepumpe 2200 0 0 7 0 

2 Uv-behandlingsanlæg 85 12 2040 7 14.280 

1 Sikring af afløb 138 14 1932 7 13.524 

1 Sikring af overløb 552 14 7728 7 54.096 

1 Oliebrænder 290 12 3480 7 24.360 

2 Elpaneler vandværk 1500 22 66000 7 462.000 

1 Af/inløbspumpe tank 7500 0 0 0 0 

1 Overløbspympe 7500 0 0 0 0 

Estimeret fordeling 6965 62480 1.005.620 

Faktisk forbrug 991.085 

pumperne, som betjener hele bygningen, er placeret i bygdekontorets del af 

bygningen og går dermed på dens afregningsmåler. Sundhedsklinikken bliver 

primært anvendt som medicindepot og bliver derfor kun forsynet med varme, 

til opvarmning, fra centralvarmeanlægget. I det følgende beskrives derfor kun 

energiforbruget i servicehuset og bygdekontoret. 

Alle drifttimer undtagen tallet for varmekablet er estimerede ud fra de observationer 

jeg gjorde den uge, jeg boede i Servicehuset. Varmekablet opvarmer 

et 50 mm plastafløb, isoleret med 50 mm skum og en 6,2 mm plastkappe. 

Varmekabletsstyring er instillet til 2 grader og en delta temperatur på 0,3 

grader. Effekterne er aflæst på de enkelte maskiner. Vaskemaskinerne forsynes 

med 60 ◦ varmt vand fra fyret, og derfor anvendes varmelegemet forholdsvis 

lidt. Forbrugene for fryser og køleskab er taget fra deres mærkningsforbrug, 

se fordelingen, tabel B.5. 

Der er installeret to typer cirkulationspumper på varmesystemet. En Grundfoss 

UP20-15 N150 som cirkulerer vandet fra fyret til varmtvandsbeholderen 

og en tilsvarende til centralvarmeanlægget. Der sidder to Grundfoss UPE 25- 

40 180 på varmvandsfremløbet, hvor den ene sidder som reserve. På disse to er 

der installeret en tidsstyring, men der er kun indsat enkelte pauser mandag. 

Ellers kører den ene af de to pumper konstant. 

Varmekablet til sikring at stikledningen ind til huset er anslået til 30W/m, 

men det vil variere alt efter, hvor mange timer der anvendes et eller to kabler. 

Kablet er sat til 7 ◦ C en delta tempetatur på 0,6 grader 

I de estimerede værdier er et mindre standby forbrug til kontormaskiner, 

vaskemaskiner og tørretrumpler mm..

104 


FORBRUGERE 

Tabel B.4: Fordelingen af energiforbruget i Servicehuset 1289 



1 Trinettekøkner 2300 2 4600 5 23.000 

1 Kaffemaskiner 600 3 1800 5 9.000 

1 Elkedel 1200 0,1 120 5 600 

1 Industritørretrumpler 8500 0 7 0 

1 Motor 245 5 1225 5 6.125 

1 Varmelegme 8000 3 24000 5 120.000 

1 Alm, Tørretrumpler 2300 3 4600 5 34.500 

3 Industrivaskemaskiner 7900 0 5 0 

3 Varmelegme 7500 1,2 22500 5 135.000 

3 Motor 400 5 6000 5 30.000 

1 Strygejern 1200 0,4 480 7 3.360 

1 Microovn 1600 0 0 7 0 

1 Lille kummefryser 180 5,5 990 7 6.930 

1 Lille Køleskab 90 3,56 320,4 7 2242,8 

5 Varmekabel afløb 20 12 1200 7 8.400 

Estimeret fordeling 42.115 72.635,4 378.757,8 


Taphus 5 

Taphus 5 er en lille hytte på 2,8x3,4x2,17 m. Hytten er isoleret med 80mm 

mineraluld og opvarmet med et 2000 Watts elpanel, indstillet til 25 ◦ C . Ser 

man igen på en uge i februar, kan fordelingen af forbruget estimeres til tabel 

B.6. Foruden Taphus 5 findes der et lignende Taphus 6, som også anvendes 

til opmagasinering. Taphus 6 opvarmes med oliefyr, og det har ikke været 

muligt at skaffe et fyringsbudget for denne hytte. De øvrige taphuse 1-4 er 

ikke egentlige huse men en lille boks på fire ben figur B.3. 

Figur B.3: Taphuse i Sarfannguaq 

Hvis der ikke er en meget god grund til at opretholde Taphus 5 i sin

Tabel B.5: Fordelingen af energiforbruget i Bygdekontoret 1289 

105 



1 Trinettekøkken 2300 0.4 920 5 4.600 

1 Kaffemaskine 600 3 1800 5 9000 

1 Kaffemaskiner 600 5 3000 5 15.000 

2 Stationære computere 300 7 4200 5 21.000 

2 Pcskærme 70 5 980 5 4.900 

1 Kopimaskine 250 1 250 5 1.250 

1 Andre kontormaskiner 250 2 500 5 2.500 

2 Cirkulationspumpe cent. 30 24 1440 7 10.080 

2 Cirkulationspumpe vand 40 14 1120 7 7.840 

1 Gulliver RG02R brænder 290 11 3190 7 22.330 

6 Varmekabel 30 18 3240 7 22.680 

Estimeret fordeling 4195 17235 112.180 


Tabel B.6: Fordelingen af energiforbruget i Taphus 5 1302 


Antal Beskrivelse Effekt [W] Drifttimer Forbrug /uge Forbrug 

1 Elpanel Taphus 5 2000 19 38000 7 266.000 


1 Frostsikringskabel Z2 1035 10 10350 7 72.450 

Estimeret fordeling 4320 10 63700 445.900 


nuværende form og placering, kunne der spares meget energi ved at ændre 

den til en boks. Derudover er det tvivlsomt, om dens placering giver den en 

berettigelse. Benyttes den ikke til nogle aktiviteter ved vandet, kunne det være 

en god ide at flytte den op til bygning 99 og dermed spare 40 m ledning og en 

del el til opvarmning af hytte og ledning. 






2 Tarco 180rør 1035 13 26910 7 188.370 

2 Tarco 200rør 575 14 16100 7 112.700 

Estimeret fordeling 3720 53510 374.570 

Faktisk forbrug 377.995

106 


FORBRUGERE 

Taphus 3 forsyner både frostsikringskablerne til hovedledningen sektion 

3 og 4. Sektion 3 og 4 sikres med fire kabler hver. For sektion 3 trækker 

de 2,5A per kabel og for sektion 4 4,5A per kabel. Kabel temperaturen er 

som for de fleste andre kabler i bygden indstillet til en minimumstemperatur 

på 7 ◦ C og en ∆t på 0, 6 ◦ C. Selve taphuset er opvarmet med et 250 W 

elpanel med en set-temperatur på 15 ◦ C. Taphuset er isoleret ca. 40 mm mineraluld/opskummet 

polystyren, udført med varierende kvalitet. Det vurderes 

derfor, at elpanelerne har relativt mange drifttimer, men med den lave effekt 

er det ikke voldsomme mængder energi, der anvendes til frostsikring af denne 

type taphuse. Elpanelerne er udstyret med extern termostat og føler for at 

sikre, at reguleringstemperaturen er korrekt. Taphus 1-4 er påbygget som vist 

figur B.3, isoleret og opvarmet som beskrevet for taphus 3. Termostaterne i de 

fire taphuse er indstillet til imellem 15 og 25 ◦ C. Den eksterne termostat taget 

i betragtning burde denne set-temperatur kunne reduceres betydeligt, uden at 

det påvirker frostrisikoen. Hvad den kan reduceres til og om bedre isolering er 

en god investering kunne være en god ide for Nukissiorfiit at undersøge, mere 

herom i de særskilte rapporter til Nukissiorfiit og beboerne i Sarfannguaq, der 

er udarbejdet i forbindelse med dette projekt. På samme måde kunne det være 

en god ide at beregne den nødvendige set-temperatur på de selvregulerende 

varmekabler for at sikre, at vandrørne ikke fryser. Nukissiorfiit oplyste, at der 

anvendes 2 − 3 ◦ C i Sisimiut, men hvad den nødvendige temperatur er for de 

fritliggende rør i Sarfannguaq er uvist. Producenten Tarcorør er overtaget af 

Løgstørrør, men de er meget interesseret i at hjælpe ved en evt. undersøgelse 

af dette. 


Antal Beskrivelse Effekt Drifttimer Forbrug Dage Forbrug uge 


1 Oliebrænder 165 17 2805 7 19.635 

1 Grundfoss cirk. 50 24 1200 7 8.400 

1 Tarco 180rør 690 17 11730 7 82.110 

Estimeret fordeling 855 15.735 110.145 


Taphus 6 fungerer også som bygdens brandstation. Hytten er identisk med 

Taphus 5, men blot oliefyret. Rummet opvarmes af en traditionel radiator 

forsynet via en cirkulationspumpe, 36-70 W. Kedelvandstemperaturen var ved 

besøget 75 ◦ C. Frostsikringskablerne i stikledningen til hytten er tilsluttet i 

hytten, men ellers er der kun et mindre forbrug til belysning. 

Vandledningerne i Sarfannguaq 

Vandledningerne i Sarfannguaq består af præisolerede PE-HD rør. Rørerne er 

isoleret med polyurethanskum og forsynet med to kvadratiske tracerrør i alu-

107 

minium. Hver af tracerrørerne er udstyret med et selvregulerende varmekabel 

på imellem 10 og 20 W/m. Den anvendte isoleringsskum har en isoleringsevne 

λ = 0, 032W/m 2 k. Rørerne ligger for det meste frit, men i enkelte områder 

er de nedgravede af hensyn til stier mm. Føringsveje, længder og dimensioner 

kan ses på tegningen over systemet, der er udarbejdet i forbindelse med dette 

projekt. 

Tabel B.9: Rør anvendt i vandforsyningssystemet 

Kapperør Innerrør 

Diameter Godstykkelse Diameter Godstykkelse 

140 4,4 32 3 

180 5,6 75 6,9 

200 6,2 110 10

Bilag C 

Datagrundlag 

Tabel C.1: Elforbruget i Sarfannguaq 

Beskrivelse Periode Opløsning Rettighedshaver Udleveret af 

Årlig forbrug 1999-2007 År Nukissiorfiit Grønlandsstatistik 

Fjernaflæst forbrug 09.2007-01.2009 15min. Nukissiorfiit Nukissiorfiit 

Målerliste - - Nukissiorfiit Nukissiorfiit 

Tabel C.2: Kraftværket i Sarfannguaq 


Datablade - - Scania Nordhavn 

Brændstofforbruget 1999-2008. - Nukissiorfiit Nukissiorfiit 

Produktionsrapporter mdr. - Nukissiorfiit Nukissiorfiit 

Distributionsnet DXF-tegning - Nukissiorfiit Nukissiorfiit 

Tabel C.3: Vandforbruget i Sarfannguaq 

Beskrivelse Periode Opløsning Rettigheder Udleveret af 

Årligforbrug 2001-2007 År Nukissiorfiit Grønlandsstatistik 

Fjrenaflæstforbrug 09.2007-09.2008 Måned. Nukissiorfiit Nukissiorfiit 

Tabel C.4: Brændstofforbruget i Sarfannguaq 


Benzinforbrug 2004-2007 Måned KNI Grønlandsstatistik+KNI 

Gasolieforbrug 2004-2007 Måned KNI Grønlandsstatistik+KNI 

Petroleumforbrug 2004-2007 Måned KNI Grønlandsstatistik+KNI 

Flaskegasforbrug 2004-2007 Måned KNI Grønlandsstatistik+KNI 

109

110 BILAG C. DATAGRUNDLAG 

Tabel C.5: Kort 

Beskrivelse Kurver Opløsning Rettigheder Udleveret af 

G250V 100m 1:250.000 KMS DTU space 

Sisimiut grundkort 0,5m DTM 5x5m Asiaq Asiaq 

Sisimiut klasse1 25m DTM 100x100m Asiaq Asiaq 

Sisimiut vandrekort 25m 1:100.000 Compukort Gre. tursism 

Datagrundlag vandrekort 25m 1:125.000 Compukort Compukort 

Sarfannguaq grundkort 0,5m DTM10x10m Asiaq Asiaq 

Kangerlussuaq grundkort 0,5m DTM10x10m Asiaq Asiaq 

Kangerlussuaq klasse1 25m DTM100x100m Asiaq Asiaq 

Kangerlussuaq vandrekort 25m 1:100.000 Compukort Compukort 

Tabel C.6: Vinddata 


Sisimiut by 515 09.1991- 60min. Asiaq Asiaq 

Sisimiut Mittarfia 2001- 60min. DMI Ikke udl. 

