Estimación de parámetros en distribuciones de dirección del viento

  1. Martínez Gutiérrez, Samuel 1
  2. Sarabia, Daniel 1
  3. Merino, Alejandro 1
  1. 1 Universidad de Burgos
    info

    Universidad de Burgos

    Burgos, España

    ROR https://ror.org/049da5t36

Revista:
Jornadas de Automática
  1. Cruz Martín, Ana María (coord.)
  2. Arévalo Espejo, V. (coord.)
  3. Fernández Lozano, Juan Jesús (coord.)

ISSN: 3045-4093

Año de publicación: 2024

Número: 45

Tipo: Artículo

DOI: 10.17979/JA-CEA.2024.45.10821 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Resumen

Una característica fundamental para caracterizar y evaluar el recurso eólico de lugares candidatos a albergar parques eólicos es la distribución de la dirección del viento. Uno de los métodos más utilizados para modelizar la distribución de la dirección del viento consiste en utilizar una mezcla finita de distribuciones de von Mises (mvM), cuyos parámetros suelen obtenerse mediante el método de los mínimos cuadrados. Tradicionalmente, este método ajusta la función de distribución acumulada (cdf), sin embargo, en este artículo se propone ajustar la función de densidad de probabilidad (pdf) por tener ventajas computacionales. Para comparar ambos métodos, se evalúa el coeficiente de determinación (R2) tanto en la pdf (R2pdf) como en la cdf (R2cdf) utilizando los parámetros de cada enfoque. En general, el ajuste de los parámetros mediante el método de los mínimos cuadrados en la pdf resulta más rápido y produce un mejor R2pdf, sin afectar significativamente al R2cdf.

Referencias bibliográficas

  • Carta, J. A., Bueno, C., & Ramírez, P. (2008). Statistical modelling of directional wind speeds using mixtures of von Mises distributions: Case study. Energy Conversion and Management, 49(5), 897–907. https://doi.org/10.1016/J.ENCONMAN.2007.10.017 DOI: https://doi.org/10.1016/j.enconman.2007.10.017
  • Carta, J. A., Ramírez, P., & Velázquez, S. (2009). A review of wind speed probability distributions used in wind energy analysis: Case studies in the Canary Islands. Renewable and Sustainable Energy Reviews, 13(5), 933–955. https://doi.org/10.1016/J.RSER.2008.05.005 DOI: https://doi.org/10.1016/j.rser.2008.05.005
  • Dörenkämper, M., Olsen, B. T., Witha, B., Hahmann, A. N., Davis, N. N., Barcons, J., Ezber, Y., Garciá-Bustamante, E., Fidel González-Rouco, J., Navarro, J., Sastre-Marugán, M., Sile, T., Trei, W., Žagar, M., Badger, J., Gottschall, J., Rodrigo, J. S., & Mann, J. (2020). The Making of the New European Wind Atlas - Part 2: Production and evaluation. Geoscientific Model Development, 13(10), 5079–5102. https://doi.org/10.5194/GMD-13-5079-2020 DOI: https://doi.org/10.5194/gmd-13-5079-2020
  • Drew, D. R., Barlow, J. F., Cockerill, T. T., & Vahdati, M. M. (2015). The importance of accurate wind resource assessment for evaluating the economic viability of small wind turbines. Renewable Energy, 77, 493–500. https://doi.org/10.1016/J.RENENE.2014.12.032 DOI: https://doi.org/10.1016/j.renene.2014.12.032
  • Erdem, E., & Shi, J. (2011). Comparison of bivariate distribution construction approaches for analysing wind speed and direction data. Wind Energy, 14(1), 27–41. https://doi.org/10.1002/WE.400 DOI: https://doi.org/10.1002/we.400
  • Hahmann, A. N., Sile, T., Witha, B., Davis, N. N., Dörenkämper, M., Ezber, Y., Garciá-Bustamante, E., Fidel González-Rouco, J., Navarro, J., Olsen, B. T., & Söderberg, S. (2020). The making of the New European Wind Atlas - Part 1: Model sensitivity. Geoscientific Model Development, 13(10), 5053–5078. https://doi.org/10.5194/GMD-13-5053-2020 DOI: https://doi.org/10.5194/gmd-13-5053-2020
  • Koeppl, G. W. (1982). Putnam’s power from the wind. Van Nostrand Reinhold Company,New York, NY.
  • Masseran, N., Razali, A. M., Ibrahim, K., & Latif, M. T. (2013). Fitting a mixture of von Mises distributions in order to model data on wind direction in Peninsular Malaysia. Energy Conversion and Management, 72, 94–102. https://doi.org/10.1016/J.ENCONMAN.2012.11.025 DOI: https://doi.org/10.1016/j.enconman.2012.11.025
  • New European Wind Atlas. (n.d.). Retrieved October 16, 2023, from https://map.neweuropeanwindatlas.eu/
  • SUMARIO DEL BOLETÍN 33/2008| BOCYL. (2008). https://bocyl.jcyl.es/boletin.do?fechaBoletin=18/02/2008
  • The MathWorks Inc. (2024a). MATLAB version: 24.1 (R2024a). The MathWorks Inc. https://www.mathworks.com
  • The MathWorks Inc. (2024b). Optimization Toolbox version: 24.1 (R2024a). The MathWorks Inc. https://www.mathworks.com
  • Wang, H., Xiao, T., Gou, H., Pu, Q., & Bao, Y. (2023). Joint distribution of wind speed and direction over complex terrains based on nonparametric copula models. Journal of Wind Engineering and Industrial Aerodynamics, 241, 105509. https://doi.org/10.1016/J.JWEIA.2023.105509 DOI: https://doi.org/10.1016/j.jweia.2023.105509
  • Wang, J., Hu, J., & Ma, K. (2016). Wind speed probability distribution estimation and wind energy assessment. Renewable and Sustainable Energy Reviews, 60, 881–899. https://doi.org/10.1016/J.RSER.2016.01.057 DOI: https://doi.org/10.1016/j.rser.2016.01.057
  • Yang, Z., Lin, Y., & Dong, S. (2022). Joint Model of Wind Speed and Corresponding Direction Based on Wind Rose for Wind Energy Exploitation. Journal of Ocean University of China, 21(4), 876–892. https://doi.org/10.1007/s11802-022-4860-2 DOI: https://doi.org/10.1007/s11802-022-4860-2
Fuente de los datos: Dialnet