سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

[ 62 | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]


عنوان مقاله:جنگل در مقیاس چشم انداز مورد بررسی قرار با مدل Q و CoupModel آموخته - پاسخ به برداشت تشدید
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره): (0)
سال انتشار:Available online 19 May 2015
شماره صفحات: 000-0
نشانگر دیجیتالی شیء:[ 10.1016/j.ijhydene.2015.04.140 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. International Journal Of Hydrogen Energy »
  4. Seasonal and yearly wind speed distribution and wind power density analysis based on Weibull distribution function

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 54.226.73.255

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

خلاصه مقاله، نویسندگان و کلمات کلیدی

Seasonal And Yearly Wind Speed Distribution And Wind Power Density Analysis Based On Weibull Distribution Function


مقاله: جنگل در مقیاس چشم انداز مورد بررسی قرار با مدل Q و CoupModel آموخته - پاسخ به برداشت تشدید

نويسند‌گان:


خلاصه مقاله:


Wind energy, which is among the most promising renewable energy resources, is used throughout the world as an alternative to fossil fuels. In the assessment of wind energy for a region, the use of two-parameter Weibull distribution is an important tool. In this study, wind speed data, collected for a one year period between June 2012 and June 2013, were evaluated. Wind speed data, collected for two different heights (20 m and 30 m) from a measurement station installed in Atılım University campus area (Ankara, Turkey), were recorded using a data logger as one minute average values. Yearly average hourly wind speed values for 20 m and 30 m heights were determined as 2.9859 m/s and 3.3216 m/s, respectively. Yearly and seasonal shape (k) and scale (c) parameter of Weibull distribution for wind speed were calculated for each height using five different methods. Additionally, since the hub height of many wind turbines is higher than these measurement heights, Weibull parameters were also calculated for 50 m height. Root mean square error values of Weibull distribution functions for each height, derived using five different methods, show that a satisfactory representation of wind data is achieved for all methods. Yearly and seasonal wind power density values of the region were calculated using the best Weibull parameters for each case. As a conclusion, the highest wind power density value was found to be in winter season while the lowest value was encountered in autumn season. Yearly wind power densities were calculated as 39.955 (W/m2), 51.282 (W/m2) and 72.615 (W/m2) for 20 m, 30 m and 50 m height, respectively. The prevailing wind direction was also determined as southeast for the region. It can be concluded that the wind power density value at the region is considerable and can be exploited using small scale wind turbines.


انرژی باد، که در میان منابع انرژی تجدید پذیر امیدوار کننده ترین است، در سراسر جهان به عنوان جایگزین سوخت های فسیلی استفاده می شود. در ارزیابی از انرژی باد برای یک منطقه، استفاده از دو پارامتر توزیع Weibull یک ابزار مهم است. در این مطالعه، داده های سرعت باد، جمع آوری شده برای یک دوره یک ساله بین ژوئن 2012 و ژوئن سال 2013، مورد بررسی قرار گرفت. اطلاعات سرعت باد، جمع آوری شده برای دو ارتفاع مختلف (20 متر و 30 متر) از یک ایستگاه اندازه گیری نصب شده در منطقه پردیس دانشگاه Atılım (آنکارا، ترکیه)، با استفاده از چوب به عنوان داده های ارزش متوسط ​​یک دقیقه ثبت شد. به طور متوسط ​​سالانه ارزش ساعتی سرعت باد برای 20 متر و 30 متر ارتفاع به عنوان 2.9859 m / s و 3.3216 و m / s و، به ترتیب مشخص شد. شکل سالانه و فصلی (K) و مقیاس (ج) پارامتر توزیع وایبل برای سرعت باد برای هر ارتفاع با استفاده از پنج روش مختلف محاسبه شد. علاوه بر این، از آنجا که ارتفاع توپی از بسیاری از توربین های بادی بالاتر از این ارتفاع اندازه گیری است، پارامترهای وایبل همچنین برای 50 متر ارتفاع محاسبه شد. معنی ریشه ارزش خطای مربع از توابع توزیع Weibull برای هر قد، مشتق شده است با استفاده از پنج روش مختلف، نشان می دهد که یک نمایش رضایت بخش بر باد داده است برای همه روش به دست آورد. ارزش چگالی توان باد سالانه و فصلی در منطقه با استفاده از بهترین پارامترهای وایبل برای هر مورد محاسبه شد. به عنوان یک نتیجه، بالاترین قدرت باد مقدار تراکم در فصل زمستان می شود در حالی که کمترین مقدار در فصل پاییز مواجه شده پیدا شد. چگالی های نیروی باد سالانه به عنوان 39.955 (W / m2)، 51.282 (W / m2) و 72.615 (W / m2) 20 متر، 30 متر و 50 متر ارتفاع، به ترتیب محاسبه شد. جهت باد غالب نیز به عنوان جنوب شرقی برای منطقه مشخص شد. می توان نتیجه گرفت که ارزش چگالی توان باد در منطقه قابل توجه است و می تواند با استفاده از توربین های بادی در مقیاس کوچک استفاده قرار گیرد.


