Cel: Celem ćwiczenia było zapoznanie się z metodą szacowania zasobów energetycznych wiatru w dwóch wybranych miastach Polski: Kołobrzeg w 2005 r i Toruń w 2005 r. Zakres



Pobieranie 54.47 Kb.
Data06.05.2016
Rozmiar54.47 Kb.

Szacowanie zasobów energetycznych wiatru

dla stacji

Kołobrzeg 2005 r.

Toruń 2005 r.

Wykonały:

Ochrona Środowiska rok V, gr. 2

Dorota Stępniak

Anna Zwolińska

Cel:

Celem ćwiczenia było zapoznanie się z metodą szacowania zasobów energetycznych wiatru w dwóch wybranych miastach Polski: Kołobrzeg w 2005 r. i Toruń w 2005 r.


Zakres:

- przetworzenie danych meteorologicznych, polegające na wyborze plików zawierających depesze SYNOP z wybranych stacji w konkretnym roku, ich zdekodowanie i ułożenie w ciągi chronologiczne

- obróbka statystyczna danych oraz konstrukcja histogramów, obliczenie wartości średniej i wariancji, estymacja parametrów rozkładu Weibulla

- obliczenie potencjału energetycznego


Metodyka:

Szacowanie zasobów energetycznych wiatru opiera się na statystycznym opisie zmienności prędkości wiatru w danym punkcie przy użyciu rozkładu Weibulla. Maksymalna moc, jaką można wykorzystać ze strumienia powietrza, jest proporcjonalna do trzeciej potęgi jego prędkości. Zależność ta jest bardzo czuła, dlatego konieczne są bardzo dokładne obliczenia, gdyż zmiana prędkości wiatru o 25% powoduje dwukrotną zmianę mocy.

Metoda Weibulla opiera się na założeniu, że posługując się dostępnym ciągiem danych pomiarowych można wyestymować parametry rozkładu, a następnie obliczyć moc, wykorzystując wzór obliczeniowy, wyrażający tę moc w zależności od parametrów rozkładu.
Funkcja gęstości prawdopodobieństwa Weibulla:

k – parametr kształtu

λ – parametr skali
Średnia:


Wariancja:



Wykres funkcji:



Potencjał energetyczny:


Charakterystyka Kołobrzegu

Kołobrzeg (współrzędne 54°11'N 15°34'E / 54.183, 15.567) miasto w północno-zachodniej Polsce, leży w środkowej części wybrzeża województwa zachodniopomorskiego, w północnej części powiatu kołobrzeskiego, położone na Pomorzu Zachodnim u ujścia rzeki Parsęty do Bałtyku, przy drodze krajowej nr 11.

Kołobrzeg leży w krainie klimatycznej zwanej Pobrzeżem Kołobrzeskim w obrębie klimatów bałtyckich. Klimat miasta kształtowany jest pod wpływem morza. Ponad 55% wiatrów w skali rocznej wieje od morza lub wzdłuż morza. Roczny rozkład częstotliwości wiatrów w Kołobrzegu nie odbiega od typowego rozkładu dla wybrzeży Bałtyku. W zimie zaznacza się duży udział wiatrów z kierunków południowo-zachodniego i południowego, wiosną przeważają wiatry z północnego wschodu, północny i zachodu, w lecie notuje się największy udział wiatrów z zachodu, a jesienią – przewagę z kierunku południowo – zachodniego i południowego. Wyraźnie wyróżniają się dwa okresy: jesienno – zimowy od września do lutego, z przewagą wiatrów odlądowych i wiosenno – letni, w którym dominują wiatry odmorskie. Średnia prędkość wiatru dla Kołobrzegu wynosi 4 m/s, w okresie zimowym prędkości są większe.


Charakterystyka Torunia

Toruń (53° 02' 00 '' N 18° 37' 00 '' E) miasto w środkowo-północnej części Polski, leży w województwie kujawsko-pomorskim, położone na Pomorzu, nad rzeką Wisłą i Drwęcą. Toruń położony jest w zalesionej Kotlinie Toruńskiej, po obu stronach rzeki Wisły, otoczony prawie ze wszystkich stron lasami. Tereny w Toruniu i okolicy, w bezpośrednim sąsiedztwie Wisły są obniżone (najczęściej do poziomu 33-36 m n.p.m.) i stanowią wąski, długi pas terenu równinnego, położony na linii wschód-zachód, o szerokości ok. 100-500 metrów po obu stronach Wisły.