Dumpen 2004-2008 10min. DTU Winddata.com 

Kangerlussuaq 1973- 60min. DMI Ikke udl 

Sisimiut dumpen 08.2004- 10min. DTU DTU 

Sarfannguaq 03-04+06-07 10min. DTU Winddata.com 

Summit 2008-2009 1min Geosummit Geosummit 

Sisimiut Mittarfia 02.2008- 8 s GLV GLV 

Tabel C.7: Temperaturdata 





Dumpen 2004-2008 10min. DTU Winddata.com 

Pisissarfik 464 1998- 60min. Asiaq Asiaq 

Sisimiut dumpen 08.2004- 10min. DTU DTU 

Sarfannguaq 03-04+06-07 10min.6 DTU DTU 

Summit 2008-2009 1min Geosummit Geosummit 

Tabel C.8: Nedbørsdata 




Kangerlussuaq 1973- 60min. DMI Ikke udl

Tabel C.9: Indstrålingsdata 

111 


Sisimiut by 515 09.1991-10.2006 60min. Asiaq Asiaq 



Tabel C.10: Fugtighedsdata 





Tabel C.11: Lufttryk 




Kangerlussuaq 1973- 60min. DMI Ikke udl

Bilag D 

Opbygning af model, 

eksisterende system 

For at kunne bestemme følgerne ved en ændring af forsyningssystemet i Sarfannguaq 

er det nødvendigt at have en model af systemet. Som udgangspunkt 

kendes forbruget for hvert kvarter for en periode på et år. Der er ikke endnu 

foretaget målinger, der vil kunne fastlægge fluktuationer og max/min værdier 

i disse 15 minuters intervaller. Ud fra de kendte forbrugsdata er det muligt 

at simulere, hvordan kraftværket har arbejdet, og hvordan eventuelle nye tiltag 

vil påvirke systemet. Den første model, der opstilles, er en model af det 

eksisterende system. Modellen skal danne grundlaget for undersøgelse af energimæssige 

og økonomiske konsekvenser af implementering af nye komponenter 

i systemet. Modellen skal som udgangspunkt ikke omfatte de eltekniske konsekvenser, 

som f.eks. Elkvaliteten. Som simuleringsprogram anvendes Simulink, 

der er et standard Matlab simuleringsværktøj. Simulink giver mulighed for både 

at anvende eksisterende moduler, udveksle moduler med andre og endelig 

at designe egne moduler. Programmet giver mulighed for at køre simuleringen 

direkte i programmet eller, hvis dette er for tidskrævende, kan programmet 

konverteres til C-kode, som kan køres udenfor programmet. 

D.1 Input til modellen 

Som tidligere beskrevet anvendes de fjernaflæste 15 minutters data som input 

for modellen. De fjernaflæste data er stillet til rådighed af Nukissiorfiit, som 

en dataserie for hver enkelt måler i bygden. Forbruget er målt som antallet af 

kWh, der er forbrugt inden for den aktuelle måleperiode. I den statiske model 

beskrives fordelingsnettets indflydelse på systemet kun som et nettab. Det 

betyder, at der ikke tages højde for, hvor i nettet forbruget et placeret. Det 

betyder, at forbruget i nettet kan beskrives af det samlede forbrug, og derfor 

anvendes en summering af forbruget for alle målere i hver enkelt 15 minutters 

interval. Inputdataene opdeles i måneder for at muliggøre simulering af de 

113

114 BILAG D. OPBYGNING AF MODEL, EKSISTERENDE SYSTEM 

enkelte måneder separat. Forbrugsdataene er kvalitetssikrede og samlet i en 

matrise med en tidsserie i første række. Rækkerne 2-15 indeholder forbrugsdataene 

for okt. 2007 -Dec. 2008. Række 16 indeholder den samlede dataserie for 

2008. Alle pladser i matrisen, som ikke indeholder måledata, udfyldes med en 

fejlkode. I dette tilfælde anvendes -1"og det benyttes til at afbryde simulering, 

når enden af dataserien er nået. Dataene gemmes som en MAT-fil for at kunne 

anvende et standard Simulink modul til at indlæse dataene. 

Under besøget i Sarfannguaq blev det observeret, at det ikke er alt strøm, 

der registreres af de fjernaflæste målere. Kraftværkets eget forbrug samt forbruget 

til vejbelysning måles kun manuelt, og der findes derfor kun månedsvædier 

for disse forbrug. Derved opstår problemet med at fastlægge variationerne 

af disse forbrug. Disse to forbrug udgør 3,6% af det samlede forbrug. Ud fra 

de ringe muligheder for at estimere de korrekte variationer og den forholdsvis 

lille andel af det samlede forbrug er der istedet anvendt de månedlige middelforbrug 

som input for disse forbrug. 

For at bevare muligheden for at kunne verificere nettabet ud fra afgangsmålinger 

behandles disse forbrug særskilt og importeres fra en separat fil. 

Disse forbrug går direkte fra forbrugsmodulet og til kraftværksmodulet, hvor 

de lægges til afgangeffekten til nettet. 

D.2 Opbygning 

Opbygningen af simuleringsmodellen tager udgangspunkt i forbruget og derfor 

kaldes første modul "Forbrug". Forbrug-modulet har til opgave at indlæse 

forbrugsdataene og sikre, at de har det rigtige format. 

Til indlæsning af dataene anvendes standardmodulet "From File"figur D.1. 

Indlæsningsmodulet instilles til at indlæse MAT-filen og frigiver en kolonne 

data ad gangen afhængig af samplingsfrekvensen. Det betyder, at modulet frigiver 

de tilhørende værdier fra, hvad der svare til måleperiodens begyndelse 

til slutningen, og det betyder, at dataene indlæses som middelværdier over de 

15 minuter, de er målt over. Der udsendes således en vektor med værdierne 

fra række 1-16 i den kolonne, som den akutelle simuleringtid svare til. Til simuleringen 

skal kun en af værdierne i vektoren anvendes, og derfor defineres 

et input, som definerer hvilken værdi vektorindex-modulet skal videresende. 

Den valgte værdi adderes med en konstant værdi på 1, sådan at indtastning 

af 1 svare til januar og indtastning af 13 medfører hele dataserien. Til at 

sikre at dataene ligger inden for et valid interval anvendes et "Check Static 

Range"modul. Modulet afbryder simuleringen, hvis de inkomne data ligge unden 

for det definerede interval. Dette sker f.eks., når simuleringen er nået til 

enden af den valgte dataserie, og den valgte fejlkode -1"indlæses. Afbrydes 

simuleringen ikke, sendes dataene ud af modulet via outmodulet "Forbrug".

D.2. OPBYGNING 115 

Netmodel 

Figur D.1: Modul til indlæsning af statistiske data 

Efter at have testet hele modulet "Forbrug"opbygges modulet "Net", som skal 

lægge tabet igennem nettet til forbruget. Tabet i et kabel kan simpelt beskrives 

vha. Joules lov: 

E = RI 2 τ ⇒ PT ab = RI 2 

(D.1) 

Som det kan ses af D.1 vil tabet således afhænge at strømmen kvadreret, og 

da netspændingen er tilnærmelsesvis konstant, vil strømmen være proporsional 

med forbruget. Nettabet og netopbygningen er på nuværende tidspunkt 

ukendt, og nettabets andel af det samlede tab må derfor estimeres og indgå 

som en del af den endelige verificering af simuleringsmodellen. Som udgangspunkt 

estimeres tabet til 1, 5% ved en belastning på 100kW. 

PT ab = RI 2 ⇒ 

0, 015 · 100000 

100000 

= c · 100000 2 ⇒ c = 1, 5 · 10 −12 

(D.2) 

Modstanden i et kabel vil også afhænge af temperaturen, men dette negligeres 

i denne simple model. Det vurderes ikke, at implementering af den temperaturafhængige 

kabelmodstande er relevant, før hele nettet modelleres i detaljer. 

Den simple model på baggrund af Joules lov formel D.2 anvendes således til 

bestemmelse af nettabet. Modellen er opbygget som vist figur D.2, med input 

fra "Forbrug"modulet. Modulet beregner hvor meget effekt, der skal tilføres 

nettet samt nettets virkningsgrad. Nettets virkningsgrad anvendes i beregning 

af systemets samlede virkningsgrad, og effekten anvendes som input for 

kraftværksmodulet.


Kraftværksmodellen 

Figur D.2: Simpel model for transmissionsnettet 

Figur D.3: Model for nuværende kraftværk 

Kraftværket består idag kun af et generatorsæt med tre generatorer af forskellig 

størrelse. Kraftværksmodulet har tre input, et valg af generator, en effektefterspørgslen 

fra nettet og en effektefterspørgsel fra kraftværkets egetforbrug 

samt gadebelysningen. Kraftværksmodulets primære opgave er ud fra effektbehovet 

at beregne brændstofforbruget. Nukisiorfiit har ikke været istand til 

at oplyse noget om, hvilke generatorer der har kørt hvornår eller hvor mange 

start/stop de enkelte generatorer har haft. 

Model, mærke og forhandler af generatorsættene er oplyst af Nukissiorfiit. 

Det har ikke været muligt at fremskaffe testresultater på hele generatorsæt-


Figur D.4: Virkningsgrader for de to generatortyper 

tet men fra generatorfabrikanten Stamford er der fremskaffet virkningsgradskurver 

for generatorerne. Virkningsgradskurverne findes kun for intervallet 

25 − 110% af den nominelle belastning. For at sikre at virkningsgraden er difineret 

på hele intervallet beregnes formlen for kurven. Generator to og tre er 

ens, derfor indeholder D.3 kun to virkningsgradskurver. 

Motorerne, som er fremstillet af Scania, er alle af typen D9, men motoren 

til generator 1 er neddroslet til 135kW mod de 197kW, der anvendes til generator 

2+3. Det har kun været muligt at få oplyst brændstofforbruget ved 

0, 20, 50, 75 og 100% belastning. Motorerne er standard turboladede motorer 

og standardforbrugsdata er derfor fremskaffet til udarbejdelse af det fornødne 

datagrundlag. Lektor Jesper Schram MEK-DTU har udleveret et diagram for 

en standard Ferrari turbodieselmotor. Diagrammet anvendes sammen med de 

kendte forbrug, ved 0, 25, 50, 75 og 100 % belastning til at estimere brændstofforbruget 

for de to motor typer figur D.5. Som kurven tydeligt indikerer, 

har det ingen betydning for brændstoføkonomien, hvilken motor der anvendes 

fordi de fysisk er ens. Forbruget for området 0-20 kW er behæftet med en lille 

usikkerhed. Modstande i generatoren som f.eks. friktion får en større betydning, 

efterhånden som den udtrukne effekt falder. Producenten var også kun 

istand til at give et cirka forbrug for nul last. 

Generatormodellen er som resten af systemet opbygget fra forbrugssiden 

og dermed imod energistrømmen. Modellen indledes med en kontrol af, om det 

indkommende produktionskrav kan opfyldes af den valgte generator. Overstiger 

kravet generatorens indstillede maks. last, kobles der automatisk en eller


Figur D.5: Estimering af brændstofforbrug for motorer 

flere ekstra generatorer ind. Det har ikke været muligt at fremskaffe styringsalgoritmen 

for PLCen, og derfor er kriterierne for opstart af en ekstra motor 

ukendt. Af driftdataene kan det ses, at der findes perioder, hvor der køres 

parallelt med to eller flere generatorer, da driftimerne overstiger timerne i 

perioden. En ekstra generator kan enten automatisk kobles ind, hvis reservekapaciteten 

på den anvendte generator bliver for lille eller, også kan den 

kobles ind (manuelt), hvis man forventer, at forbruget i en periode vil bliver 

højt. Hvor meget af parallel driften der skyldes manglende reserve kapacitet 

vides ikke, men det må forventes, at størstedelen kan tilskrives dette, da der 

ikke er nogen direkte manuel overvågning af kraftværket. Da det vil have en 

voldsom negativ effekt på værkets økonomi at køre parallel drift ved lave forbrug, 

må det antages, at dette kun finder sted i høje belastningssituationer. 

