Estimación de parámetros en distribuciones de dirección del viento
Barra lateral del artículo
Contenido principal del artículo
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.
Palabras clave:
Detalles del artículo
Citas
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