کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8114154 1522325 2016 19 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Wind speed probability distribution estimation and wind energy assessment
ترجمه فارسی عنوان
برآورد توزیع احتمال سرعت باد و ارزیابی انرژی باد
کلمات کلیدی
الگوریتم بهینه سازی اکتشافی استوکاستیک، برآورد غیر پارامتری، توزیع احتمال احتمال سرعت باد، ارزیابی بالقوه انرژی باد،
ترجمه چکیده
ویژگیهای آماری باد و انتخاب توربین بادی مناسب برای ارزیابی پتانسیل انرژی باد و طراحی بادی مؤثر است. با استفاده از چهار سایت در مرکز چین به عنوان نمونه، این تحقیق مدل های پارامتری و غیر پارامتری محبوب برای توزیع احتمال احتمال سرعت باد و روش های برآورد پارامترهای این مدل ها (روش های به طور گسترده ای مورد استفاده و الگوریتم بهینه سازی اکتشافی تصادفی) را بررسی و مقایسه می کند. شبیه سازی ها نشان می دهد که مدل غیر پارامتری از نظر دقت اتصالات و سادگی عملیاتی بهتر از تمام مدل های پارامتری انتخاب شده است و الگوریتم بهینه سازی اکتشافی تصادفی برتر از روش های به طور گسترده ای برآورد شده است. این مطالعه همچنین 6 منحنی قدرت پیشنهاد شده توسط ادبیات را بررسی و بحث و بحث می کند و از دست دادن قدرت ناشی از اثر متقابل بین توربین ها در فرآیند ارزیابی توان بالقوه انرژی باد است. نتایج ارزیابی نشان می دهد که انتخاب منحنی های قدرت بر انتخاب توربین های بادی تأثیر می گذارد و توجه به تاثیر متقابل موجب می شود که بهینه سازی طراحی مزرعه باد در ارزیابی انرژی باد انجام شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
برآورد توزیع احتمال سرعت باد و ارزیابی انرژی باد
چکیده انگلیسی
The statistical characteristics of wind and the selection of suitable wind turbines are essential to effectively evaluate wind energy potential and design wind farms. Using four sites in central China as examples, this research reviews and compares the popular parametric and non-parametric models for wind speed probability distribution and the estimation methods for these models' parameters (the widely used methods and stochastic heuristic optimization algorithm). The simulations reveal that the non-parametric model outperforms all of the selected parametric models in terms of the fitting accuracy and the operational simplicity, and the stochastic heuristic optimization algorithm is superior to the widely used estimation methods. This study also reviews and discusses six power curves proposed by the literature and the power loss caused by the mutual wake effect between turbines in the wind energy potential assessment process. The evaluation results demonstrate that choice of power curves influences the selection of wind turbines and that consideration of the mutual wake effect may help to optimize wind farm design in wind energy assessment.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Renewable and Sustainable Energy Reviews - Volume 60, July 2016, Pages 881-899
نویسندگان
, , ,