Til styring af parallelt drift i modellen anvendes derfor udelukkende belastningen 

på generatorene. Ud fra de kendte belastninger antages det, at der aldrig 

køres med mere end to generatorer parallelt af gangen. Derved kan niveauet 

af reservekapaciteten estimeres ud fra antal drifttimer og belastningshistorikken. 

Som eksempel er den akkumulerede lastfordeling og andelen af parallel 

drift angivet figur D.7. Der blev kørt parallelt 4,75 % af tiden i 2008, hvilket 

svarer til en belastning fra omkring 98 kW og op efter. For at få afklaret 

spørgsmålene omkring styringen er den ansvarlige stærkstrømingeniør hos Megacom 

Danmark, Peter Schougaard kontaktet. Peter har personligt designet 

PLC-programet, men de kan naturligvis ikke udlevere dette. Peter fortæller, 

at styringen regulerer efter effekten og frekvensen på hovedskinnen. Alle pa-


Figur D.6: Akkumuleret lastfordeling for 2008 og angivelse at parallel drift 

andelen 

rametre i programmet opdateres for hver 30 ms. Styringen af generatorerne 

er opbygget med faste startværdier, men med en mere avanceret stopfunktion 

kaldet „Selektiv stop“. Det vil sige at der startes en ny generator ved en given 

effekt, men alt efter historikken kan den udkobles igen, før eller efter dette 

niveau. Når der køres parallelt, er styringen designet til at fordele lasten, så 

perioder med meget lidt belastning forhindres. På grund af det variable stopniveau 

og de manglende parameterdata er det ikke muligt at lave en mere 

nøjagtig bestemmelse af start/stop niveauerne end ved at anvende lastfordelingerne. 

Resultaterne af denne beregning vil også blive påvirket af, hvor 

meget storforbrugerfunktionen i styringen har været anvendt. Denne funktion 

bruges til at kommunikere imellem kraftværket og fiskefabrikkens køleanlæg. 

Funktionen sikrer at der er tilstrækkelig reservekapacitet når køleanlægget ønsker 

at indkoble en ekstra kompressor. Om parameterne for start og stop er 

indstillet ens for de to motorstørrelser er tvivlsomt. Vi får en lidt højere effekt 

for månederne, hvor generator 1 ikke har været i drift, og det tyder på, at 

niveauet ikke er indstillet ens, tabel D.1. Ved projektets afslutning er driftparametrene 

blevet udleveret af Nukissiorfiit, og det viser sig, at generator 1 er 

indstillet til 96 kW, mens generator 2+3 er indstillet til 150 kW. 

Ud fra disse undersøgelser sættes startværdien for alle generatorene til en 

fast startværdi på 98kW. I praksis vil værdien, på grund af at anvendelsen af 

storforbrugerfunktionen er inkluderet i statistikken, være højere. Med hensyn 

til simuleringsresultaterne vurderes dette ikke at have en den store indflydelse.


Tabel D.1: Driftdata for 2008 og estimeret indkoblingsniveau 

Måned Timer G1 Timer G2 Timer G3 Timer Dob. Andel Dob. Est. Niveau 

1 0 322 422 0 0,0 124kW 

2 282 276 154 16 2,299 93kW 

3 430 0 322 8 1,075 89kW 

4 96 447 210 33 4,583 88kW 

5 199 62 491 8 1,075 94kW 

6 32 20 693 25 3,472 89kW 

7 79 315 363 13 1,747 99kW 

8 20 540 209 25 3,360 92kW 

9 0 624 101 5 0,694 101kW 

10 24 737 58 75 10,081 101kW 

11 193 669 64 206 28,611 96kW 

12 75 194 478 3 0,403 108kW 

Ialt 1430 4206 3565 417 4,747 98kW 

Der kan fordi brændstofforbruget for de tre motorer er ens ved en given belastning 

anvendes en meget simpel styring, der udelukkende anvender lasten 

til at bestemme antallet af indkoblede generatorer. 

Bestemmelsen af antallet af indkoblede generatorer, beregnes ud fra belastningsgraden 

og generatorens virkningsgrad ved denne belastning. Når generatorvirkningsgraden 

kendes, kan den nødvendige motoreffekt beregnes. Når 

den nødvendige motoreffekt er kendt, kan motorens brændstofforbrug bestemmes 

ud fra figur D.5. Ud fra brændstofflowet og brænsstoffets brændværdi kan 

generatorens samlede virkningsgrad bereges ved: 

ηGenerator = PNet 

˙v · Bv 

(D.3) 

hvor Bv er brændstoffets brændværdi, i dette tilfælde anvendes gasolies nedre 

brændværdi 34, 686 MJ 

L 1 og PNet et den afgivne elektriske effekt. 

Fordelingen af generatorernes samlede virkningsgrad i forhold til belastningen, 

se figur D.7, viser, at det rent brændstofmæssigt er stort set underordnet, 

hvilken generator der anvendes. En anden væsentlig oplysning er at virkningsgraden 

kun varierer forholdsvis lidt fra en belastning på 60kW og opefter. 

Økonomisk model 

Elpriserne i Grønland er reguleret af hjemmestyret, og for perioden 2005-2009 

gælder en overgangsordning, som har til formål at ændre de grønlandske elpriser 

fra faste priser til markedspriser. Landsstyret har vedtaget, at prisen må 

stige 10% per år plus stigninger på olie og andre produktionsrelaterede udgifter. 

Prisen i 2009 må dog maksimalt være 150% af den landsdækkende pris i 

1 Energistyrelsens Energistatistik 2007, www.ens.dk


Figur D.7: Generatorsættenes samlede virkningsgrad som funktion af belastningen 

Tabel D.2: Produktionsprisen i Sarfannguaq 

Omkostninger 2006 2007 

kr/kWh kr/kWh 

Vareforbrug 1,36 1,28 

Personaleomkostninger 1,12 1,06 

Kapacitetsomkostninger 0,63 1,78 

Afskrivninger 0,85 1,31 

Renter 0,34 0,30 

Enhedspris 4,31 5,73 

2003. Disse krav er gældende for hver sammenhængende område. Det betyder, 

at Nikussiorfiit har været tvunget til at beregne de nøjagtige enhedsomkostninger 

for hver produktionsanlæg og dermed også anlægget i Sarfannguaq. Vi 

kender derfor enhedsprisen og baggrunden for prisen, se Tabel D.2. Ud af de 

fem udgiftsposter, som enhedsprisen består af, er der kun vareforbrug, der 

varierer med produktioner. De fem andre vil være faste over året, men vil variere 

fra år til år. Vareforbruget dækker over gasolieforbrug, motorolieforbrug 

og andre direkte produktionsrelaterede udgifter. Vareforbruget vil, fordi der


Figur D.8: Produktionsprisen per kWh 

næsten udelukkende er tale om oliebaserede produkter, variere med olieprisen. 

Grønland her indtil 2009 være begunstiget med en fordelagtig fastprisaftale 

på olie, men fra 2009 overgår priserne til verdensmarkedspriser, og det vil 

sandsynligvis betyde, at priserne på oliebaserede produkter vil stige. Vi tager 

udgangspunkt i 2007 priser D.2, da det er de nyeste, tilgængelige data. 

Enhedspriserne er beregnet ud fra produktionsomkostningerne per produceret 

kWh (2007 415.240kWh). 

For at gøre modellen så anvendelig og realistisk så mulig baseres prisen på 

gasolie- og smøreolieforbruget. Smøreolieforbruget bereges som et forbrug per 

forbrugt liter gasolie formel D.4 

RSmreolie = msmreolie 

mGasolie 

= 816L 

= 5, 506 · 10−3 

148200L 

(D.4) 

Smøreolien koster omkring 22kr/L, hvilket betyder, at smøreoliens andel 

af enhedsprisen er 4,32øre/kWh og antages det, at omkostningerne til gasolie 

udgør resten, er prisen 3.465kr/L. Denne pris er en smule under den officielle 

grønlandske pris på 3,74 kr/L, men det kan skyldes mængderne, der aftages, 

og at Nukissiorfiit har nogle særlige aftaler. De faste udgifter (4,45 kr/kWh) 

antages at være jævnt fordelt over året og implementeres i modellen som udgift 

per sekund formel D.5. 

KF ast = 

KF ast · PSolgt 4, 45˙375224 

kr 

= = 0, 05295 

Antalsekunderiåret 31536000 sek. 

(D.5)

D.3. VERIFICERING AF MODEL 123 

Figur D.9: Økonomisk model for kraftværket 

Dette sættes sammen til en simpel økonomisk model for det nuværende kraftværk 

D.8. 

D.3 Verificering af model 

Verficering af modellens resultater er som tidligere beskrevet kompliceret af 

fejlaflæsninger mm. Det betyder, at det er svært at fastlægge det eksakte 

nettab, tab ved start/stop af generatorene og kørsel med flere generatorer. 

Som udgangspunkt er nettabet estimeret ud fra et helt år for at minimere 

konsekvenserne af aflæsningsfejl og varierende aflæsningstidspunkter. Til verificering 

af brændstofforbruget og produktionen anvendes også et helt år. Som 

det tidligere er nævnt er brændstofforbruget målt med en induktiv flowmåler, 

og ifølge producentens angivelser skulle disse målinger være relativt præcise. 

Sammenholdes måleresultaterne med de pejlede beholdninger ved årets start 

og årets afslutning, samt den tilførte mængde i løbet af året, er der op til 19% 

afvigelse. Ser man samlet over de tre år(2006-2008) med denne typer målinger, 

er afvigelsen på omkring 9,1% eller knap 48 m 3 . For alle de tre år er der 

tale om, at der er forbrugt mere olie end der er tilført, og derfor er der klart, 

at der er et problem med nogle af målingerne. Som udgangspunkt blev det 

valgt at anvende de målte mængder, men ved en nærmere gennemgang af de 

udleverede driftdata har det vist sig, at mængderne beregnet ud fra beholdningerne 

og den tilførte mængde i perioden giver mere realistiske resultater. 

Det er således ikke realistisk, at der skulle være påfyldt 48 m 3 mere gasolie end


Figur D.10: Model for nuværende system 

der er registreret over en treårig periode. Modellen kalibreres derfor efter de 

beregnede værdier frem for de målte. Det betyder at start/stop parameteren i 

for kraftværket bliver på 1,011. Det betyder også, at de variable omkostninger, 

der er udregnet på baggrund af olieforbruget, må ændres. Olieprisen stiger på 

den baggrund til 4,1248 kr/L. 

Den økonomiske model anvender Nikissiorfiits egne omkostningsdata. Derfor 

er den let at kontrollere ved at anvende olieforbruget og salget for 2007 

som input og kontrollere om omsætningen passer.

Bilag E 

Vinddata og statistik 

Til dette projekt er der anvendt meteorologiske data fra Sarfannguaq og Sisimiut. 

Jeg ville gerne have haft flere data tilrådighed, men på grund af DMI’s 

priser på data var det ikke muligt at supplere med deres data. Dette afsnit 

indeholder statistisk bearbejdning af de indsamlede data og en estimering af 

langtid vindresurcerne for sitet ved Sarfannguaq. 

E.1 Vinddata for Sarfannguaq 

Artek-DTU har i to perioder siden 2003 indsamlet vinddata fra toppen af 

fjeldet over byen. Der er målt med en mast i perioden 08.2003-08.2004 og en 

anden mast i perioden 08.2006-03.2008, hvor udstyret blæste ned. Den anden 

mast står stadig på fjeldet, og i forbindelse med undersøgelser til dette projekt 

er instrumenterne på masten udskiftet. 

Sammenholdes dette med den viden, der findes om vindklimaet i området, 

kapitel 4, skulle sitet være forholdsvis meget påvirket af lokale nordvestenvinde. 

