Rüzgar enerji uygulamaları için Weibull dağılım parametrelerinin tahmini: Türkiye’nin Dinar bölgesi için bir çalışma

Year 2022, Volume: 14 Issue: 1, 1 - 10, 30.04.2022

Okan Bingöl , Aydın Bulut

https://doi.org/10.55974/utbd.1033090

Cited By: 2

Abstract

Bu çalışmada, Dinar bölgesinin rüzgar enerji karakteristiğinin incelemesi yapılmıştır. Çalışmada ihtiyaç duyulan rüzgar verisi Meteoroloji Genel Müdürlüğü’nün Dinar Meteoroloji İstasyonu tarafından sağlanmıştır. Rüzgar verileri Haziran 2015 – Mayıs 2020 yılları arasında saatlik olarak kaydedilmiştir.Bölgenin rüzgar karakteristiğinin incelenmesinde iki değişkenli Weibull olasılık dağılım fonksiyonu kullanılmıştır. Olasılık dağılım fonksiyonun şekil (k) ve ölçek(c) değişkenlerinin hesaplanmasında ise altı farklı yöntem kullanılmıştır. Bunlar moment, grafik, Justus empirik, enerji eğilim, enerji pattern ve en yüksek olabilirlik yöntemleridir. Bu yöntemlerin performansları ise dört farklı istatistiksel hata analiz yöntemi ile karşılaştırılmıştır. Bunlar sırasıyla ortalama karekök hatası (RMSE), belirleme katsayısı (R2), ki-kare hatası (X2) ve ortalama mutlak hata (MAE)’dır. Elde edilen sonuçlara bakıldığında en yüksek olabilirlik ve enerji eğilim yöntemleri Weibull parametrelerinin hesabında en başarılı yöntemler olmuştur. Ayrıca bu çalışma, bölgenin rüzgar enerji karakteristiğini belirlemede önemli bir ön çalışma niteliği taşımaktadır.

Keywords

Rüzgar enerjisi, Weibull dağılımı, İstatistiksel hata analizi

Thanks

Bu çalışmada ihtiyaç duyulan Dinar bölgesine ait rüzgar hızı veri setini paylaşan Meteoroloji Genel Müdürlüğü’ne teşekkür ederiz.

Estimation of Weibull distribution parameters for wind energy applications: A case study of Dinar region in Turkey

Abstract

In this study, the wind energy characteristics of Dinar region were researched. Required wind data was provided by the Dinar Meteorology Station of the Turkish State Meteorology Service. Wind data was recorded hourly between June 2015 and May 2020. The two variable Weibull probability distribution function was used to research wind characteristics of the region. Six different methods were used to calculate shape (k) and scale (c) variables of the probability distribution function. These are moment, graph, Justus empirical, energy trend, energy pattern and maximum likehood estimation methods. The performance of these methods were compared with four different statistical error analysis methods. These are root mean square error (RMSE), coefficient of determination (R2), chi-square error (X2) and mean absolute error (MAE). According to the results, maximum likehood estimation and energy trend methods have been the most successful methods in the calculation of Weibull parameters. In addition, this study is an important preliminary study in determining the wind energy characteristic of the region.

Keywords

Wind energy, Weibull distribution, Statistical error analysis

References

• Uyar TS. Enerji üretiminde yenilenebilir enerji kaynaklarının kullanımı. TMMOB Chamber of Electrical Engineers Press, 1998.
• Türkiye Rüzgar Enerjisi Birliği. World Wind Report in 2021. https://tureb.com.tr/eng/lib/uploads/11381fe019da1b31.pdf (Date Accessed: 09.05.2021).
• Türkiye Rüzgar Enerjisi Birliği. 2021 Turkey Wind Energy Statistics Report. https://tureb.com.tr//haber/turkiye-ruzgar-enerjisi-istatistik-raporu-ocak-2021/251(Date Accessed: 09.05.2021).
• Pallabazzer R. Parametric analysis of wind siting efficiency. Journal of Wind Engineering and Industrial Aerodynamics, 91, 1329-1352, 2003.
• 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. Energy, 164, 432-448, 2018.
• Akdağ SA, Dinler A. A new method to estimate Weibull parameters for wind energy applications. Energy Conversion and Management, 50, 1761-1766, 2009.
• Mohsin M, Rao KVS. Estimation of Weibull distribution parameters and wind power density for wind farm site at Akal at Jaisalmer in Rajasthan. 2018 3rd International Innovative Applications of Computational Intelligence on Power, Energy and Controls with their Impact on Humanity (CIPECH), Ghaziabad, India, 1-2 November 2018.
• Chang TP. Performance comparison of six numerical methods in estimating Weibull parameters for wind eneegy application. Applied Energy, 88, 272-282, 2011.
• Kaplan YA. Rayleigh ve Weibull dağılımları kullanılarak Osmaniye bölgesinde rüzgar enerjisinin değerlendirilmesi. Süleyman Demirel University Journal of Natural and Applied Sciences, 20, 62-71, 2016.
• Kapen PT, Gouajio MJ, Yemele D. Analysis and efficient comparison of ten numerical methods in estimating Weibull parameters for wind energy potential: application to the city of Bafoussam, Cameroon. Renewable Energy, 159, 1188-1198, 2020.
• Altimimi A, Ceekhan A. Calculate and compare five of Weibull distribuiton parameters to estimate wind power in Iraq. 8th International Renewable Energy Congress (IREC), Amman, Jordan, 21-23 March 2017.
• Wadi M, Elmasry W. Statistical analysis of wind energy potential using different estimation methods for Weibull parameters: a case study. Electrical Engineering, 103, 2021.