Investigation of Wind Characteristics for Antalya Region by Using Weibull Distribution

Yıl 2017, Cilt: 38 Ek Sayı 4, 156 - 164, 08.12.2017

Ahmet Caglar

https://doi.org/10.17776/csj.349901

Cited By: 3

Öz

The most widely used statistical method that is used
to determine the wind energy potential for a specific region is Weibull
distribution or probability function. Using two-parameter Weibull distribution
function, wind characteristics such as mean wind speed and mean wind power can
be forecasted. In this study, the mean wind speed and wind power potential for
Antalya are determined using Graphical, Moment and Maximum Likelihood methods
with the help of the data taken from Antalya-Elmalı Meteorological Station. In
this way, predicting the wind energy potential of Antalya region, it is
discussed whether the possible installation of a wind power plant is feasible
or not in this area. The results obtained are evaluated by using error analysis
methods that are the Coefficient of Determination (R²) and Root Mean
Squares Error (RMSE).

Anahtar Kelimeler

Wind speed, wind power, Weibull distribution, graphical method, moment method

Antalya Bölgesi İçin Rüzgâr Karakteristiğinin Weibull Dağılımı Kullanılarak İncelenmesi

Öz

Belirli bir bölgenin rüzgâr enerjisi potansiyelini
belirlemede en yaygın kullanılan istatistiksel yöntem Weibull dağılım
fonksiyonudur. İki parametreli Weibull dağılım fonksiyonu ile ortalama rüzgâr
hızı, ve ortalama rüzgâr gücü gibi rüzgar karakteristikleri tahmin
edilebilmektedir. Bu çalışmada, Antalya ili için ortalama rüzgâr hızı ve rüzgâr
gücü potansiyeli grafik, moment ve maksimum olabilirlik yöntemleri kullanılarak
Antalya-Elmalı Bölge Meteoroloji İstasyonu'ndan alınan veriler yardımıyla
belirlenmiştir. Böylece Antalya Bölgesinin rüzgâr enerji potansiyeli tahmin
edilerek olası bir rüzgâr enerjisi santrali kurulumunun uygun olup olmayacağı
tartışılmıştır. Elde edilen sonuçlar için ortalama hata kareleri toplamı kökü (RMSE) ve belirlilik katsayısı (R²) hata
analizleri yapılmıştır.

Anahtar Kelimeler

Rüzgâr hızı, rüzgâr gücü, Weibull dağılımı, grafik yöntemi, moment yöntemi

Kaynakça

• [1]. Kidmo D.K., Danwe R., Doka S.Y., Djongyang N., Statistical analysis of wind speed distribution based on six Weibull Methods for wind power evaluation in Garoua, Cameroon, Revue des Energies Renouvelables 2015; 18: 105-125.
• [2]. Bhattacharya P., Bhattacharjee R., A study on Weibull distribution for estimating the parameters, Journal of Applied Quantative Methods 2010; 5: 234-241.
• [3]. Mert İ., Karakuş C., Peker F., Antakya bölgesi rüzgar karakteristiğinin incelenmesi, Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 2014; 5(1): 13-22.
• [4]. Kaplan Y.A., Rayleigh ve Weibull dağılımları kullanılarak Osmaniye bölgesinde rüzgar enerjisinin değerlendirilmesi, Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2016; 20: 62-71.
• [5]. Korukçu M.Ö., Türkiye’de dört yerleşim yeri için rüzgâr enerjisi potansiyelinin belirlenmesi, Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi 2011; 16: 117-126.
• [6]. Bilgili M., Şahin B., Şimşek E., Türkiye’nin güney, güneybatı ve batı bölgelerindeki rüzgar enerjisi potansiyeli, Isı Bilimi ve Tekniği Dergisi 2010; 30: 01-12.
• [7]. Kurban M., Kantar Y.M., Hocaoğlu F.O., Weibull dağılımı kullanılarak rüzgar hız ve güç yoğunluklarının istatistiksel analizi, Afyon Kocatepe Üniversitesi Fen Bilimleri Dergisi; 7(2): 205-218.
• [8]. Dokur E., Kurban M., Wind speed potential analysis based on Weibull distribution, Balkan Journal of Electrical & Computer Engineering 2015; 3(4): 231-235.
• [9]. Akdağ S.A., Güler Ö., Calculation of wind energy potential and economic analysis by using Weibull distribution-A case study from Turkey. Part 1: Determination of Weibull parameters, Energy Sources, Part B: Economics, Planning, and Policy 2009; 4(1): 1-8.
• [10]. Köse B., Güneşer M.T., Yazıcı M., Yılmaz S.H., Eskipazar rüzgar enerjisi potansiyelinin Rayleigh, Lognormal ve Weibull dağılım modeli kullanarak tahminlenmesi, 3rd International Symposium on Innovative Technologies in Engineering and Science (ISITES-2015), Spain 2015; Volume 1: 2251-2260.
• [11]. Carrillo C., Cidrás J., Dorado E.D., Montaño A.F.O., An approach to determine the Weibull parameters for wind energy analysis: the case of Galicia (Spain), Energies 2014; 7: 2676-2700.
• [12]. Karadeniz A., Eker M.K., Balıkesir-Balya meteoroloji istasyonu verileri kullanılarak Weibull fonksiyonu parametrelerinin 6 farklı metodla belirlenmesi, Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen Ve Mühendislik Dergisi 2015; 17(3): 163-175.
• [13]. Usta İ., Kantar Y.M., Farklı olasılık yoğunluk fonksiyonları kullanarak rüzgar gücü potansiyelinin tahmini, Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen Ve Mühendislik Dergisi 2016; 18(3): 362-380.
• [14]. Islam M.R., Saidur R., Rahim N.A., Assessment of wind energy potentiality at Kudat and Labuan, Malaysia using Weibull distribution function, Energy 2011; 36(2): 985-992.
• [15]. Fazelpour F., Soltani N., Soltani S., Rosen M.A., Assessment of wind energy potential and economics in the north-western iranian cities of Tabriz and Ardabil, Renewable and Sustainable Energy Reviews 2015; 5: 87-99.
• [16]. Ouammi A., Dagdougui H., Sacile R., Mimet A., Monthly and seasonal assessment of wind energy characteristics at four monitored locations in Liguria region (Italy), Renewable and Sustainable Energy Reviews 2010; 14(7): 1959-1968.
• [17]. Nezhad H.S., Zadeh A.K., Dehdiva S.S., Using artificial neural networks for forcasting wind speed changes in the city of Kerman, Cumhuriyet Üniversitesi Fen Fakültesi Fen Bilimleri Dergisi 2015; 36: 58-63.
• [18]. Gülersoy T., Çetin N.S., Menemen bölgesinde rüzgar türbinleri için Rayleigh ve Weibull dağılımlarının kullanılması, Politeknik Dergisi 2010; 13(3): 209-213.