CBIORECBIORE

International Journal of Renewable Energy DevelopmentInternational Journal of Renewable Energy Development

Dalam artikel ini, kami memperkenalkan pendekatan baru berdasarkan metode grafis (GPM), metode maksimum likelihood (MLM), metode faktor pola energi (EPFM), metode empiris Justus (EMJ), metode empiris Lysen (EML), dan metode momen (MOM) menggunakan kelas ganjil atau genap dari distribusi histogram kecepatan angin dengan ukuran bin 1 m/s untuk memperkirakan parameter Weibull. Pendekatan baru ini dibandingkan berdasarkan rata-rata kecepatan angin dan standar deviasinya menggunakan tujuh indikator statistik andal (RPE, RMSE, MAPE, MABE, R2, RRMSE, dan IA). Hasil menunjukkan bahwa pendekatan baru ini cukup untuk memperkirakan parameter Weibull dan dapat mengungguli GPM, MLM, EPF, EMJ, EML, dan MOM yang menggunakan semua data kecepatan angin yang dikumpulkan untuk satu periode. Studi ini juga menemukan hubungan linier antara parameter Weibull K dan C yang diperkirakan oleh MLM, EPFM, EMJ, EML, dan MOM menggunakan kelas ganjil atau genap kecepatan angin dan yang diperoleh dengan menerapkan metode ini ke semua kelas (baik bin genap maupun ganjil) kecepatan angin. Fitur menarik lain dari pendekatan ini adalah pengurangan ukuran data yang akhirnya mengarah pada pengurangan waktu pemrosesan.

Pendekatan berbasis kelas ganjil atau genap kecepatan angin dengan ukuran bin 1 m/s menggunakan Metode Likelihood Maksimum (MLM), Metode Faktor Pola Energi (EPFM), Metode Empiris Justus (EMJ), Metode Empiris Lysen (EML), dan Metode Momen (MOM) adalah metode efisien untuk menentukan parameter K dan C untuk menyesuaikan kurva distribusi Weibull terhadap data kecepatan angin yang dikumpulkan di Lomé, Togo dan Ouagadougou, Burkina Faso.Metode Likelihood Maksimum dengan deret waktu bin ganjil (MLOBM) adalah metode yang memadai yang memberikan nilai RMSE lebih rendah dari parameter Weibull K = 1,79134 dan C = 3,96250 m/s di Lomé menggunakan seluruh data yang dikumpulkan.Terdapat hubungan linier antara parameter Weibull K dan C yang diperkirakan oleh MLM, EPFM, EMJ, EML, dan MOM menggunakan kelas ganjil atau genap kecepatan angin dan semua kelas kecepatan angin.hasil ini memungkinkan kompresi data angin dengan menghilangkan bin genap atau ganjil (tergantung pada lokasi) sebelum penilaian energi yang tersedia, sementara masih mengharapkan hasil yang sama seperti saat seluruh data digunakan.

Penelitian lanjutan dapat fokus pada evaluasi penggunaan ukuran bin yang berbeda (misalnya 2 m/s atau 0,5 m/s) untuk membandingkan efisiensi dan akurasi estimasi parameter Weibull. Selain itu, studi dapat memperluas analisis ke lokasi lain dengan kondisi angin yang berbeda untuk memvalidasi generalisasi metode ini. Terakhir, penelitian bisa mengeksplorasi integrasi metode ini dengan teknologi prediksi angin berbasis AI untuk meningkatkan efisiensi dalam skala besar.

  1. The Use of Odd and Even Class Wind Speed Time Series of Distribution Histogram to Estimate Weibull Parameters... ijred.cbiore.id/index.php/ijred/article/view/17815The Use of Odd and Even Class Wind Speed Time Series of Distribution Histogram to Estimate Weibull Parameters ijred cbiore index php ijred article view 17815
File size1.62 MB
Pages12
DMCAReportReport

ads-block-test