Sammenholdes fordelingen med fordelingen for de tre Sisimiut 

site, Dumpen figur E.3, Teleøen figur E.1 og Lufthavnen afviger fordelingen 

også væsentlig fra disse. Ser man på andre rapporter om vindresurserne i Sarfannguaqområdet 

bl.a. i [Pianigiani(2009)], er disse data anvendt direkte. Ved 

ydeligere studier af dataene, i forbindelse med MCP „Measure Correlate Predict“, 

undersøgelserne afsnit E.4 blev en sandsynlig årsag til denne for området 

unormale fordeling afdækket og teorien er, at vindfanen ved opsætning af den 

anden mast ikke er blevet orienteret korrekt. Ved en korralationsberegning 

imellem dataene fra den første mast og den anden mast blev offsettet imellem 

retningerne for de to serier estimeret til 209 ◦ . Det forudsættes således, at 

vindfanen for den første mast har været orienteret korrekt og sammenholdes 

dette med det kendte vindklima i området og de observerede afbøjninger af 

vinden på sitet, virker fordelingen realistisk. Ved modtagelse af data fra de nye 

instrumenter er det konstateret, at instrumenterne på den første mast ikke var 

orienteret mod den reelle nordpol men mod magnetisk nord, og det betyder, 

125

126 BILAG E. VINDDATA OG STATISTIK 

Figur E.1: Fordelingsrose og hastighedshistogram for raw 10 minuttersdata fra 


at der skal korrigeres endnu en gang, figur E.3. Afvigelsen i retningerne har 

ingen betydning for vindresurserne ved selve mastens placering, men anvendes 

et program, som fx. WASP, til at beregne vindresurserne i området, vil 

resultaterne ikke være korrekte. 

Teleøen 

For Teleøen er der indsamlet to dataserier. En serie med 60 minutters middelværdier 

for perioden (1991.09.21 16:00:00 - 2009.02.21 00:00:00) og en serie 

med 10 minutters middelværdier for perioden (2006.10.24 13:50:00 - 2009.02.21 

00:00:00). 

10 minuttersdata fra Teleøen 

Sammenligning af resultaterne for de to serier 

Sammenlignes middelvindhastighederne for de to serier er det kun sektor 10, 

som afviger en smule, selvom de to serier dækker forskellige perioder. Estimeringen 

af ekstermhastighederne giver henholdsvis 33, 2 + −4, 6m/s og 35, 1 + −3, 4m/s. 

Usikkerheden er som forventet væsentig mindre for den lange serie, selvom der 

anvendes 60 minutters middelværdier figur E.6 og E.7. Til disse indledende 

statistiske bearbejdninger er programmet WAsP climate analyst anvendt. 

E.2 Lufthavnen 

Målingerne i lufthavnen anvendes primært til overvågning af forholdene for 

flytrafikken. Der anvendes to separate målesystemer i lufthavnen. Et vars-

E.2. LUFTHAVNEN 127 

Figur E.2: Fordelingsrose og hastighedshistogram for korrigerede 10 minuttersdata 

fra Sarfannguaq 

lingssystem for turbulens og et system, der anvender hastigheds- og retningsmålinger 

ved banen. Turbulenssystemet anvender målinger på en ø ud for 

lufthavnen, og det andet system anvender de to master, der er placeret ved 

landingsbanen. Turbulenssystemet gemmer ikke dataene og viser kun den aktuelle 

situation. Turbulenssystemet er udviklet af Force Technology og er et 

ekstra system der anvendes, fordi lufthavnen er placeret relativt tæt på fjeldet, 

hvor der er sandsynlighed for kraftig turbulens. Målingerne fra de to master 

placeret i hver ende af banen gemmes i en standard pc som 8 sekunders middel 

og maks-værdier. Programmet er opsat til at pakke hvert døgns målinger i en 

fil. Ved gennemgang af dataene viste det sig, at der var et års data på pc-en. 

GLV’s folk mente, at det skyldes at pc-en var blevet skiftet, men da der er 

tale om præcis et år, er det nok mere sandsynligt, at det er programmet, der 

sletter de gamle data. Det har ikke været muligt få bekræftet denne formod-


Figur E.3: Fordelingsrose og hastighedshistogram for nord korrigerede 10 minuttersdata 

fra Sarfannguaq 

Figur E.4: Fordelingsrose og estimering af 50 års ekstrem vinde for Sarfannguaq

E.2. LUFTHAVNEN 129 

Figur E.5: Fordelingsrose og hastighedshistogram for Teleøen 10 minuttersdata 

Figur E.6: Estimat af ekstremhastigheder og fordeling i sektorer på baggrund 

af 10 minuttersdata for Teleøen


Tabel E.1: 10 minutters middelværdidata for Teleøen i Sisimiut 

Recordings in file: 

count: 122229 

Start time: 2006-10-24 13:50:00 

End time: 2009-02-21 00:00:00 

Mean wind speed data: 

Readings below lower limit (0): 233 (0,19%) 

Readings above upper limit (999): none 

Calms (speeds below 0 m/s): 908 (0,74%) 

Valid readings accepted: 122229 (99,81%) 

Accepted values range: 0,00 m/s to 29,23 m/s 

Mean wind direction data: 





Accepted values range: 0,0ř to 359,9ř 

Data recovery: 

Expected recording count: 122462 

Count of recordings in file: 122462 (100,0%) 

Recordings with invalid values in one or more fields: 234 (0,19%) 

Entirely valid recordings accepted: 122228 (99,81%) 

All-sectors stat.: 

Source data mean: 3,30 m/s 

Fitted Weibull-A: 3,20 m/s 

Fitted Weibull-k: 1,03 

Fitted mean: 3,13 m/s 

Combined Weibull-A: 3,40 m/s 

Combined Weibull-k: 1,10 

Combined mean speed: 3,30 m/s 

ning, men jeg kan blot konstatere, at GLV kun var istand til at levere et års 

data. Dataene sendes løbende til DMI, som gemmer dem i deres databaser, 

men det er som tidligere beskrevet ikke muligt at få adgang til deres data. 

For de to master ved landingsbanen er der mindre afvigelser i retningsfordelingen. 

Den vestlige mast er udsat for mere vind end den østlige, særligt fra 

nord og nordvest er hastighederne væsentlig større. Ser man på deres placering, 

er det som man måtte forvente.

E.3. DUMPEN 131 

Tabel E.2: 60 minutters middelværdidata for Teleøen i Sisimiut 

Recordings in file: 

count: 152697 

Start time: 1991-09-21 16:00:00 

End time: 2009-02-21 00:00:00 

Mean wind speed data: 

Readings below lower limit (0): 3280(2,15%) 




Accepted values range: 0,00 m/s to 29,70 m/s 

Mean wind direction data: 





Accepted values range: 0,0ř to 359,9ř 

Data recovery: 

Expected recording count: 152697 

Count of recordings in file: 152697 (100,0%) 

Recordings with invalid values in one or more fields: 3532 (2,31%) 

Entirely valid recordings accepted: 149165 (97,69%) 

All-sectors stat.: 

Source data mean: 3,23m/s 

Fitted Weibull-A: 3,10m/s 

Fitted Weibull-k: 1,03 

Fitted mean: 3,11m/s 

Combined Weibull-A: 3,40m/s 

Combined Weibull-k: 1,10 

Combined mean speed: 3,27m/s 

E.3 Dumpen 

Artek-DTU har i samarbejdet med MEK-DTU foretaget målinger på en fjeldtop 

ved Dumpen i Sisimiut i perioden 08.2004-08.2008. Målingerne er foretaget 

på en 78 m høj fjeldknude syd for byen. Knuden ligger omkring 1 km vest for 

Kællingehætten(784 moh.) og vil derfor, særlig ved østenvind, være kraftig 

påvirket af strømningerne omkring dette relativt høje fjeld. 

Ud fra sektorfordelingerne figur E.9 øverst er Kællingehættens indflydelse 

på strømninger tydelige. Sammenligner man med målingerne fra Teleøen og


Figur E.7: Estimat af ekstremhastigheder og fordeling i sektorer på baggrund 

af 60 minuttersdata for Teleøen 

Tabel E.3: Observeret vindklima for Teleøen 

Sector Vinkel[ ◦ ] Hyp.10min Hyp.60min Mid.10min Mid.60min 

1 0 6,5% 6,5% 4,62 m/s 4,62 m/s 

2 30 7,4% 7,4% 1,88 m/s 1,88 m/s 

3 60 21,3% 21,3% 2,31 m/s 2,31 m/s 

4 90 13,6% 13,6% 2,99 m/s 2,99 m/s 

5 120 6,1% 6,1% 2,54 m/s 2,54 m/s 

6 150 5,7% 5,7% 2,98 m/s 2,98 m/s 

7 180 8,1% 8,1% 5,01 m/s 5,01 m/s 

8 210 4,8% 4,8% 4,86 m/s 4,86 m/s 

9 240 2,7% 2,7% 2,45 m/s 2,45 m/s 

10 270 8,8% 8,8% 1,42 m/s 2,95 m/s 

11 300 9,6% 9,6% 3,98 m/s 3,98 m/s 

12 330 5,3% 5,3% 4,80 m/s 4,80 m/s 

All 3,30 m/s 3,23 m/s

E.4. MCP BEREGNINGER FOR SITES 133 

Figur E.8: Estimat af fordeling på sektorer på baggrund af 10 minuttersdata 

for Lufthavnen, øst øverst og vest nederst 

Lufthavnen figur E.5 og E.8, er det tydeligt, hvor de høje forekomster af østige 

vinde er afløst af sydøstlige. Det relativt frie inflow i de sydlige sektorer betyder, 

at disse retninger bidrager med et ikke uvæsentlig del at vindpotentialet. 

E.4 MCP beregninger for sites 

MCP står for „Measure Correlate Predict“. MCP er en simpel metode til 

estimering af vindpotentialet for et møllesite, ud fra sitemålinger og langtids 

målinger fra et referance site. Ud fra en korrelationsfunktion, som beskriver 

forholdet imellem vinde for de to site, kan vindpotentialet så bestemmes. Der 

kan anvendes flere forskellige metoder, men i dette tilfælde anvendes udelukkende 

liniare relationer. Det skulle under normale omstændigheder give et 

godt resultat [Anderson(2004)].


Tabel E.4: Observeret vindklima for Lufthavnen 

Sector Vinkel[ ◦ ] Hyp. øst Hyp. vest Mid. øst Mid. vest 

1 0 0,2 % 0,2 % 0,61 m/s 0,74 m/s 

2 30 3,4 % 2,1 % 2,39 m/s 1,48 m/s 

3 60 16,9 % 11,2 % 3,03 m/s 3,32 m/s 

4 90 20,0 % 24,5 % 1,72 m/s 2,30 m/s 

5 120 8,8 % 10,6 % 1,60 m/s 1,89 m/s 

6 150 6,9 % 7, %8 1,95 m/s 2,85 m/s 

7 180 7,3 % 5,6 % 1,87 m/s 3,99 m/s 

8 210 6,6 % 4,0 % 2,52 m/s 3,15 m/s 

9 240 8,0 % 5,0 % 2,46 m/s 2,19 m/s 

10 270 14,1 % 13,9 % 3,55 m/s 3,19 m/s 

11 300 6,5 % 12,3 % 2,80 m/s 5,07 m/s 

12 330 1,3 % 2,5 % 2,52 m/s 4,77 m/s 

All 2,45 m/s 3,01 m/s 

Tabel E.5: Observeret vindklima ved Dumpen 

Sector Vinkel[ ◦ ] Hyp. [%] Mid.[ m 

s ] W Power[ m2 1 0 4,6 4,64 

] 

141 

2 30 6,3 4,22 108 

3 60 8,8 3,21 40 

4 90 9,0 4,14 155 

5 120 14,1 5,89 324 

6 150 17,2 5,49 220 

7 180 7,5 3,96 182 

8 210 7,6 7,12 882 

9 240 5,0 6,75 665 

10 270 2,6 3,24 138 

11 300 7,7 3,72 98 

12 330 9,8 4,41 124 

All 4,84 251


Figur E.9: Estimat af fordeling på sektorer på baggrund af 10 minutters data 

for Dumpen 

Relation imellem Sarfannguaq sitet og masten på Teleøen 

Det eneste site hvor det har været muligt at skaffe langtidsdata, dækkende hele 

måleperioden for Sarfannguaq, er Teleøen. Dataene som dækker hele perioden 

er times værdier, hvor dataene for Sarfannguaq er 10 minutters værdier. Det 

betyder, at det er nødvendigt at omregne dataene til times værdier inden 

de kan sammenlignes. Efter omregningen plukkes de tilsvarende (samtidige 

målinger) data for Teleøen ud og sammenholdes med dataene for Sarfannguaq 

figur E.10. 

