توربین های بادی کوچک در محیط های (شهری) پر باد و متلاطم (یک بررسی از توزیع های نرمال و Weibuli برای پیش بینی نیرو)

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

توربین های بادی کوچک در محیط های (شهری) پر باد و متلاطم (یک بررسی از توزیع های نرمال و Weibuli برای پیش بینی نیرو)

عنوان لاتین

Small wind turbines in turbulent (urban) environments: A consideration of normal and Weibull distributions for power prediction

نواحی شهری و پیچیدگی های مرفولوژیکی وابسته به آن چالش های اساسی را برای گسترش و قرارگیری توربین های کوچک بادی بوجود می آورد. بویژه یک مقدار قابل توجهی از عدم اطمینان در رابطه با درک نکردن این مسئله به وجود آمده که چگونه تلاطم در محیط های شهری بر مهره دری توربین ها تاثیر می گذارد. اندازه گیری های فعلی که از قدرت خروجی توربین های بادی به عمل آمده (بویژه برای توربین های کوچک و میکرو) بر اساس میانگین سرعت باد در یک دوره ی مشخص است . با به حساب آوردن محدودیت تفاوت سرعت باد در فریم های زمانی که ملاحظات صورت می گیرد. هرچند این مقاله دو مدلی را در اختیار می گذارد که به طور دقیق چنین تفاوت سرعت هایی را بررسی می کند و چگونگی اثرات آن را بر توریین ها مورد تحقیق قرار می دهد. این تحقیقات و بررسی ها تنها بر اساس میانگین سرعت مشاهده شده ی باد و انحراف استاندارد مدت ده دقیقه فواصل زمانی ست. این مدل ها با تایید استاندارد متری صنعتی، و شدت تلاطم و آشفتگی (TI) هوا در ارتباط با منحنی قدرت یک توربین بادی kw5/2 پیش بینی شده اند. با نگاهی ساده به جداول تطبیعی می توان چگونگی منحنی نیوی توربین ها را که تحت تاثیر TI های متفاوت به کار رفته، قرار می گیرند، فهمید بطوریکه یک متدلوژی جدید برای ارزیابی عملکرد الکتریکی توربین ها بدست خواهد آمد. در نهایت دو مدل فرصتی را بوجود می آورد تا یک توزیع واقعی از سرعت باد در جهان واقعی بر اساس دو اندازه گیری های استاندارد صورت گیرد. راهکار اول تطابق یک مدل مشتق شده است که اساسا برای تعیین کاهش عملکرد قدرت توربین های بادی مزرعه به کار می رود . با استفاده از توزیع احتمالی Gaussian برای شبیه سازی آشفتگی به ویژه شدت تلاطم (TI). اگرچه چنین مدل سازی یعنی gaussian برای مثال تناسب چندانی با تند بادی که سرعت میانگینی هم راستا با سرعت باد. بیشتر اینکه، این راهکار نیاز به یک منحنی قدرت توربین دارد و راهکار دوم که بر این محدودیت ها غلبه می کند کاربرد جدیدی را از توزیع weibull به همراه می آورد . یک میانگین پذیرفته شده ایی را برای توضیح احتمالی سرعت باد آن هم به طور گسترده پدید می آورد. هر دو مدل در یک مکان شهری و حومه شهر در Dubin City ایزلند امتحان شده که در آنجا یک باد سنج صوتی تقریبا 5/1 برابر میانگین ارتفاع ساختمان ها با توجه به موقعیت ها و محل قرار می گیرد . هر دو محل مشاهده شده دو منظر شهری متمایز را نشان می دهند. ابزار به طور مشخص در اطراف محل ها قرار گرفته و بردارهای سه بعدی باد را در یک رزولیشن زمانی 10 هرتز، ثبت می کنند. فرضیه هایی که در اینجا ارائه شده یک عملکرد الکتریکی را از توربین ارائه می دهد با این نتیجه که هر دو راهکار می تواند بسیار دقیق با این معیار ایده آل جایگزین شود.

The urban terrain and the associated morphological complexities therein, present significant challenges for the deployment of small wind turbines. In particular, a considerable amount of uncertainty is attributable to the lack of understanding concerning how turbulence within urban environments affects turbine productiv¬ity. Current wind turbine power output measurements (particularly for small/micro wind turbines) are based on an average wind speed over an observation period; with limited accountability of the variability of wind speed within the observation time frame. This paper however, presents two models that can instead accurately consider such wind speed variation and how it affects the turbine, based solely on the observed mean wind speed and standard deviation within successive (10 min) time intervals. These models are predicated on an appreciation of the industry standard metric, turbulence intensity (TI), in conjunction with the power curve of a 2.5 kW wind turbine. Simple 'look-up' tables collating how the turbine's power curve is affected by varying TI are used so that a novel methodology for estimating the turbine's electrical performance is achievable. Ultimately, the two models presented afford an opportunity to provide an indicative real-world wind speed distribution based on the two standard measurements. The first approach is an adaptation of a model originally derived to quantify the degradation of power performance of wind farm turbines, using a Gaussian probability distribution to simulate turbulence (and more specifically, turbulence intensity (TI)).