Rüzgâr enerjisi potansiyelini değerlendirirken önemli hususlar

Abstract

Rüzgâr rejimi dağılım modelinin belirlenmesi birkaç nedenden dolayı gereklidir, rüzgâr gücü çıktısını tahmin etmek en önemli konulardan biridir. Bu açıdan rüzgâr hızı dağılımını modellemek için Weibull, Gamma ve Rayleigh dağılımları en yaygın olarak kullanılan dağılımlardır. Ancak, tüm rüzgâr modellerini modellemede üstün olmayabilirler. Sonuç olarak, yerine geçecek dağılım fonksiyonlarının çalışılması gerekmektedir. Bu makale, rüzgâr hızı dağılımını tanımlamak için Weibull, Uç Değer, Ters Gauss, Lojistik, Log-Lojistik, Yarı-Normal, Burr Tipi XII, Genelleştirilmiş Uç Değer, Genelleştirilmiş Pareto ve T KonumÖlçeği adlı on farklı dağılım fonksiyonlarını kapsamlı bir şekilde sunar. Ayrıca, her dağılımın parametre değerlerini optimize etmek için iki metasezgisel optimizasyon yöntemi olan Genetik Algoritması ve Parçacık Sürü Optimizasyonu kullanılmaktadır. Sunulan dağılımların iyi durumlarını (good-of-fitness) karşılaştırmak için yedi istatistiksel tanımlayıcı ile birlikte altı hata kriteri kullanılmıştır

The wind speed data are collected from the site to be analyzed. These collected data are the real dataset. The distribution functions and the optimization methods are applied to the real data to select the parameter values of each distribution. The parameter selection of a distribution can be considered a nonlinear optimization problem that minimizes the Mean Absolute Error (MAE) between the real and estimated wind speed vectors. Based on the optimal parameter values, the predicted wind data are generated. These data are the predicated dataset. The best matching is determined by utilizing different accuracy measures. Six measures such as MAE, Root Mean Square Error (RMSE), Regression coefficient (R2), Correlation Coefficient (R), Kolmogorov–Smirnov, and Net Fitness are used. Net fitness considers one of the essential measures since it is the average of four measures and can accurately specify the distribution with the best matching.