Den direkte korrelation imellem de to tidsserier kan aflæses af korrelationsfaktoren, 

som er angivet i figurens overskrift. Den direkte korrelation på 0,15 

betyder at de to serier ikke korrelerer særlig godt. Ser men nærmere på dataene, 

optræder flere af perioderne med høje vindhastigheder i næsten samtidige 

i begge serier. Ser man på afvigelserne, er de generelt størst i vinterhalvåret,


Figur E.10: Figuren viser de samtidige målinger for Sarfannguaq og Teleøen i 

Sisimiut. Den nederste figur viser afvigelserne imellem de to måleserier. 

hvor de generelle vindhastigheder er højest. Det er en indikation af, at der 

er nogle særsonvariationer, der påvirker sammenhængen imellem de to sites, 

og man bør derfor være opmærksom på dette ved anvendelse af de almindelige 

beregningsmetoder. Den viste varierende middelværdi er et middel over 

14 dage. Plottes dataene imod hinanden, figur E.11, ses forskellen på de to 

sites tydeligt. De lange perioder med lave vindhastigheder for Teleøen sitet 

betyder, at det er meget vanskeligt at finde en fornuftig sammenhæng imellem 

målingerne. Forskellene på strømninger på de to sites beskrives næmere, 

når de sektorvise data præsenteres. 

Undersøges de samtidige retningsdata figur E.12, vil de dominerende vindretninger, 

øst og vest være meget tydelige. Forekomsten af dem er også rimelig 

entydig. Vestenvinden er dominerende i sommerperioden, mens østenvinden 

er fremherskende i vinterperioden. Undersøges dataene for Sarfannguaq forskydes 

denne variation omkring den sorte markering. I dataene for teleøen 

fortsætter tendensen med østlige vinde om vinteren og vestlige vinde om sommeren. 

Sammenlignes dataene for de to sites, er det tydeligt, at retningerne 

er forskubbet i forhold til hinanden. Når der senere sammenlignes med de andre 

sites undersøges dette retningsskift ydeligere for evt. at kunne fastslå den 

korrekte.


Figur E.11: Figuren viser målingerne plottet imod hinanden, og hvordan en 

mulig lineær regression vil se ud 

Adskilles dataserien alt efter, hvilken mast der er anvendt, og plottes de 

imod hinanden figur E.13, giver det et godt billede af ændringen i offsettet. 

Dataene fra den første mast er målt direkte i sektorer, og det medfører de 

vandrette „linje“ af målinger. Der er kun målt i et år med den første mast, 

men der tegner sig et billede af, at retningsændringer er på omkring 220 ◦ . 

En egentlig korrelation imellem retningerne for de to sites er det ikke muligt 

at lave, for hele dataserien, da den er årstidsafhængig og påvirket af fjeldene 

mm.. En anden, men mere usandsynlig mulighed er, at både de dominerende 

vindretninger og teleøensudstyr har ændret retning i perioden, hvor der ikke 

er målt i Sarfannguaq. Før dette kan , er det nødvendig at beregne korrelationerne 

i forhold til de andre master i området, se korrelationer med Dumpen. 

For at identificere særsonvariationerne opdeles dataene i måneder figur 

E.14. Opdelingen af dataene forbedrer korrelationerne betragteligt, men at 

fitte en entydig lineær relation imellem de to dataserier er ikke mulig. Nogle 

måneder giver bedre fit end andre, men generelt kan der kun opnås en meget 

ringe repræsentation af dataene. 

Ud fra retningskorrelationer imellem dumpen og Teleøen, Lufthavnen og 

Teleøen kan det ses, at retningsdataene for Teleøen er korrekte. Det er således


Figur E.12: Figuren viser de samtidige retningsdata for Sarfannguaq og Teleøen 

vindfanen på den anden mast i Sarfannguaq, der ikke har været orienteret 

korrekt. Dataene fra den første mast er ikke tilstrækkelige til at opnå en tilfredsstillende 

sikkerhed, og det er derfor nødvendig at estimere offsettet for 

de resterende data. Udstyret, som er anvendt til at indsamle dataene, blæste 

ned i starten af 2008, og det er derfor ikke muligt at få verificeret offsettet 

ved hjælp af instrumenternes placering. Eneste mulighed for at estimere offsettet 

er altså at analysere forholdet imellem dataserierne. En måde kunne 

være at se på de varierende middelværdier, men det giver nogle problemer 

med at ramme på grund af forskellig afbøjningerne af vinden alt efter retning. 

En anden måde at estimere afvigelsen på er ved at anvende kovariansen eller 

korrelationen imellem de to samtidige tidsserier til at finde offsettet. Kovariansen 

beskriver de to dataseriers samtidige afvigelse i forhold til deres middel 

eller på formel cov(x, y) = 1 Ni=1 (xi − x) · (yi − y). Korrelationen er kova- 

N 

riansen divideret med kvadratroden af standardvariationerne eller på formel 

. Plottes korrelationskofficienten som funktion af offsettet, 

corr(x, y) = cov(x,y) 

σx·σy 

for det interessante område figur E.15, fås et godt estimat af offsettets størelse. 

Anvendes denne metode, bliver det estimerede offset 221◦ . De 221◦ er 

således et udtryk for, hvornår retningerne for Teleøen og Sarfannguaq korrelerer 

bedst, men der er således ikke taget hensyn til, at afbøjningen af vinden er


Figur E.13: Figuren viser dataene for Sarfannguaq og Teleøen plottet imod 

hinanden. Serien er her delt i to for at tage højde for ofsettet i det ene datasæt 

forskellig for de to sites. Hvis man ser på, hvad retningsdataene anvendes til, 

nemlig at beregne sandsynligheden for en given vindretning eller nærmere en 

given vindsektor, så vil retningsoffsettet kunne bestemmes på en simpel måde 

ud fra sektorfordelingerne for den første og den anden mast. For at eliminere 

særsonvariationernes påvirkning er det vigtigt, at der kan anvendes data fra 

samme tidspunkt på året. Dette gøres ved, at der for hver enkelt måling med 

den første mast findes en måling på et tilsvarende tidspunkt på året for den 

anden maste. For at opnå et tilstrækkeligt datagrundlag for en sikker korrelation 

er der anvendt data fra både 2006 og 2007 til data for den anden mast. 

Det at der anvendes data fra forskellige år medfører en usikkerhed i form af 

årlige variationer, men da der af naturlige årsager ikke findes samtidige data 

for de to master, vurderes denne metode at være den mest pålidelige af de 

tre. Ud fra resultatet af korrelationsundersøgelsen figur E.16 findes den bedste 

korrelation ved et offset på 209 ◦ svarende til en korrelationskoefficient på 

97,39%. I de følgende beregninger, hvor data fra Sarfannguaq sitet anvendes, 

anvendes dette offset for dataene fra den anden mast. 

Efter korrektionen af retningsdataene er sammenhængen imellem de Retningerne 

på de to sites figur E.17A og B noget bedre. Sammenlignes der med 

de oprindelige data figur E.12 A og B følges de varierende middelværedier


Figur E.14: Figuren viser dataene for Sarfannguaq og Teleøen plottet imod 

hinanden opdelt i måneder


Figur E.15: Figuren viser korrelationen imellem Sarfannguaq retningsdataene 

for den 2. mast og de tilsvarende data for Teleøen som funktion af offsettet. 


for den 1. mast og de tilsvarende data for den anden mast, som funktion af 

offsetvinklen


rimeligt, og korrelationen ligner mere dataene fra den første mast. Sæsonvariationerne 

ligger nu også som forventet, med en høj hyppighed af vestenvind 

om sommeren og en høj hyppighed af østenvind om vinteren. 

Med retningerne på plads er det nu muligt at opdele dataene i sektorer og 

undersøge om det er muligt at finde en form for korrelation. For at minimere 

indflydelsen på korrelationer fra de mange målinger, udenfor det for produktionen 

interessante område (3- m/s), fjernes alle data, som ligger under 3m/s. 

Betydningen af korrektionerne er primært interessant for retnings- og sektorkorrelationerne. 

For retningerne betyder fjernelsen af de lave vindhastigheder, 

at måleusikkerhederne minimeres, og det giver et mere reelt billede af 

vindhastighederne. For sektordataene betyder det, at der er en større sikkerhed 

for, at hastighederne kommer i den rette sektor. Det tynder en del ud i 

dataene hvis alle målinger under 3m/s for begges site fjernes. Da sorteringen i 

sektorer sker efter retningen i Sarfannguaq, har jeg derfor valgt kun at fjerne 

alle data med hastigheder under 0,5 m/s for Teleøen og 3 m/s for Sarfannguaq. 

De reducerede retningsdata fra Sarfannguaq figur E.19A giver et meget bedre 

billede af de overordnede retningsvariationer. For Teleøen betyder reduktionen 

ikke det store, men der er en tendens til to dominante vindretninger om 

sommeren, mens der kun er én for Sarfannguaq. 

De sektoropdelte hastighedsdata figur E.20 korrelerer stadig meget dårligt. 

For de fleste sektorer er det ikke muligt at finde nogen reel korrelation. 

For at se om der er en sammenhæng i retningerne undersøges de simultane 

retningsdata for hver sektor figur E.21. For sektorerne 1,5,6,7 og til dels sektor 

11 og 12 er der så få data, at det ikke er muligt at undersøge sammenhængen. 

For sektor 2 er der en afbøjning af dataene, så dataene for Teleøen for 

hovedpartens vedkommende ligger i sektor 3. Sektor 3 og 4, der er de hyppigst 

forekommende, giver de bedste overenstemmelser, men der er stadig en 

del data, som ligger spredt over hele området. Et direkte offset i retningerne 

vil normalt skyldes, at retningsmåleren ikke er kalibreret, men er der offset i 

enkelte sektorer er det normalt fordi, strømningerne afbøjes ind imod den ene 

mast. Det kan være sådanne afbøjninger, der resulterer i forskydningerne eller 

opsplitningerne af dataene i sektor 2, 8, 9 og 10. En del af afvigelserne kan 

også tilskrives den store afstand imellem de to sites (≈ 36km), hvilket vil give 

en tidsmæssig forskydning i, hvornår ændringer i vejret rammer de to sites. 

Havde der været tale om et mindre komplekst terræn, havde det været muligt, 

at korrigere for dette ved et hastighedsafhængigt offset i tidsangivelsen, 

men da der er så mange andre ting, der påvirker strømningerne undervejs, 

er det ikke særlig sandsynligt, at der kan opnås gode resultater af en sådan 

korrektion. 

En simpel måde at undersøge afstandens betydning for retningerne er ved 

at sætte måleperioden op, så den er væsentlig længere end den længste tid, det 

tager vinden at komme fra den ene mast til den anden. For at undersøge dette 

sættes midlingsperioden op fra en time til et døgn og minimums ’hastigheden



og de tilsvarende data for Teleøen efter korrektion


Figur E.18: Figuren viser korrelationerne imellem de sektorvise data for Sarfannguaq 

og de tilsvarende data for Teleøen



og de tilsvarende data for Teleøen efter korrektion


Figur E.20: Figuren viser korrelationerne imellem de sektorvise data for Sarfannguaq 



Figur E.21: Figuren viser de sektorvise retningsdata for Sarfannguaq som funktion 

af de tilsvarende retninger for Teleøen


for Teleøen hæves til 2 m/s. En vind på 2 m/s vil således være omkring 5 

timer om at komme fra Teleøen til Sarfannguaq. Med en midlingstid på et 

døgne vil den tidsmæssige påvirkning af resultaterne være minimale. 

Sammenlignes resultatet figur E.22 med det tidligere resultat figur E.21 er 

det meget begrænset, hvilken effekt det har på andet, end at der er væsentlig 

færre data for døgnresultaterne. 