Klimat powiatu toruńskiego charakteryzuje się dużą zmiennością, spowodowaną ścieraniem się mas powietrza kontynentalnego i oceanicznego. W dużej mierze uwarunkowany on jest przede wszystkim położeniem geograficznym, co widać zwłaszcza na obszarze Kotliny Toruńskiej, otwartej na wiatry zachodnie i wschodnie, w związku, z czym występuje tu silne przewietrzenie.

Średnie prędkości wiatrów mierzone w Toruniu w okresach kilkudziesięcioletnich oscylują w granicach 3 m/s. W Toruniu najczęściej wieją wiatry z zachodu (19,4%) i z południowego zachodu (13.8%), natomiast najrzadziej wieje z północy (8,2%).





WYNIKI:
Kołobrzeg
Z analizy statystycznej wynika, iż, średnia prędkość wiatru w Kołobrzegu w 2005 roku wyniosła 3.385 m/s, a wariancja 1.463330. Potencjał energetyczny wynosi 104.3207 W/m2. Średnia moc, jaką można uzyskać ze strumienia powietrza przepływającego przez jednostkę powierzchni pola zakreślanego przez łopaty wirnika wynosi, dla turbiny Vestas V – 80: 524 kW, a w przypadku mniejsze turbiny np. Enercon E – 53: 229 kW. Ilość godzin w ciągu roku, dla której prędkość wiatru mieści się w przedziale 4 – 15 m/s, oszacowana na podstawie histogramu wynosi ok. 1200.
Poniżej przedstawiono szczegółowo przeprowadzone obliczenia.
1. Uruchomienie interpretera R

bash-3.2$ R
R version 2.7.0 (2008-04-22)

Copyright (C) 2008 The R Foundation for Statistical Computing

ISBN 3-900051-07-0
R is free software and comes with ABSOLUTELY NO WARRANTY.

You are welcome to redistribute it under certain conditions.

Type 'license()' or 'licence()' for distribution details.
R is a collaborative project with many contributors.

Type 'contributors()' for more information and

'citation()' on how to cite R or R packages in publications.
Type 'demo()' for some demos, 'help()' for on-line help, or

'help.start()' for an HTML browser interface to help.

Type 'q()' to quit R.
2. Pobranie danych
> library(ncdf)

> nc <- open.ncdf ("/home/meteo/courses/os4-2008-9/os416/folder_projektu/kolobrzeg2005/wyniki/010100_123121_12100.nc")

> s <- get.var.ncdf(nc,"SPD_ts")
3. Obliczenia
> summary (s)

Min. 1st Qu. Median Mean 3rd Qu. Max.

-100000 1 2 -16040 4 16
4. Odfiltrowanie danych – poprawne obliczenia
> s1 <- s[!(s==-99999)]

> summary (s1)

Min. 1st Qu. Median Mean 3rd Qu. Max.

0.000 2.000 3.000 3.385 4.000 16.000

> hist(s1, col="light blue")
5. Wypisanie danych histogramu
> hist(s1, plot=FALSE)

$breaks

[1] 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

$counts

[1] 349 540 428 322 189 99 60 38 37 22 14 11 9 1 0 1
$intensities

[1] 0.1646226086 0.2547169811 0.2018867925 0.1518867925 0.0891509434

[6] 0.0466981132 0.0283018868 0.0179245283 0.0174528302 0.0103773585

[11] 0.0066037736 0.0051886792 0.0042452830 0.0004716981 0.0000000000

[16] 0.0004716981
$density

[1] 0.1646226086 0.2547169811 0.2018867925 0.1518867925 0.0891509434

[6] 0.0466981132 0.0283018868 0.0179245283 0.0174528302 0.0103773585

[11] 0.0066037736 0.0051886792 0.0042452830 0.0004716981 0.0000000000

[16] 0.0004716981
$mids

[1] 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5 11.5 12.5 13.5 14.5

[16] 15.5
$xname

[1] "s1"
$equidist

[1] TRUE
attr(,"class")

