Rüzgar Enerjisi Potansiyelinin Hesaplanmasında Parametre Tahmin Yöntemlerinin İncelenmesi

Abstract

Rüzgar gücü potansiyeli hesaplanmasında çok yaygın bir sekilde Weibull dağılımı kullanılmaktadır. Weibull dağılımının parametrelerini tahmin etmek için literatürde bir çok yöntem vardır. Ancak L-moment yöntemi rüzgar enerjisi potansiyeli hesaplanmasında çok fazla kullanılmamıstır. Bu çalısmanın amacı, küçük örnek hacimlerinde bile oldukça etkin sonuçlar veren L-moment yöntemini tanıtmaktır. Ayrıca Eskisehir ili 2009 Aralık ayı rüzgar hızı verilerine iliskin iki parametreli Weibull dağılımının sekil ve ölçek parametreleri En Küçük Kareler, En Çok

Olabilirlik ve L-moment yöntemleriyle tahmin edilmistir.

Anahtar Kelimeler: Rüzgar enerjisi, parametre tahmini, weibull dağılımı

Keywords

• Rüzgar enerjisi, parametre tahmini, weibull dağılımı

-

Abstract

Weibul distribution is widely used to compute wind power potential. There are a lot of estimation methods about Weibull distribution’s parameters in literature. But L-moment estimation method is rarely used to compute wind power potential. The aim of this study is introduced L-moment estimation method which provide very effective results in small samples. Furthermore,in this study, shape and scale parameters of two parameter Weibull distribution were estimated with ordinary least squares, maximum likelihood and L-moment methods for actual wind speed data

Keywords

• Wind energy, parameter estimation, weibull distribution

References

1. Akdağ, A. S. ve Dinler, A., “A New Method to Estimate Weibull Parameters for Wind Energy Applications”, Management, 50, 1761-1766, 2009. Conversion and
2. Uçar, A. ve Balo, F., “Investigation of Wind Characteristics and Assessment of Wind Generation Potentiality in Uludağ-Bursa”, Turkey. Applied Energy, 86, 333-339, 2009.
3. Ahmed, S. A.,“Wind Energy as a Potential Generation Source at Ras Benas, Egypt”, Renewable and Sustainable Energy Reviews, 14, 2167-2173, 2010.
4. Akpınar, S. ve Akpınar, E. K., “Estimation of Wind Energy Potential Distribution Models”, Energy Conversion and Management, 50, 877-884, 2009. Mixture Using Parameters Observations”, Renewable Energy, 20, 145-153, 2000. Wind
5. Ülgen K. ve Hepbaşlı, A., “Determination of Weibull Parameters for Wind Energy Analysis of İzmir, Turkey”, International Journal of Energy Research, 26, 495-506, 2002.
6. Çelik, A.N. ve “A Statistical Analysis of Wind Power Density Based on the Weibull and Rayleigh Models at Southern Region of Turkey”, Renewable Energy, 29, 593-604, 2004.
7. Cohen, A. C.,“Maximum Likelihood Estimation in the Weibull Distribution Based On Complete and On Censored Samples”,Technometrics, 7(4), 579-588, 1965.
8. Johnson, N.L. ve Kotz, S.,Balakrishnan, N., “Continuous Volume1: Second Edition”, Wiley Series in Probability and Mathematical Statistics. A Wiley – Interscience Publication: John Wiley & Sons, Inc. New York, Chichester, Brisbane, Toronto, Singapore, 1994. Distributions.

9. Akdi, Y., “Matematiksel İstatistiğe Giriş”, Gazi Kitabevi, Ankara, 2011.
10. Hossain, A.M. ve Zimmer, W.J., “Comparison of Estimation Methods for Weibull Parameters: Complete and Censored Samples”, Journal of Statistical Computation and Simulation, 73(2), 145-153, 2003.
11. Hosking, J. R. M. ve Wallis, J. R., “RegionalFrequency UniversityPress, 1990. Cambridge
12. Demirci, E. ve Şenlik, İ., “Ondokuz Mayıs Yerleşkesi Üniversitesi Potansiyelinin Dönemsel Değerlendirilmesi”, Rüzgar Enerjisi Sempozyumu, 04-05 Haziran 2009, Samsun. Rüzgar Enerjisi
13. Şen, Ç., “Gökçeada’nın Elektrik Enerjisi Rüzgar İhtiyacının Karşılaştırılması”, Dokuz Eylül Üniversitesi Enerjisi İle Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, 2003.
14. Anderson T. W. ve Darling D. A., “A Test of Goodness of Fit”, Journal of theAmerican Statistical Association, 49(268), 765-769, 1954.
15. Bilgili, M. ve Şahin, B.,“Statistical Analysis of Wind Energy Density in the Western Region of Turkey”, Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 32(13), 1224-1235, 2010.