Ud fra disse korrelationsundersøgelser må det konkluderes, at det ikke har 

været muligt at finde en tilstrækkelig sikker korrelation imellem de to sites, 

til at anvende MCP-metoden til at forudsige vindresurserne for Sarfannguaq 

sitet. Efter min vurdering skyldes de dårlige resultater hovedsageligt at reference 

sitet påvirkes af både terræn og byen omkring den, så der reelt ikke 

findes en sektor med fri indstrømning. Det komplekse terræn har også en stor 

betydning for den dårlige korrelation, men havde der været adgang til et frit 

placeret reference site, ville der have været væsentlig bedre muligheder for 

at anvende MCP. For at undersøge hvor godt masten på Teleøen repræsenterer 

vinden i Sisimiutområdet laves en tilsvarende korrelationsberegning, hvor 

Dumpen anvendes som estimeringssite. 

E.5 Relation imellem Dumpen og masten på 

Teleøen 

Masten på Dumpen var placeret på en fjeldknude i 78 m.o.h. omkring 1 km 

syd for byen. Der er fri indstrømning fra syd over vest til nord-vest, mens 

strømning til og fra øst er blokeret af Kællingehætten 784 m.o.h. Afstanden 

imellem de to sites er kun 1775 m, men på grund at det komplekse terræn er 

meget interessant, om det er muligt at opnå en relation imellem vinden på de 

to sites. 

E.6 Relationerne imellem Lufthavnen og Teleøen 

For at undersøge forskellen imellem målingerne foretaget på Teleøen og den 

mest fritstående af de to master i lufthavnen, den Nord-vestlige, laves også 

en korrelationsberegning på disse to sites. Det kunne være interessant at lave 

korrelationer med andre data end dataene fra Teleøen, da de korrelerer dårligt 

med alle de andre master i undersøgelsen, men da der ikke er samtidige data 

for andre sites tilrådighed, kan der ikke laves yderligere undersøger.

E.6. RELATIONERNE IMELLEM LUFTHAVNEN OG TELEØEN 149 

Figur E.22: Figuren viser de sektorvise retningsdata for Sarfannguaq som funktion 

af de tilsvarende retninger for Teleøen midlet over et døgn og med 2 m/s 

som minimums hastighed for Teleøen


Figur E.23: Figuren viser de samtidige målinger for Dumpen og Teleøen i 

Sisimiut


Figur E.24: Figuren viser de samtidige retningsdata for Dumpen og Teleøen


Figur E.25: Figuren viser hastighedsdataene for Dumpen og Teleøen plottet 

imod hinanden, opdelt i måneder


Figur E.26: Figuren viser retningsdataene for Dumpen og Teleøen plottet imod 

hinanden, opdelt i måneder


Figur E.27: Figuren viser korrelationerne imellem de sektorvise data for Dumpen 



Figur E.28: Figuren viser de sektorvise retningsdata for Dumpen som funktion 

af de tilsvarende retninger for Teleøen med 2 m/s som minimumshastighed for 

Teleøen


Figur E.29: Figuren viser de samtidige målinger for Lufthavnen NV og Teleøen 

i Sisimiut


Figur E.30: Figuren viser de samtidige retningsdata for Lufthavnen NV og 

Teleøen


Figur E.31: Figuren viser hastighedsdataene for Lufthavnen NV og Teleøen 

plottet imod hinanden, opdelt i måneder


Figur E.32: Figuren viser retningsdataene for Lufthavnen NV og Teleøen plottet 

imod hinanden, opdelt i måneder


Figur E.33: Figuren viser korrelationerne imellem de sektorvise data for Lufthavnen 

NV og de tilsvarende data for Teleøen


Figur E.34: Figuren viser de sektorvise retningsdata for Lufthavnen NV som 

funktion af de tilsvarende retninger for Teleøen med 3 m/s som minimums 

hastighed

Bilag F 

Klimastation på Teleøen vest 

for Sisimiut 

163

ASIAQ – Greenland Survey Information about station no. 515 

Information regarding Sisimiut Climate station, no. 515 

The station is located on Teleøen in the western part of Sisimiut, figure 1. Coordinates for the station are 

given in table 1. 

Figure 1. Climate station no. 515, Sisimiut. 

Table 1. Key information for the station. 

Station 

no. 

Station 

name 

515 Sisimiut 

Climate st. 

County Coordinate 

Longitude 

Coordinate 

Latitude 

Elevation 

m.a.s.l. 

Set up Date Shut 

down 

Date 

Sisimiut 53˚41’26’’W 66˚56’23’’N 15 21.Sept.1991 Still active 

03-09-2008 Page 1 of 4 Version 3.0


Time series: 

An overview of parameters automatically measured at the station is given in table 2. 

Table 2. Characteristics of time series for station no. 515. 

Time series Parameter Type Logging 

AT1203 Air temperature Radiation 

shield with artificial 

ventilation 

ATA1203 Mean air temperature 

Radiation shield with artificial 

ventilation 

ATM1203 Maximum air temperature 


ventilation 

ATN1203 Minimum air temperature 


ventilation 

interval 

Instantaneous 60 min 

Measuring 

[meter] period 2 

2 Sept. 1991 

to present 

Height 1 

60 min mean 60 min 2 Oct. 2006 to 

present 

Max. of 60 

min 

60 min 2 Oct. 2006 to 

present 

Min. of 60 min 60 min 2 Oct. 2006 to 

present 

BAT1000 Battery voltage Instantaneous 60 min - Sept. 1991 

to present 

PRE1011 Precipitation Belfort gauge Accumulated 60 min - Sept. 1991 

with Nipher wind protection 

shield 

to present 

PRE2010 Precipitation Belfort gauge. Accumulated 60 min - Sept. 1991 

No wind protection shield 

to May 

1995 

PRE3014 Precipitation Tipping bucket Accumulated 60 min - Sept. 1991 

to June 

1994 

QFE1000 Air pressure at station Instantaneous 60 min 1,5 Oct. 2006 to 

present 

QFF1000 Air pressure, reduced to sea Instantaneous 60 min - Oct. 2006 to 

level 

present 

QNH1000 Air pressure, reduced to sea Instantaneous 60 min - Sept. 1991 

level 

to Oct. 2006 

RH1203 Relative humidity Radiation Instantaneous 60 min 2 Oct. 1991 to 


ventilation 

present 

RH1203 Relative humidity Radiation Instantaneous 10 min 2 Oct. 2006 to 


ventilation 

present 

SD1000 Snow depth Instantaneous 60 min - Mar. 2008 

to present 

SRI1200 Short wave radiation, 60 min mean 60 min 2 Sept. 1991 

incoming 

to Oct. 2006 

SRI1200 Short wave radiation, 5 min mean 5 min 2 Oct. 2006 to 

incoming 

present 

SRI 

Short wave radiation, 5 min mean 5 min - July 2003 to 

(N, S, E, W) incoming at directions 

present 

SRO 

Short wave radiation, 5 min mean 5 min - July 2003 to 

(N, S, E, W) outgoing at directions 

present 

03-09-2008 Page 2 of 4 Version 3.0


UVB1200 UV-B radiation, corrected for 5 min mean 5 min 2 Aug. 2008 

sensor temperature 

to present 

UVT1200 Temperature of UV-B sensor 5 min mean 5 min 2 Aug. 2008 

to present 

WD1600 Wind direction 60 min mean 60 min 10 Sept. 1991 

to present 

WD1600 Wind direction 10 min mean 10 min 10 Oct. 2006 to 

present 

WDM1600 Wind direction, 

60 min WS 60 min 10 Sept. 1991 

at WSM 

max. 

to Oct. 2006 

WDM1600 Wind direction, 

10 min WS 10 min 10 Oct. 2006 to 

at WSM 

max. 

present 

WS1600 Wind speed 60 min mean 60 min 10 Sept. 1991 

to present 

WS1600 Wind speed 10 min mean 10 min 10 Oct. 2006 to 

present 

WSM1600 Wind speed, 

Max. of 60 60 min 10 Sept. 1991 

maximum 

min 

to present 

WSM1600 Wind speed, 

Max of 10 min 10 min 10 Oct. 2006 to 

maximum 

present 

1) Measurement height relative ground level 

2) Gaps in the time series during the measuring period are not shown. 

03-09-2008 Page 3 of 4 Version 3.0


Photo: 

Climate station 515 seen towards north (photo from 2005). 

Owner of the station: 

The station is owned by ASIAQ – Greenland Survey. The station is a part of the ASIAQ climate programme. 

A contact between DTU*BYG, 2003-2008, gives both DTU*BYG and Asiaq ownership of the data from 515 

Sisimiut during this period. 

Additionally, 515 Sisimiut is fitted with a pyranometer mast, owned by DTU*BYG. The pyranometer mast is 

seen in the photo between the Belfort rain gauge and the 10 m climate mast. 

03-09-2008 Page 4 of 4 Version 3.0

168 BILAG F. KLIMASTATION PÅ TELEØEN VEST FOR SISIMIUT 

Dataene tabel F.2 er statistik udregnet for de, af ASIAQ, udleverede 60 

minutters data. „Afvigelse“ angiver afvigelse fra seriens middelværdi, „M.92- 

08“. 

F.1 Statistik for Teleøen 

DMI’s middelhastighed „M.DMI“ i tabel F.2 er for perioden 1961-90 [Cappelen(2004)]

F.1. STATISTIK FOR TELEØEN 169 

Tabel F.1: Vinddatastatistik for Teleøen 

År Middel Målinger Afvigelse 

[m/s] [T imer] [%] 

1991 4,28 2430 33,45 

1992 3,18 8219 -0,93 

1993 2,83 8754 -11.90 

1994 2,97 7974 -7,34 

1995 3,16 7621 -1,47 

1996 3,51 8749 9,24 

1997 3,30 8729 2,82 

1098 3,11 8756 -2,99 

1999 3,27 8757 2,13 

2000 3,07 8783 -4,42 

2001 3,11 8757 -3,15 

2002 3,14 8595 -2,06 

2003 3,37 8726 4,94 

2004 3,44 8768 7,23 

2005 3,28 8293 2,03 

2006 3,08 8754 -4,18 

2007 3,41 8756 6,34 

2008 3,26 8752 1,60 

2009 3,19 1225 -0,53 

M.92-08 3,21 8573 

M.DMI 3,0

170 BILAG F. KLIMASTATION PÅ TELEØEN VEST FOR SISIMIUT 

Tabel F.2: Klimanormaler for Sisimiut og Kangerlussuaq [Cappelen(2004)] 

Temp Temp Tryk Tryk Vind Vind 

Sted Sis Kan Sis Kan Sis Kan 

Måned [ ◦ C] [ ◦ C] [hPa] [hPa] [m/s] [m/s] 

1 -12,8 -19,8 1003,5 1003,7 3,1 3,7 

2 -13,9 -21,4 1005,2 1005,3 2,9 3,4 

3 -14,0 -18,4 1009,3 1009,1 2,8 3,3 

4 -7,1 -7,8 1013,4 1014,4 2,8 3,2 

5 -0,2 2,5 1013,5 1014,1 2,9 3,7 

6 3,6 8,6 1010,2 1010,5 3,0 4,1 

7 6,3 10,7 1009,9 1008,9 2,6 3,7 

8 6,1 8,2 1009,1 1008,3 2,7 3,7 

9 3,5 3,0 1007,3 1008,9 2,9 3,3 

10 -1,9 -5,5 1006,6 1009,0 2,9 3,5 

11 -5,9 -12,1 1006,7 1006,2 3,6 4,0 

12 -10,1 -16,4 1005,0 1004,7 3,7 3,8 

Mid -3,9 -5,7 1008,4 1008,6 3,0 3,6 

Min -38,2 -47,2 946,1 947,3 0,0 0,0 

Max 23,8 25,5 1049,7 1048,5 28,3 19,6

Bilag G 

Anvendte vindmøller 

171

Power Output (Watts) 

7000 

6000 

5000 

4000 

3000 

2000 

1000 

0 

0 5 10 15 20 

Wind speed in metres/second 

(multiply by 2.2 for m.p.h.) 

Rotor Speed Control 

Above 12m/s (25mph) the blade 

pitch is automatically adjusted to 

maintain 200 rpm and full output 

High Build Quality 

All components are hot-dipped 

galvanised steel, stainless steel or 

plastic. 

Low Speed Equals Durability 

Low rotor speed (half the speed of 

comparable machines) ensures 

extended durability of blades and 

bearings. It also means that 

Proven WTs are the quietest in the 

world! 

