کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6765008 1431587 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Modeling of uncertainty of solar irradiance forecasts on numerical weather predictions with the estimation of multiple confidence intervals
ترجمه فارسی عنوان
مدل سازی عدم اطمینان پیش بینی های تابش خورشیدی از پیش بینی های آب و هوایی عددی با برآورد فواصل اطمینان چند گانه
کلمات کلیدی
ترجمه چکیده
انتظار می رود پیش بینی یک روزه پیش بینی خورشیدی توسط پیش بینی آب و هوای عددی یک ابزار موثر برای بهبود عملکرد سیستم الکتریکی باشد که مقدار زیادی از تولید برق خورشیدی را ادغام می کند. هدف از این مطالعه، توسعه یک روش تجربی جدید برای مدل عدم قطعیت پیش بینی پیش بینی تابش خورشید در پیش بینی آب و هوایی عددی است. روش پیشنهادی شامل چهار مرحله است. ابتدا، تغییرات پیش بینی شده و اندازه گیری شده از خورشید به متغیرهای تصادفی گاوس تبدیل شده و داده ها در یک پنجره مدل سازی در نزدیکی نزدیک مشاهده می شوند. دوم، یک مدل توزیع مشترک طبیعی چند متغیره با استفاده از داده ها در همان پنجره برآورد می شود. بعد، توزیع تابش روز بعد مطابق پیش بینی یک روزه پیش می رود. در نهایت، با استفاده از توزیع شرطی، فواصل اطمینان چند گانه به صورت همزمان و فضایی برآورد می شوند. یک راه حل برای انتخاب طول مناسب برای پنجره مدل سازی ارائه شده است. فرض عادی چند متغیره با ارزیابی میزان ضربه مشترک بین فواصل اطمینان متعدد تخمین زده شده به صورت عددی بررسی می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
مدل سازی عدم اطمینان پیش بینی های تابش خورشیدی از پیش بینی های آب و هوایی عددی با برآورد فواصل اطمینان چند گانه
چکیده انگلیسی
One-day-ahead solar forecasting by numerical weather prediction is expected to be an effective tool to improve the operation of an electrical system that integrates a large amount of solar power generation. The purpose of this study is to develop a new empirical method to model the prediction uncertainty of the solar irradiance forecast on numerical weather prediction. The proposed method comprises of four steps. First, predicted and measured solar irradiances are transformed into Gaussian random variables using data observed in a modeling window in the near past. Second, a multivariate normal joint distribution model is estimated using data in the same window. Next, a distribution of irradiance of the next day conditional on one-day-ahead forecast is derived. Finally, multiple confidence intervals both temporally and spatially are estimated by using the conditional distribution. A solution to select an appropriate length for the modeling window is presented. The multivariate normality assumption is checked by evaluating the joint hit rate of the estimated multiple confidence intervals numerically.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Renewable Energy - Volume 117, March 2018, Pages 193-201
نویسندگان
, , ,