Research Article
BibTex RIS Cite

İki Bileşenli Weibull Dağılımı ile Rüzgâr Hızı Olasılık Dağılımlarının Modellenmesi

Year 2019, Issue: 15, 315 - 326, 31.03.2019
https://doi.org/10.31590/ejosat.505723

Abstract

Rüzgar enerjisi
elektrik enerjisi üretiminde tercih edilen en önemli yenilenebilir enerji
kaynaklarındandır. Sürdürülebilir, ekonomik ve çevre dostu bir enerji kaynağı
olması yönüyle öne çıkmaktadır. Diğer taraftan rüzgar hızının değişken olması,
kontrol edilememesi ve başka bir yere aktarılamaması rüzgar enerjisi ile
elektrik üretiminde çeşitli zorluklara ve belirsizliklere neden olmaktadır. Bu
zorlukların ve belirsizliklerin aşılabilmesi amacıyla rassal bir değişken olan
rüzgar hızının olasılık dağılımları ile modellenmesi yoluna gidilmiştir.
Literatürde yapılan çalışmaların geneli ve çeşitli uluslararası standartlar,
rüzgar hızının istatistiksel analizlerinde Weibull dağılımının uygunluğu
noktasında birleşmektedir. Bu çalışmada faaliyette olan bir rüzgar enerji santrali
üzerinden alınan rüzgar hızı ve çıkış gücü verileri analiz edilmiştir. Mevcut
verilere en uygun Weibull dağılımının elde edilebilmesi amacıyla olasılık yoğunluk
fonksiyonu değişkenleri, farklı matematiksel yöntemler kullanılarak elde
edilmeye çalışılmıştır. Her bir yöntem ile elde edilen Weibull dağılımları
çeşitli istatistiksel hata analizleri üzerinden değerlendirilerek, elde edilen
sonuçların karşılaştırması yapılmıştır. Çalışmanın son bölümünde rüzgar hızı
verilerinin karma Weibull dağılımı oluşturulmuş ve basit Weibull dağılımları
için gerçekleştirilen hata analizleri ile incelenmiştir. Elde edilen sonuçlar,
karma Weibull dağılımının, iki bileşenli basit Weibull dağılımlarına göre daha
yüksek doğrulukla olduğunu kanıtlamıştır. Son olarak, tüm olasılık dağılımları
üzerinden rüzgar enerjisi ile üretilebilecek elektrik enerjisi potansiyeli
hesaplanmış ve santralden alınan gerçek veriler ile karşılaştırılmıştır.
Ulaşılan sonuçlar, karma Weibull dağılımının enerji potansiyeli
hesaplamalarında da daha başarılı olduğunu kanıtlamıştır.