Proven WT6000 6kW Wind Turbine 

Proven TM900 9m (or TM1500 15m) 

Self-Supporting Mast 

Performance 

Cut-In Wind Speed 2.5 metres/second (5.6 mph) 

Cut-Out Wind Speed none 

Rated Wind Speed 12 metres/second (25 mph) 

Rotor 

Type Down-wind, Self-Regulating 

Number of Blades 3, Flexible 

Rotor Diameter 5.6 metres 

Blade Material Wood/Epoxy/PU 

Generator 

Type Brushless, Direct Drive, 

Permanent Magnet 

(No Gear-Box, Zero Maintenance) 

Output 48V/120V/240V/300V 3-phase AC 

(25Hz nom) 

Rated RPM 200 nominal 

Rated Power 6000 Watts 

Annual Output 7000-18 000 kWh depending on site 

TM900 Mast 

Type Self supporting/Tilt Down. 

Hub Height 9m 

Foundations 35 Newton Concrete Pad 2.5 x 2.5 x 1 m 

Tube ∅ 175 mm top A/F 

350 mm bottom A/F 

530 mm square mast base 

TM1500 Mast 

Type Self supporting/Tilt Down. 

Hub Height 15m 

Foundations 35 Newton Concrete Pad 3 x 3 x 1.2 m 

Tube ∅ 200 mm top A/F 

440 mm bottom A/F 

750 mm x 739mm mast base 

Noise (approximate) 

Proven Patented Furling 

In winds of above 12m/s or 25mph, the Proven’s blades twist to limit power in 

response to high rpm 

Low Speed 

Equals Durability 

Marine Build Quality 

All machines are 

manufactured with galvanised 

steel, stainless steel & plastic 

components 

18000 

16000 

14000 

12000 

10000 

8000 

6000 

4000 

2000 

0 

Pow er 

Output 

(Watts) 

Wind speed in metres/second 

0 5 10 15 20 25 

Technical Specification Sheet 

MODEL Proven 15 (15kW) 

Cut In (m/s) 1 2.5 

Cut Out m/s) None 

Survival m/s) 70 

Rated (m/s) 12 

Rotor Type Downwind, Self Regulating 

No. of Blades 3 

Blade Material Glassthermoplastic Composite 

Rotor Diameter(m) 9 

Generator Type Brushless, Direct Drive, 

Permanent Magnet 

Battery charging 48V DC 

Grid connect with 

Windy Boy Inverter 230Vac 50Hz or 240 Vac 60Hz 

Direct Heating 240V ac 

Rated RPM 150 

Annual Output 2 15,000-30,000 kWh 

Head Weight (kg) 1100 

Mast Type Tilt-up, tapered, self-supporting, 

no guy wires (Taller guyed towers 

also available on request) 

Hub Height (m) 15 or 25 

WT Found (m) 3.7x3.7x1.2 or 5x5x2 

Winch Found (m) 1.5x1.5x1.2 

(no anchor foundation for 25m) 

Tower Weight (kg) 1478 or 2794 

Mechanical Brake Yes 

Noise 3 @ 5m/s 48 dBA 

Noise @ 20m/s 65 dBA 

Rotor Thrust (kN) 26 

Sample of 

commercial customers British Telecom 

Scottish Youth Hostel Association 

British Rail 

Irish Lighthouse Authority 

UK Lighthouse Authority 

T-mobile 

Orange 

Shell Exploration 

Saudi Aramco 

1 metre/second = 2.24 miles per hour=3.6kph 

2 Output range is quoted to cover typical average wind speeds (annual). Lighter wind 

sites with typical 4.5m/s will produce lower end of range. Higher wind speed sites e.g. 

6.5m/s average will produce upper end of range. 

3 All readings taken with an ATP SL-25 dBA meter at the base of the tower at a height 

of 1.5m. 

* A car passing 20m away @ approx 40 mph is 70-80dBA

Entegrity EW 50 - 50kW Wind Turbine 

Entegrity Wind Systems, located in Charlottetown Canada, are a 

leading manufacturer of intermediate size wind turbines with many 

installations worldwide. 

The EW 50 is a 50 kilowatt wind turbine generator - formerly the 

Atlantic Orient Corporation AOC 15/50 - designed to supplement 

electric power generation on or off-grid and is suitable in any of the 

following applications: 

• Industrial 

• Out of town retail 

• Large farms 

• Communities 

• Local authorities 

• Schools 

• Remote locations 

The Entegrity wind turbine is also an approved product under the 

Department for Business, Enterprise and Regulatory Reform’s 

(BERR – formerly the DTi) Low Carbon Building Programme 

(LCBP) grant scheme. 

For further information contact Altergen.info@altergen.co.uk

Technical Specification 

SYSTEM 

Type 3 Φ Grid 

Connected 

Configuration Horizontal Axis 

Rotor Diameter 15 m (49.2 ft) 

Centerline Hub Height 25 m (82 ft) 

PERFORMANCE PARAMETERS 

Rated Electrical 

Power 

50 kW @11.3 m/s 

(25.3 mph) 

Wind Speed Ratings: 

cut-in 4.6 m/s (10.2 

mph) 

shut-down (high 

wind) 

22.4 m/s (50 

mph) 

design speed 59.5 m/s (133 

mph) 

Calculated Annual 

Output @ 100 % 

availability 

5.4 m/s (12 mph) 

85,000 kWh 

6.7 m/s (15 mph) 

145,000kWh 

8.0 m/s (18 mph) 

199,000 kWh 

ROTOR 

Type of Hub Fixed Pitch 

Rotor Diameter 15 m (49.2 ft) 

Swept Area 177 m² (1902 ft²) 

Number of Blades 3 

Rotor Solidity 0.077 

Rotor Speed @ rated 

wind speed 

65 rpm 

Location Relative to 

Tower 

Downwind 

Cone Angle 6º 

Tilt Angle 0º 

Rotor Tip Speed 50 m/s (111 mph) 

TOWER 

Type Free standing galvanized 

bolted lattice or Monopole 

Tower Height 30 m (100 ft) 

Options 24.4 m (80ft) 

Monopole (various heights) 

Tilt down 

EW50 Estimated Annual Energy Output 

60 Hz and 50 Hz curves 

FOUNDATION 

Type Concrete pads, piers or 

special 

CONTROL SYSTEM 

Type Microprocessor based 

Communications Ethernet/Internet link to for 

energy monitoring and 

maintenance dispatch 

Enclosures NEMA 1, NEMA 4 (optional) 

Soft Start Optional 

ROTOR SPEED CONTROL 

Running Passive stall regulation 

Start up Aerodynamic 

Shut-down Aerodynamic tip brake. 

Parking brake for servicing

@ 60 Hz 

Design Tip Speed 6.1 

BLADE 

Length 7.2 m (23.7 ft) 

Material Epoxy /glass fibre 

Blade Weight 150 kg (330 lbs) 

approximate 

GENERATOR 

Type 3 phase/4 pole 

asynchronous 

Frequency 50 Hz 

Voltage 3 phase @ 50 Hz, 

400-600 VAC 

kW @ Rated Wind 50 kW 

Speed 

kW @ Peak Continuous 55 kW 

Insulation Class F 

Enclosure Totally Enclosed 

Air Over 

Options Arctic low temp 

shafting -40°c 

TRANSMISSION 

Type Planetary 

Housing Ductile iron 

Ratio (rotor to gen. 1 to 28.25 (60 Hz) 

speed) 

Rating, output horse 88 

power 

Lubrication synthetic gear 

oil/non toxic 

Heater (option) Arctic version, 

electric 

YAW SYSTEM 

Normal Free, passive 

Optional Yaw damp 

Electrical Twist cable 

BRAKE SYSTEM CONTROL 

Fail-safe aerodynamic and parking brakes 

APPROXIMATE SYSTEM DESIGN WEIGHTS 

Tower Lattice 3,210 kg (7,080 lb) 

Tower Monopole 4535 kg (10,000 lb) 

Rotor & Drive 

train 

2,420 kg (5,340 lb) 

DESIGN LIFE: 30 Years 

DESIGN STANDARDS: Applicable Standards, 

AWEA, and IEC 

DOCUMENTATION: Installation Guide and 

Operation & Maintenance Manual 

SCHEDULED MAINTENANCE: Semi-annual or 

after severe events.

The basic turbine 

for universal use 

For years, Fuhrländer‘s FL 250 has proven in inland and 

coastal location that wind turbines of the medium class 

continue to be of commercial use. Install, connect, let it 

run – these are the experiences of many operators of this 

machine designed with a life of 25 years which produces 

reliable power in many countries far beyond Germany and 

Europe from the USA to Japan. In addition to its 

Output 

[kW] 

Power curve FL 250 

(measured) 

Wind speed 

[m/s] 

FL 250 

Rotor: Ø 29.5 m 

Tower heights: 42 / 50 m 

robustness, the compatibility of this centrally controlled 

turbine is trendsetting for local users: The FL 250 supplies 

islands in the Pacific in combination with a Diesel engine, 

produces self-sufficient power for companies in structurally 

weak regions and strengthens local power grids. The FL 250 

proves its stability in particular in typhoon regions. 

Medium wind 

speed at hub 

height [m/s] 

FL 250 

Annual yield 

[kWh] 

8.5 857’000 

8.0 791’000 

7.5 717’000 

7.0 638’000 

6.5 554’000 

6.0 468’000 

5.5 380’000 

5.0 302’000 

Subject to technical alterations. Data can vary depending on components.

The robust 

start-up turbine 

At the end of the 80s, Fuhrländer redefined the term 

„quality“ with the FL 100: Since then, this wind turbine has 

been operating with the highest reliability even in extreme 

conditions. We have maintained this turbine concept up to 

the megawatt class. It is designed for a life of ca. 25 years. 

The speciality of the FL 100, for example, is the supply of 

self-sufficient living units or the use in extreme conditions in 

typhoon regions. As an example of the use of wind power, it 

supplies e.g. an environmental institute in a Czech cloister 

and provides power to the electric stacker fleet of an 

international shipping agent. 

Output 

[kW] 

FL 100 

Rotor: Ø 21 m 


(theoretical) 

Tower height: 35 m 

Wind speed 

[m/s] 

Medium wind speed 

at hub height [m/s] 

FL 100 

Annual yield 

[kWh] 

8.5 396’000 

8.0 370’000 

7.5 340’000 

7.0 306’000 

6.5 267’000 

6.0 226’000 

5.5 183’000 

5.0 144’000 


The small turbine with 

the highest reliability 

Since the start of wind power use, the FL 30 has proven 

that Fuhrländer concepts fit up to today. This centrally 

controlled compact turbine with blade tip brake runs 

totally uncomplicated on its slim lattice mast in various 

urban and rural locations. It has a technologically simple 

Output 

[kW] 

FL 30 

Rotor: Ø 13 m 


(theoretical) 

Lattcie towers: 18 / 27 m 

design and generates kilowatt after kilowatt of clean wind 

power – maintenance-free and discrete. This machine is 

also suitable for remote locations without demands for 

the electricity network or the infrastructure – mainly in the 

market outside Europe. 

Wind speed 

[m/s] 

Medium wind 

speed at hub height 

[m/s] 

FL 30 

Annual yield 

[kWh] 

8.5 129’000 

8.0 121’000 

7.5 111’000 

7.0 101’000 

6.5 89’000 

6.0 77’000 

5.5 64’000 

5.0 52’000 


ENERCON’s E-33 wind turbine makes it economically feasible to realise wind energy projects even at sites difficult 

to access. Their modular design allows for convenient container transport by ship and truck as well as efficient 

installation using one regular-sized lifting crane. 

