MEHMET KURBAN, YELİZ MERT KANTAR, Fatih Onur HOCAOĞLU

Rüzgar enerjisi potensiyelinin araştırılmasında Weibull ve Rayleigh dağılımlarının kullanılması

Bu çalışmada, 2005 yılı Temmuz, Ağustos, Eylül ve Ekim aylarında saatlik olarak ölçülen rüzgar hızı verilerine dayanarak, Anadolu Üniversitesi İki Eylül Kampüsü 'ndeki rüzgar enerjisi potansiyeli istatistiksel olarak analiz edilmiştir. Bölgenin rüzgar enerji potansiyeli araştırmasında Weibull ve Rayleigh dağılımları kullanılmıştır. Ortalama hız, standart sapma, enerji ve güç yoğunluğu tahmininde kullanılan Weibull ve Rayleigh dağılımlarının parametreleri, En Küçük Kareler Yöntemi ile belirlenmiştir. Yapılan bu ön araştırma sonucunda kampusun rüzgar enerjisi potansiyelinin istatistiksel olarak elektrik enerjisi üretimi bakımından uygun olduğu görülmüştür.

Using the Weibull and Rayleigh distributions for the investigation of the wind energy potential

In this paper, the wind energy potential of the Iki Eylul Campus of Anadolu University is statistically analyzed based on wind speed data which measured hourly in July, August, September, and October in 2005. It is used the Weibull and Rayleigh distributions to determine wind energy potential of the region. The parameters of he Weibull and Rayleigh distributions used for finding the estimation of average speed, standard deviation, energy and power density is found by using the Least Square Method. The conclusion of this preliminary research suggests that wind energy in the campus is statistically convenient for electricity generation.

PDF

___

[1]. Kurban M., Elektrik Enerjisi Üretiminde Rüzgar Enerjisinin Yeri ve Önemi, I. Ege Enerji Sempozyumu ve Sergiisi , Denizli, 22-24 Mayıs, (2003).(özet)
[2]. Hocaoğlu F.O. ve Kurban M., Rüzgar Gücünden Elektrik Enerjisi Üretimi için Rüzgar Türbini Tasarımı, EVK'2005 1. Enerji Verimliliği ve Kalitesi Sempozyumu, Kocaeli, 17-18 Mayıs, (2005).
[3]. Golding E.W., The Generation of Electricity by Wind Power, London, (1976).
[4].Lipman N.H. and Musgrove P.J.; Wind Energy for the Eighties, England, (1982).
[5].Hickok F; Handbook of Solar and Wind Energy, Boston.
[6].Simmons D.M., Wind Power, london, (1975).
[7].Elektrik İşleri Etüd İdaresi-web sayfası
[8].Cliff, W.C., The Effect of Generalized Wind Characteristics on Annual Power Estimates from Wind Turbine Generators. PNL-2436, Richland, Washington: Battele Pacific Northwest Laboratory, (1977).
[9].Akpınar E.K ve Akpınar S., Determination of the Wind Energy Potential for Maden, Turkey. Energy Convers Manage, 45 (18-19), 2901-14, (2004)
[10].Weisser D. A., Wind Energy Analysis of Grenada: an Estimation Using the 'Weibull' Density Function, Renewable Energy, 28, 1803-1812, (2003). [11]. Deaves D.M.and Lines I.G., On the Fitting of Low Mean Wind Speed Data to the Weibull Distribution, 66, 169-78, (1997).
[12].Haralambopoulos D.A, Analysis of Wind Charactersistics and Potential in the East Mediterranean-the Lesvos Case. Renewable Energy, 6,445-54,(1995).
[13]. Çelik A.N., 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).
[14]. Ülgen K. ve Hepbaşlı A. Determination of Weibull parameters for wind energy analysis of İzmir, Turkey. Int J Energy Res,, 26, 495-506, (2002).
[15]. Genç A., Murat E., Pekgör A., Oturanc G, Hepbash A. ve Ülgen K., Estimation of Wind Power Potential Using Weibull Distribution, 27, 809-822, (2005).
[16]. Swain J., Venkatraman S., Wilson J. Least-squares estimation of distribution function in Johnson's translation systems. J.Statist. Comput. Simulation 29, 271-210, (1988).
[17]. Cheng, R.C.H. and Amin N.A.K., Estimating Parameters in Continuous Univariate Distributions with a Shifted Origin, J. Roy. Statist. Soc.Ser.B 45 394-403,(1983).
[18]. Wu X., Calculation of Maximum Entropy Densities with Application to Income Distribution, 115, 347-354,(2003).