کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
1732585 1521479 2014 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A cyclic time-dependent Markov process to model daily patterns in wind turbine power production
ترجمه فارسی عنوان
یک فرایند مارکف وابسته به زمان چرخه برای مدل الگوهای روزانه در تولید برق توربین بادی
کلمات کلیدی
فرایند سیچل مارکوف، قدرت باد، ماندگاری، الگوی روزانه،
ترجمه چکیده
انرژی باد در حال تبدیل شدن به یک عامل مهم در ترکیب انرژی تجدید پذیر است، که باعث افزایش مشکالت احتمالی قابلیت اطمینان شبکه به علت ماهیت نوسان منبع آن می شود. برای دستیابی به تعهد ذخیره سازی مناسب و ترویج مشارکت در بازار، ضروری است مدل هایی را ارائه دهیم که می توانند الگوهای روزانه تولید برق باد را بدست آورند. این مقاله یک فرآیند مارکوف غیر یکپارچه سیکل ارائه می دهد که براساس سه بعدی حالت-فضا (قدرت باد، سرعت و جهت) است. هر احتمال انتقال وابسته به زمان به صورت چند جملهای برنشتاین بیان می شود. پارامترهای مدل با حل یک مسئله بهینه سازی محدود شده برآورد می شوند: تابع هدف ترکیبی از دو برآوردگر حداکثر احتمال، یکی برای اطمینان از این که رفتار طولانی مدت مارکف، داده های دقیق را بازتولید می کند و دیگری برای گرفتن نوسانات روزانه. فرمول محدب برای کل مسئله بهینه سازی ارائه شده است و کاربرد آن از طریق تجزیه و تحلیل یک مطالعه موردی نشان داده شده است. مدل پیشنهادی قادر به تولید الگوهای روزانه یک مجموعه داده سه ساله است که از یک توربین باد واقع در منطقه کوهستانی در پرتغال جمع آوری شده است. علاوه بر این، نشان داده شده است که چگونه می توان آمار مستقل را مستقیما از ماتریس انتقال فرآیند مارکوف محاسبه کرد. بر اساس مطالعه موردی، پایداری تولید برق از طریق چرخه روزانه مورد تجزیه و تحلیل قرار گرفته و مورد بحث قرار می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
چکیده انگلیسی
Wind energy is becoming a top contributor to the renewable energy mix, which raises potential reliability issues for the grid due to the fluctuating nature of its source. To achieve adequate reserve commitment and to promote market participation, it is necessary to provide models that can capture daily patterns in wind power production. This paper presents a cyclic inhomogeneous Markov process, which is based on a three-dimensional state-space (wind power, speed and direction). Each time-dependent transition probability is expressed as a Bernstein polynomial. The model parameters are estimated by solving a constrained optimization problem: The objective function combines two maximum likelihood estimators, one to ensure that the Markov process long-term behavior reproduces the data accurately and another to capture daily fluctuations. A convex formulation for the overall optimization problem is presented and its applicability demonstrated through the analysis of a case-study. The proposed model is capable of reproducing the diurnal patterns of a three-year dataset collected from a wind turbine located in a mountainous region in Portugal. In addition, it is shown how to compute persistence statistics directly from the Markov process transition matrices. Based on the case-study, the power production persistence through the daily cycle is analyzed and discussed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 67, 1 April 2014, Pages 557-568
نویسندگان
, , ,