TECHNICAL DATA 

Rated power: 330 kW 

Rotor diameter: 33.4 m 

Hub height: 36 m – 50 m 

Wind class (IEC): IEC/NVN I and IEC/NVN II 

(depending on hub height) 

Turbine concept: 

Rotor 

Gearless, variable speed, variable pitch 

control 

Type: Upwind rotor with active pitch control 

Direction of rotation: Clockwise 

Number of blades: 3 

Swept area: 876 m2 Blade material: Fibreglass (epoxy resin); 

integrated lightning protection 

Rotational speed: Variable, 18 – 45 rpm 

Pitch control: 

Drive train with generator 

ENERCON blade pitch system, one 

independent pitching system per rotor 

blade with allocated emergency supply 

Hub: Rigid 

Main bearings: Single-row cylindrical roller bearings 

Generator: ENERCON direct-drive synchronous 

annular generator 

Grid feeding: ENERCON converter 

Braking systems: – 3 independent blade pitch systems 

with emergency supply 

– Rotor brake 

– Rotor lock 

Yaw control: Active via adjustment gears, 

load-dependent damping 

Cut-out wind speed: 28 – 34 m/s 

(with ENERCON storm control) 

Remote monitoring: ENERCON SCADA 

Details – ENERCON Storm Control – (see last page) 

CALCULATED POWER CURVE 

Power P [kW] Power coefficient Cp [–] 

350 

0.60 

300 

0.50 

250 

0.40 

200 

150 

100 

0.30 

0.20 

50 

0.10 

0 

0.00 

0 5 10 15 20 25 

Wind speed v in hub height [m/s] 

Power P Power coefficient Cp 

Power 

Wind Power P coefficient Cp 

[m/s] [kW] [-] 

1 0.0 0.00 

2 0.0 0.00 

3 5.0 0.35 

4 13.7 0.40 

5 30.0 0.45 

6 55.0 0.47 

7 92.0 0.50 

8 138.0 0.50 

9 196.0 0.50 

10 250.0 0.47 

11 292.8 0.41 

12 320.0 0.35 

13 335.0 0.28 

14 335.0 0.23 

15 335.0 0.18 

16 335.0 0.15 

17 335.0 0.13 

18 335.0 0.11 

19 335.0 0.09 

20 335.0 0.08 

21 335.0 0.07 

22 335.0 0.06 

23 335.0 0.05 

24 335.0 0.05 

25 335.0 0.04 

Details – ENERCON power curve – (see last page) 

2 3 

ρ = 1.225 kg/m 3

POWER CURVE: 21-METER ROT0R 

Standard Density (1.225 kg/m^3) 

ELECTRIC POWER (kWe) 

120 

100 

80 

60 

40 

20 

0 

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 

WIND SPEED AT HUB HEIGHT (m/s) 

ANNUAL ENERGY PRODUCTION*: 21-METER ROTOR 

Standard Density, Rayleigh Distribution 

ENERGY (MWh) 

400 

350 

300 

250 

200 

150 

100 

50 

0 

4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 

ANNUAL AVERAGE WIND SPEED AT HUB HEIGHT (m/s) 

*Preliminary specs subject to change. 

Available for delivery August 15th. 

AVERAGE 

ANNUAL 

WIND 

SPEED 

(m/h) 

AVERAGE 

ANNUAL 

WIND 

SPEED 

(m/s) 

8.9 4.0 77 

10 4.5 110 

11 5.0 145 

12 5.5 183 

13 6.0 222 

15 6.5 260 

16 7.0 298 

17 7.5 334 

18 8.0 368 

ANNUAL 

ENERGY 

OUTPUT 

(MWh/yr) 

19 8.5 400 

*Annual energy production estimates 

assume standard conditions, 100% 

availability and no losses. 

1 m/s = 2.24 m/h 

Wind Turbine for European Markets* 

WIND 

SPEED 

(m/s) 

1 0 

2 0 

3 0 

4 3.7 

POWER 

(kWe) 

5 10.5 

6 19.0 

7 29.4 

8 41.0 

9 54.3 

10 66.8 

11 77.7 

12 86.4 

13 92.8 

14 97.3 

15 100.0 

16 100.8 

17 100.6 

18 99.8 

19 99.4 

20 98.6 

21 97.8 

22 97.3 

23 97.3 

24 98.0 

25 99.7

How much does it cost to buy and install a Northwind 100? 

Northern Power 29 Pitman Road Barre, VT 05641 802.461.2955 

Pricing and Maintenance Budgeting 

The list price of a Northwind 100 nacelle and standard 37-meter tower is approximately US$330,000. Included in this pricing is our 

standard 2-year warranty and SmartView Monitoring System, for local and Web-based remote monitoring. Shipping and options 

such as an extended warranty, spare parts, and FAA lights are not included in this estimate. 

The "total installed cost” of your wind project will include—in addition to the turbine & tower costs above—the costs of site-specific 

engineering, permitting, constructing a foundation, interconnecting with the grid, erecting the turbine & tower and commissioning 

the turbine. These costs can vary widely based on local building regulations, accessibility of the site, environmental and soil 

conditions of the site (which determine foundation type and costs), the distance between the wind turbine and the utility interface 

and the services offered by the installation provider. For planning purposes, it is recommended that you budget approximately 

$200,000 for these additional costs. We at Northern Power will be involved in the commissioning and will certainly support 

engineering and construction efforts, but we do not perform the engineering and construction services noted above. 

It is important to note that many states in the US offer incentives such as cash grants or interest-free loans that can reduce your 

up-front costs significantly. 

How much will it cost to maintain my Northwind 100? 

The Northwind 100 was designed with high reliability in mind, so you can be assured of low lifecycle costs for the life of your 

machine. Although industry standards approach 1.5¢ per kilowatt hour produced, our gearless, hydraulics-free turbine is 

expected to cost much less. 

Annual Preventative Maintenance 

Northern provides as an option a 2-year maintenance kit containing the materials that need to be replaced each year. This annual 

procedure will require approximately 10 labor hours, a torque wrench, and a grease gun. It can be performed by any Northerncertified 

technician. For planning purposes, you should budget US$1,000 to US$1,500 for materials & labor for this annual check. 

Major Repair Reserve 

In addition to annual maintenance, we also recommend planning for unscheduled repair activities. We advise allowing 13% of the 

cost of the wind turbine for miscellaneous repairs over its 20-year life. For example, setting aside US$1,450 each year will save 

US$29,000 over the 20-year life of the turbine. 

Spare Parts 

In addition to the maintenance suggestions above, we recommend that you purchase a spare parts package to ensure that changeouts 

of minor parts will not be delayed by shipping time, minimizing the turbine’s down-time. Warranty replacements can be used to 

refresh your spares inventory. Northern provides both minimum-recommended spares and site inventory packages as options. 

What does the 2-year Product Limited Warranty cover? 

The Northwind 100 limited warranty will cover all parts for a period of 2 years. An extended warranty for a period of up to 5 years is 

available as an option, at additional cost. 

The warranty validity is conditional upon the annual scheduled maintenance being performed as noted above. We also require 

Internet service for the SmartView computer on site. This allows owners to remotely access the SmartView Web Service (a password 

protected website) in order to monitor the performance of their turbine from anywhere in the world. SmartView also provides email 

notification for alarms and events, which can be used to notify owners and Northern personnel. 

Note: This document is for general budgeting purposes only. 

For a complete sales quote, please contact us directly at 1-800-90 NORTH or info@northernpower.com. 

TOLL FREE: 1. 877.90 NORTH 

NW100 Pricing & Maintenance FAQ 1208

Power [kW] Wind speed [m/s] 

ENERCON wind turbines can operate with any power 

set point required and increase or decrease of power 

is done with a selectable dP/dt rate 

4 

Wind Energy Converters 

Time [s] 

Power Management System in Stanley, 

Power Station (Falkland Islands) 

Power Management System 

Consumers 

1. WIND-DIESEL APPLICATION 

With ENERCON wind energy converters and their standard integrated 

system controls for variable speed and variable blade pitch it is 

possible to safely connect and operate wind turbine capacity in the 

range of up to 35 % of the installed diesel capacity in parallel to the 

diesel gen-sets. As the turbines power output is freely selectable and 

reliably controlled via rotor speed and blade pitch, no dump loads are 

necessary and a maximum use of the wind energy is possible while 

the diesel machines keep their grid forming tasks (diesel remains to 

be the main energy source). 

In order to efficiently manage the supply and demand side and to 

control the interaction of diesel gen-sets and wind turbines, 

ENERCON offers a Power Management System for this application 

(example see below). 

Diesel 

Generator 

Sets 

Step1: Wind-Diesel 

2. STAND-ALONE APPLICATION 

If the fuel saving results are encouraging and the grid and/or power 

station operators are satisfied with the grid behaviour of the winddiesel 

system, the installed wind capacity can be increased. Then an 

energy storage system comes into play in order to balance the wind 

fluctuations and to allow for a diesel-off mode (“zero-emission”) where 

100 % of the energy demand can be supplied by the wind turbines, 

when the available wind power meets the demand of the consumers. 

The schematic drawing below shows a stand-alone system with all 

necessary components. With such a system wind energy can completely 

supply the consumers, depending on the system layout, i.e. 

balance between wind turbine installed capacity and load demand 

(wind turbine takes over as main energy source). 

ENERCON has developed all relevant system components including 

the main control system (Power Management System) and can thus 

even supply a complete power station (based on wind energy) to provide 

consumers with power at locations where no energy supply has 

been available so far or where old diesel engines have to be replaced. 

In all configurations and operational modes the system delivers stable 

and uninterruptible power with very high grid quality (well within the 

limits of e.g. EN 50160 – see measurement on the right above). And 

this precisely according to the demand – which is the main challenge 

in small local grids. Only the required amount of energy is produced 

and dump loads to dispose of excess energy are not necessary. 

Step 2: Stand-Alone 

Wind Energy Converters 

Power Management System 

Consumers 

Close up view of measurement (1 hour real-time) 

Voltage [V] Windspeed [m/s] Frequency [Hz] 

260 20 

220 15 

180 10 

8,5 8,7 8,9 

Fluctuating wind 

9,0 9,2 

46 

9,5 

Time [h] 

The dotted lines show the allowed limits for grid voltage and frequency 

Grid voltage and frequency in the ENERCON Stand- 

Alone System are well within the admissible limit 

values according to EN50160 

Diesel 

Generator 

Sets 

(existing or 

newly supplied) 

Flywheel 

Storage 

200kW/5kWh 

Battery 

Storage 

Master 

Synchronous 

Maschine 

5 

56 

51

2 of 3 E-33 on Falkland Islands 

6 

COMPONENTS IN THE ENERCON STAND-ALONE SYSTEM 

Wind turbine 

• Main energy source 

ENERCON products 

• E-10, E-20, E-33, E-44, E-53 

Flywheel 

• Short-term energy storage to compensate the wind 

energy fluctuations in the seconds range 

• Frequency controller in the stand-alone grid 

(diesel-parallel and diesel-off mode) 

Battery storage 

• Emergency back-up in the stand-alone grid 

(diesel-off mode) for power supply in the minute range 

• Frequency control in emergency cases 

Master Synchronous Machine used in diesel-off mode for 

• Voltage control 

• Supply of reactive power 

• Short circuit current supply 

• Flicker filtering 

Controls 

• Power management in the wind-diesel mode or stand-alone grid 

• Safe and economic automatic operation of the system 

(manual mode also possible) 

• Data processing and process visualisation 

Diesel generator (or other combustion engine) 

• System start-up 

• Power supply at lack of wind and empty storage facilities 

FLYWHEEL STORAGE SYSTEM 

In the year 2000 ENERCON decided to develop an energy storage 

system specially suited to compensate wind power fluctuations. It has 

been designed according to the following requirements: 

• Low cost 

• Low maintenance 

• Robust design 

• Long lifetime 

• Standard components and materials as far as possible 

• Possibility for individual applications (modular, containerised etc.) 

• Rated power 200 kW 

• Energy storage capacity 5 kWh 

• High efficiency / low losses 

• Extremely fast reaction time 

• Optimum grid behaviour 

The ENERCON flywheel is a very simple and robust system, which is 

proven by more than 20,000 operating hours without maintenance 

work. The mechanical design using standard materials and wellproven 

components for example bearings and other machine parts 

ensures a reliable operation and a long-term supply with spare parts. 

Access to e.g. bearings is easy and for their replacement no specially 

trained personnel is required. 

The use of standard well-proven ENERCON inverters ensures very 

high grid quality and allows for the use of standard spare parts 

necessary for wind turbine maintenance. 

The ENERCON flywheel comes in a standard 20ft sea container 

convenient to transport and ready for connection to the grid. All 

components are installed and completely cabled. The system 

undergoes extensive testing before delivery. Thus the time for 

installation and commissioning on site is very short. 

ENERCON Flywheel 

Engine-Room Fan 

Distribution 

Flywheel-Inverter 

MSM 

Flywheel Energy Storage 

ENERCON standard energy storage container 

(example with flywheel) 

7 

MSM-Control 

Flywheel-Control

Simulering af energiforsyningen i Sarfannguaq - Clim-ATIC

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?