[1] "histogram"
> progi<-c(-0.5,0.5,1.5,2.5,3.5,4.5,5.5,6.5,7.5,8.5,9.5,10.5,11.5,12.5,13.5,14.5,15.5,16.5)

> hist(s1, col="light blue", breaks=progi)
6. Histogram

7. Wyznaczanie parametrów rozkładu Waibulla
> library(MASS)

> fitdistr (s1,"weibull")
Wariancja
> var(s1)/(mean(s1)^2)+1

[1] 1.463330
Wartość parametru kształtu - k
> f1 <- function(k) { return (gamma(1 + 1/k)) }

> f1 (1.5)

[1] 0.9027453

> f2 <- function(k) { return (gamma(1 + 2/k)) }

> f <- function(k) { return (f2(k)) / ((f1(k))^2) }

> f(3)

[1] 0.9027453

> f(2)

[1] 1

> f(1.5)

[1] 1.190639

> f(1.2)

[1] 1.504575

> f(1.25)

[1] 1.429625

> f(1.18)

[1] 1.538449

> f(1.22)

[1] 1.473030

> f(1.23)

[1] 1.458063

> f(1.225)

[1] 1.465482
Wartość parametru skali - λ
> mean(s1)/f1(1.465482)

[1] 3.739029
Wykres – rozkład Weibulla
> hist (s1,col="light blue",probability=TRUE,breaks=progi)

> w= rweibull(1000000,shape=1.225,scale=3.739029)

> lines(density(w,bw=1),col="red",lwd=3)

8. Oszacowanie potencjału energetycznego
> 0.5*1.27*3.739029^3*gamma(1+3/1.225)

[1] 104.3207

> q()
Toruń:
Z analizy statystycznej wynika iż, średnia prędkość wiatru w Toruniu w 2005 roku wyniosła 2,753 m/s, a wariancja 1.294949. Potencjał energetyczny wynosi 40.37804 W/m2. Średnia moc, jaką można uzyskać ze strumienia powietrza przepływającego przez jednostkę powierzchni pola zakreślanego przez łopaty wirnika wynosi, dla turbiny Vestas V – 80: 203 kW, a w przypadku mniejsze turbiny np. Enercon E – 53: 89 kW. Ilość godzin w ciągu roku, dla której prędkość wiatru mieści się w przedziale 4 – 14 m/s, oszacowana na podstawie histogramu wynosi ok. 750.
Poniżej przedstawiono szczegółowo przeprowadzone obliczenia.
1. Uruchomienie interpretera R

bash-3.2$ R
R version 2.7.0 (2008-04-22)

Copyright (C) 2008 The R Foundation for Statistical Computing

ISBN 3-900051-07-0
R is free software and comes with ABSOLUTELY NO WARRANTY.

You are welcome to redistribute it under certain conditions.

Type 'license()' or 'licence()' for distribution details.
R is a collaborative project with many contributors.

Type 'contributors()' for more information and

'citation()' on how to cite R or R packages in publications.
Type 'demo()' for some demos, 'help()' for on-line help, or

'help.start()' for an HTML browser interface to help.

Type 'q()' to quit R.
2. Pobranie danych
> library(ncdf)

> nc <- open.ncdf ("/home/meteo/courses/os4-2008-9/os416/folder_projektu/torun2005/wyniki/010100_123121_12250.nc")

> s <- get.var.ncdf(nc,"SPD_ts")

> hist(s, col="light blue")
3. Obliczenia
> summary (s)

Min. 1st Qu. Median Mean 3rd Qu. Max.

