Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2022

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Anderson-Darling

Sortuj według:

Ogranicz wyniki do:

Mathematical modeling of real time wind power density using the transformation technique

Divya P. S., Manoj G., John Catherine Grace, Lydia M.

Przegląd Elektrotechniczny

2022

R. 98, nr 4

33--35

Wind power density function and cumulative density function are very essential for evaluating the region's wind resource capacity. To specify the wind speed density functions, six probability density functions are considered in this study. This study suggests a transformation technique to develop a wind power density model predominantly from well-known dfs, namely, the Weibull, Gamma, Burr, Dagum, Logistic and Log-Logistic. The wind power density and cumulative density functions are derived by means of the transformation technique for all the above mentioned distributions as well as the power density and cumulative density function curves are plotted. The maximum likelihood approach is used to estimate the parameters of various distributions. The Kolmogorov-Smirnov test, Anderson-Darling test, and Chi-Squared test are used to evaluate and compare the quality of the goodness of fit. A case study including wind speed data from multiple locations demonstrates the mathematical model in action. Among the six statistical distributions shown above, the Dagum probability density function looks to be the most consistent.

Funkcja gęstości mocy wiatru i funkcja gęstości skumulowanej są bardzo istotne dla oceny potencjału zasobów wiatru w regionie. Aby określić funkcje gęstości prędkości wiatru, w niniejszym opracowaniu uwzględniono sześć funkcji gęstości prawdopodobieństwa. Niniejsze badanie sugeruje technikę transformacji służącą do opracowania modelu gęstości mocy wiatru głównie na podstawie dobrze znanych DFS, a mianowicie Weibulla, Gamma, Burra, Daguma, Logistic i Log-Logistic. Za pomocą techniki transformacji dla wszystkich w/w rozkładów wyprowadza się funkcje gęstości mocy wiatru i gęstości skumulowanej oraz wykreśla się krzywe gęstości mocy i funkcji gęstości skumulowanej. Do oszacowania parametrów różnych rozkładów stosuje się podejście największej prawdopodobieństwa. Do oceny i porównania jakości dopasowania stosuje się test Kołmogorowa-Smirnowa, test Andersona-Darlinga i test Chi-kwadrat. Studium przypadku obejmujące dane dotyczące prędkości wiatru z wielu lokalizacji pokazuje działanie modelu matematycznego. Spośród sześciu rozkładów statystycznych przedstawionych powyżej funkcja gęstości prawdopodobieństwa Daguma wydaje się być najbardziej spójna.