SavedAdd your journal

Journals / Doğuş Üniversitesi Dergisi / 2008 / Cilt: 9 - Sayı: 1

Rüzgar hızı dağılımının tahmin edilmesi için istatistiksel bir yaklaşım: Gelibolu bölgesi örneği

A statistical approach to estimate the wind speed distribution: The case of gelibolu region

VEYSEL YILMAZ
H. Eray ÇELİK
Pages
122–132
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu amaçla üç uyum iyiliği testi ve grafik yöntemi kullanılmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Rüzgar enerjisi yenilenebilir ve çevre dostu bir enerjidir.
📊
Key Findings & Data:Bir bölgenin rüzgar hızı enerji potansiyelinin değerlendirilmesi ve tahmini için geçerli bir olasılık dağılımının belirlenmesi çok önemlidir.
💡
Conclusion & Impact:Bu amaçla üç uyum iyiliği testi ve grafik yöntemi kullanılmıştır.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Domain Parameters

Abstract

Rüzgar enerjisi yenilenebilir ve çevre dostu bir enerjidir. Rüzgar enerjisi atmosferi kirleten fosil yakıtlarıyla kıyaslandığında, temiz enerji kaynağı için bir alternatiftir. Rüzgar enerjisinin potansiyelinin en önemli parametresi rüzgar hızıdır. Rüzgar hızı rassal olay olarak tanımlandığı için rüzgar hız tahminlerinde istatistiksel yöntemleri kullanmak yararlıdır. Bu nedenle rüzgar hızı, olasılık dağılımları kullanılarak tahmin edilebilir. Bir bölgenin rüzgar hızı enerji potansiyelinin değerlendirilmesi ve tahmini için geçerli bir olasılık dağılımının belirlenmesi çok önemlidir. Bu çalışmada Gelibolu bölgesinde ölçülen rüzgar hızı verilerini temsil edebilecek uygun bir olasılık dağılımı 10 dağılım karşılaştırılarak belirlenmeye çalışılmıştır. Bu amaçla üç uyum iyiliği testi ve grafik yöntemi kullanılmıştır.

Özet

Wind energy is renewable and environment friendly. It is an alternative clear energy source compared to the fossil fuels that pollute the lower layer of atmosphere. The most important parameter of the wind energy is the wind speed. Statistical methods are useful for estimating wind speed because it is a random phenomena. For this reason, wind speed probabilities can be estimated by using probability distributions. An accurate determination of probability distribution for wind speed values is very important in evaluating wind speed energy potential of a region. In this study, first, we tried to determine appropriate theoretical pdf (probability density function) by comparing 10 pdf for the wind speed data measured for Gelibolu region. In determining proper pdf , an approach consisting of 3 goodness of fit tests and fitted graphics have been used.

🔖

Cite This Article

YILMAZ, V., ÇELİK, H. E. (2008). Rüzgar hızı dağılımının tahmin edilmesi için istatistiksel bir yaklaşım: Gelibolu bölgesi örneği. Doğuş Üniversitesi Dergisi, Cilt: 9 - Sayı: 1, 122–132. https://ajindex.com/articles/128808

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. ANDERSON, T.W., DARLING, D.A. (1954).
  2. A Test of Goodness of Fit, Journal of American Statistics Association, pp. 765-767.
  3. ARAS, H., YILMAZ, V., ÇELİK, H.E. (2003). Estimation of Monthly Wind Speeds of Eskişehir,Turkey. The First International Exergy, Energy and Environment Symposium, Hotel Princess, Izmir, Turkey 13-17
  4. July. AUWERA V., MEYER L.F., MALET LM. (1980). The use of the Weibull three parameter model for estimating mean wind power densities. Journal of Apply Meteorology, vol.19,pp. 819–825.
  5. BIVONA, S., BURLON, R., LEONE C. (2003). Hourly wind speed analysis in Sicily. Renewable Energy, vol. 28, pp. 1371-1385.
  6. ÇELİK, A.N. (2003) A statistical analysis of wind power density based on the Weibull and Rayleigh models at the southern region of Turkey. Renewable Energy, vol.29, no.4, pp.593–604.
  7. DORVLO, S.S. A. (2002) Estimating wind speed distribution. Energy Conversion and Management, vol.43, pp. 2311-2318.
  8. GUHA, R., (2004). Statistic lecture notes. Statistical definitions, [Online] Available at: _____http://cheminfo.informatics.indiana.edu/~rguha/writing/notes/stats/node11.html>, [ Erişim tarihi 26.04.2007].
  9. GUPTA B.K. (1986) Weibull parameters for annual and monthly wind speed distributions for five locations in India. Solar Energy, vol.37, pp. 469–71.
  10. LAW A.M. and KELTON W.D. (1991) Simulation Modeling and Analysis. McGraw-Hill. LUN, I.Y.F., LAN J.C. (2000) A study of Weibull parameters using long-term wind observations. Renewable Energy, vol.20, pp.145–53.
  11. OZTOPAL, A, SAHIN, A.D., SEN Z. (200) On the regional wind energy potential of Turkey. Energy, vol.25, pp.189-200.
  12. PASHARDES, S., CHRISTOFIDES, C. (1995) Statistical analysis of wind speed and direction in Cyprus. Solar Energy, vol. 55, no.5, pp.405-414. Published by the General Directorate of Turkish State Meteorological Service and the General Directorate of Electrical Power Resources Survey Administration, Data Bank, Ankara, Turkey, 2003.
  13. RAMIREZ, P., CARTA, J.A. (2005) Influence of the data sampling interval in the estimation of the parameters of the Weibull wind speed probability density distribution: a case study. Energy Conversion and Management, vol.46, pp. 2419–2438.
  14. REHMAN, S., HALAWANI T.O., HUSAIN, T. (1994) Weibull parameters for wind speed distribution in Saudi Arabia. Solar Energy, vol.53, pp.473–9.
  15. SEGURO, J.V., LAMBERT, T.W. (200) Modern estimation of the parameters of the Weibull wind speed distribution for wind energy analysis. Journal of Wind Engineering and Industrial Aerodyn