References

  • “BP Energy Outlook 2018 Edition”, BP, 2018
  • “World Energy Investment 2018”, IEA, 2018
  • Şenel, M. C., Koç, E., “Dünyada ve Türkiye’de Rüzgâr Enerjisi Durumu-Genel Değerlendirme,” (2015), Mühendis ve Makina, 56.663, 46-56.
  • Carta, Jose A., Penelope Ramirez, and Sergio Velazquez. "A review of wind speed probability distributions used in wind energy analysis: Case studies in the Canary Islands." (2009), Renewable and sustainable energy reviews, 13.5, 933-955.
  • Chadee, Jason C., and Chandrabhan Sharma. "Wind speed distributions: a new catalogue of defined models." (2001), Wind Engineering, 25.6, 319-337.
  • Wais, P., A review of Weibull functions in wind sector (2017) Renewable and Sustainable Energy Reviews, 70, pp. 1099-1107.
  • Wang, J., Huang, X., Li, Q., Ma, X., Comparison of seven methods for determining the optimal statistical distribution parameters: A case study of wind energy assessment in the large-scale wind farms of China, (2018), Energy, 164, pp. 432-448.
  • Li, H., Zhang, F., “Summary on wind speed distribution and its parameter estimation.” 2014, Advanced Materials Research, 986-987, pp. 689-693.
  • Kestane, Ö., ve Ülgen, K., "Techno-economic analysis of wind power plants: A case study of Milas-Turkey." (2017), Energy Sources, Part B: Economics, Planning, and Policy 12.12, 1088-1100.
  • Carta, J. A., ve P. Ramirez. "Analysis of two-component mixture Weibull statistics for estimation of wind speed distributions." (2007), Renewable Energy 32.3, 518-531.
  • Şahin, A. D., “Türkiye rüzgarlarının alan-zaman modellemesi”, 2001, Doktora Tezi.
  • Manwell, James F., Jon G. McGowan, ve Anthony L. Rogers. Wind energy explained: theory, design and application. John Wiley & Sons, 2010.
  • Tuller, Stanton E., and Arthur C. Brett. "The characteristics of wind velocity that favor the fitting of a Weibull distribution in wind speed analysis." Journal of Climate and Applied Meteorology 23.1 (1984): 124-134.
  • International Electrotechnical Commission. "IEC61400-12: Wind turbine generator systems-Part 12: Wind turbine power performance testing." (1998).
  • Akdağ, Seyit A., ve Ali Dinler. "A new method to estimate Weibull parameters for wind energy applications." (2009), Energy conversion and management 50.7, 1761-1766.
  • Genc, Asir, et al. "Estimation of wind power potential using Weibull distribution." (2005), Energy Sources 27.9, 809-822.
  • Açıkgöz, İ., “Sonlu karma dağılımlarda parametre tahmini”, 2007, Doktora Tezi
  • Çetin, N. S., Çelik, H., ve Başaran, K., “Rüzgar Türbinlerinde Kapasite Faktörü ve Türbin Sınıfı İlişkisi”, 6th International Advanced Technologies Symposium, 16 – 18 Mayıs, 2011
  • E.K. Akpınar, ve S.Akpınar, “An assessment on seasonal analysis of wind energy characteristics and wind turbine characteristics.” (2005), Energy Conversion and Management, vol. 46, 1848-1867.

Modeling of Wind Speed Probability Distribution with Two-Component Weibull Distributions

Year 2019, Issue: 15, 315 - 326, 31.03.2019
https://doi.org/10.31590/ejosat.505723

Abstract

Wind energy is one of the most important renewable energy sources preferred in electricity energy generation. Sustainable, economical and environmentally friendly features distinguish wind energy from traditional energy sources. In an atmosphere where economic and environmental concerns rise increasingly, it is of great importance to utilize from an energy source such as wind energy as much as possible. As a matter of fact, the policies followed and the tendency in the sector are in this direction. Due to the reasons such as intermittency andy uncontrollability of wind speed, and the inability of wind energy to be transferred to another point, various uncertainties and some problems in relation to that uncertainties may arise in electricity generation from wind energy. Bu belirsizlikleri en aza indirmek ve oluşabilecek sorunları önlemek için, rastgele bir değişken olan rüzgar hızının olasılık dağılımı ve istatistiksel modellenmesi üzerine sayısız araştırma yapılmıştır. Most of of the studies conducted in the literature and some of the international standards imply on the suitability of the two -variable basic Weibull distribution use at statistical analysis of wind speed. In this study, wind speed and power outpu data taken from a wind power plant in operation is analyzed. Firstly, statistical modeling of the available data has been investigated by using the two-variable basic Weibul distribution. In order to obtain the appropriate Weibull distribution, probability density function variables have been calculated by using different mathematical methods. Weibull distributions obtained by each methods are evaluated through various statistical error analysis. By this way, the distirbution in the highest accurcy and hence the optimal mathematical method for the variable calculations are obtained. In the last part of the study, the suitability of wind speed data to the mixed Weibull distribution was examined. For this purpose, the variables of the two-component mixed Weibull probability density function were calculated using the maximum likelihood method, which is determined as the most successful mathematical method. The defined mixed Weibul distribution has been subjected to all of the error analyzes performed for basic Weibull distributions. The resulting error metrics proved that the mixed Weibull distribution is more accurate than the basic Weibull two-variable distributions. Finally, the electrical energy expected to be generated by wind energy is calculated and compared with the actual data obtained from the power plant. The results showed that the two-component mixture Weibull distribution is more successful in the calculation of the energy potential than the alternatives.