كلمات كليدي:

Weibull parameters, Wind energy, Wind power density, Wind speed modeling
پارامترهای وایبل, انرژی باد, چگالی توان باد , مدل سازی سرعت باد


موضوعات:

Condensed Matter Physics, Energy Engineering and Power Technology, Fuel Technology, Renewable Energy, Sustainability and the Environment



[ ]

فهرست مقالات مرتبط و مشابه

  1. Eliasson, Peter, Svensson, Magnus, Olsson, Mats, Ågren, Göran I. (2013) 'Forest carbon balances at the landscape scale investigated with the Q model and the CoupModel – Responses to intensified harvests', Forest Ecology and Management, Elsevier BV, pp:67-78
  2. Kumaraswamy, B. G., Keshavan, B. K., Ravikiran, Y. T. (2011) 'Analysis of seasonal wind speed and wind power density distribution in Aimangala wind form at Chitradurga Karnataka using two parameter weibull distribution function', 2011 IEEE Power and Energy Society General Meeting, Institute of Electrical and Electronics Engineers (IEEE), pp:0-0
  3. Parajuli, Ayush (2016) 'A Statistical Analysis of Wind Speed and Power Density Based on Weibull and Rayleigh Models of Jumla, Nepal', EPE, Scientific Research Publishing, Inc,, pp:271-282
  4. , (2015) 'Wind Speed Potential Analysis Based on Weibull Distribution', Balkan Journal of Electrical and Computer Engineering, Balkan Journal of Electrical & Computer Engineering (BAJECE), pp:0-0
  5. , , Islam, Rubayat (2015) 'Analysis of Wind Energy Prospect for Power Generation by Three Weibull Distribution Methods', Energy Procedia, Elsevier BV, pp:722-727
  6. Azad, A.K., Rasul, M.G., Islam, Rubayat, Shishir, Imrul R. (2015) 'Analysis of Wind Energy Prospect for Power Generation by Three Weibull Distribution Methods', Energy Procedia, Elsevier BV, pp:722-727
  7. Aririguzo, Julian C., Ekwe, Ekwe B. (2019) 'Weibull distribution analysis of wind energy prospect for Umudike, Nigeria for power generation', Robotics and Computer-Integrated Manufacturing, Elsevier BV, pp:-
  8. Pishgar-Komleh, S.H., Keyhani, A., Sefeedpari, P. (2015) 'Wind speed and power density analysis based on Weibull and Rayleigh distributions (a case study: Firouzkooh county of Iran)', Renewable and Sustainable Energy Reviews, Elsevier BV, pp:313-322
  9. Vijayaraghavan, Vineeth, Srinivasan, Mukundhan, Boopathi, K., Kanagavel, P. (2013) 'Wind Profile Modelling Using Statistical Analysis of Weibull Distribution: An Indian Perspective', Proceedings of the Eighth Asia-Pacific Conference on Wind Engineering, Research Publishing Services, pp:0-0
  10. (2004) '04/00344 Assessing the suitability of wind speed probabilty distribution functions based on wind power density', Fuel and Energy Abstracts, Elsevier BV, pp:40-41

 

فهرست مراجع و منابع




 

برگشت به بالا
× 🎁
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×