References

  • “BP Energy Outlook 2018 Edition”, BP, 2018
  • “World Energy Investment 2018”, IEA, 2018
  • Şenel, M. C., Koç, E., “Dünyada ve Türkiye’de Rüzgâr Enerjisi Durumu-Genel Değerlendirme,” (2015), Mühendis ve Makina, 56.663, 46-56.
  • Carta, Jose A., Penelope Ramirez, and Sergio Velazquez. "A review of wind speed probability distributions used in wind energy analysis: Case studies in the Canary Islands." (2009), Renewable and sustainable energy reviews, 13.5, 933-955.
  • Chadee, Jason C., and Chandrabhan Sharma. "Wind speed distributions: a new catalogue of defined models." (2001), Wind Engineering, 25.6, 319-337.
  • Wais, P., A review of Weibull functions in wind sector (2017) Renewable and Sustainable Energy Reviews, 70, pp. 1099-1107.
  • Wang, J., Huang, X., Li, Q., Ma, X., Comparison of seven methods for determining the optimal statistical distribution parameters: A case study of wind energy assessment in the large-scale wind farms of China, (2018), Energy, 164, pp. 432-448.
  • Li, H., Zhang, F., “Summary on wind speed distribution and its parameter estimation.” 2014, Advanced Materials Research, 986-987, pp. 689-693.
  • Kestane, Ö., ve Ülgen, K., "Techno-economic analysis of wind power plants: A case study of Milas-Turkey." (2017), Energy Sources, Part B: Economics, Planning, and Policy 12.12, 1088-1100.
  • Carta, J. A., ve P. Ramirez. "Analysis of two-component mixture Weibull statistics for estimation of wind speed distributions." (2007), Renewable Energy 32.3, 518-531.
  • Şahin, A. D., “Türkiye rüzgarlarının alan-zaman modellemesi”, 2001, Doktora Tezi.
  • Manwell, James F., Jon G. McGowan, ve Anthony L. Rogers. Wind energy explained: theory, design and application. John Wiley & Sons, 2010.
  • Tuller, Stanton E., and Arthur C. Brett. "The characteristics of wind velocity that favor the fitting of a Weibull distribution in wind speed analysis." Journal of Climate and Applied Meteorology 23.1 (1984): 124-134.
  • International Electrotechnical Commission. "IEC61400-12: Wind turbine generator systems-Part 12: Wind turbine power performance testing." (1998).
  • Akdağ, Seyit A., ve Ali Dinler. "A new method to estimate Weibull parameters for wind energy applications." (2009), Energy conversion and management 50.7, 1761-1766.
  • Genc, Asir, et al. "Estimation of wind power potential using Weibull distribution." (2005), Energy Sources 27.9, 809-822.
  • Açıkgöz, İ., “Sonlu karma dağılımlarda parametre tahmini”, 2007, Doktora Tezi
  • Çetin, N. S., Çelik, H., ve Başaran, K., “Rüzgar Türbinlerinde Kapasite Faktörü ve Türbin Sınıfı İlişkisi”, 6th International Advanced Technologies Symposium, 16 – 18 Mayıs, 2011
  • E.K. Akpınar, ve S.Akpınar, “An assessment on seasonal analysis of wind energy characteristics and wind turbine characteristics.” (2005), Energy Conversion and Management, vol. 46, 1848-1867.
There are 19 citations in total.

Details

Primary Language Turkish
Subjects Engineering
Journal Section Articles
Authors

Kadir Doğanşahin 0000-0002-6763-058X

Ahmet Furkan Uslu 0000-0003-4560-9568

Bedri Kekezoğlu 0000-0002-1202-913X

Publication Date March 31, 2019
Published in Issue Year 2019 Issue: 15

Cite

APA Doğanşahin, K., Uslu, A. F., & Kekezoğlu, B. (2019). İki Bileşenli Weibull Dağılımı ile Rüzgâr Hızı Olasılık Dağılımlarının Modellenmesi. Avrupa Bilim Ve Teknoloji Dergisi(15), 315-326. https://doi.org/10.31590/ejosat.505723