0.000 2.000 3.000 2.753 4.000 9.000
5. Wypisanie danych histogramu
> hist(s, col="light blue")

> hist(s, plot=FALSE)

$breaks

[1] 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0
$counts

[1] 173 338 5 786 2 755 1 437 0 211 0 94 0 29 0 5 0 2
$intensities

[1] 0.1219168185 0.2381959126 0.0035236082 0.5539112051 0.0014094433

[6] 0.5320648344 0.0007047216 0.3079633545 0.0000000000 0.1486962650

[11] 0.0000000000 0.0662438337 0.0000000000 0.0204369274 0.0000000000

[16] 0.0035236082 0.0000000000 0.0014094433
$density

[1] 0.1219168185 0.2381959126 0.0035236082 0.5539112051 0.0014094433

[6] 0.5320648344 0.0007047216 0.3079633545 0.0000000000 0.1486962650

[11] 0.0000000000 0.0662438337 0.0000000000 0.0204369274 0.0000000000

[16] 0.0035236082 0.0000000000 0.0014094433
$mids

[1] 0.25 0.75 1.25 1.75 2.25 2.75 3.25 3.75 4.25 4.75 5.25 5.75 6.25 6.75 7.25

[16] 7.75 8.25 8.75
$xname

[1] "s"
$equidist

[1] TRUE
attr(,"class")

[1] "histogram"

> progi<-c(-0.5,0.5,1.5,2.5,3.5,4.5,5.5,6.5,7.5,8.5,9.5,10.5,11.5,12.5,13.5)

> hist(s, col="light blue", breaks=progi)
6. Histogram

7. Wyznaczanie parametrów rozkładu Waibulla
> library(MASS)

> fitdistr (s,"weibull")
Wariancja
> var(s)/(mean(s)^2)+1

[1] 1.294949
Wartość parametru kształtu – k
> f1 <- function(k) { return (gamma(1 + 1/k)) }

> f1 (1.3)

[1] 0.9235767

> f2 <- function(k) { return (gamma(1 + 2/k)) }

> f <- function(k) { return (f2(k)) / ((f1(k))^2) }

> f(2)

[1] 1

> f(1)

[1] 2

> f(1.95)

[1] 1.011113

> f(2.5)

[1] 0.9313838

> f(1.6)

[1] 1.133003

> f(1.5)

[1] 1.190639

> f(1.4)

[1] 1.265824

> f(1.35)

[1] 1.312253

> f(1.37)

[1] 1.292853

> f(1.375)

[1] 1.288181

> f(1.368)

[1] 1.294742

> f(1.369)

[1] 1.293796

> f(1.3678)

[1] 1.294931
Wartość parametru skali – λ
> mean(s)/f1(1.294931)

[1] 2.977937
Wykres – rozkład Weibulla
> hist (s,col="light blue",probability=TRUE,breaks=progi)

> w= rweibull(1000000,shape=1.3678,scale=2.977937)

> lines(density(w,bw=1),col="red",lwd=3)



8. Oszacowanie potencjału energetycznego
> 0.5*1.27*2.977937^3*gamma(1+3/1.3678)

[1] 40.37804

> q()

WNIOSKI:
Porównując wyniki obliczeń dla miast: Kołobrzeg (2005) i Toruń (2005), zauważyć można, iż potencjał energetyczny wiatru dla jest dla nich znacznie różny: Kołobrzeg - 104.3207 W/m2, Toruń 40.37804 W/m2. Jest to związane z położeniem geograficznym a co za tym idzie z warunkami meteorologicznymi.

Poniżej umieszczono mapkę [http://www.uwm.edu.pl/kolektory/silownie/wiatr.html], która przedstawia mezoskalową rejonizację Polski pod względem zasobów energii wiatru. Wydzielono w niej 5 rejonów o różnych zasobach energii dla wysokości 30 m nad powierzchnią gruntu. Z mapy tej wynika, że około 60 % kraju posiada dobre warunki do wykorzystania wiatru, jako źródła czystej energii. Lokalizacja Kołobrzegu jest „wybitnie korzystna”, natomiast Torunia „korzystna” co potwierdzają wyniki przeprowadzonych obliczeń.



Kolor

Lokalizacja

zielony

wybitnie korzystna

żółty

korzystna

pomarańczowy

dość korzystna

czerwony

niekorzystna

brązowy

wybitnie niekorzystna

czarny

tereny wyłaczone, wysokie partie gór

Wiarygodność otrzymanych wyników jest słaba, gdyż potencjał energetyczny wiatru zależy od bardzo wielu czynników, które są obarczone błędami.

Główna sieć obserwacji meteorologicznych w Polsce została rozwinięta przez Instytut Meteorologii i Gospodarki Wodnej (IMGW). Jednak gęstość stacji obserwacyjnych jest z punktu widzenia energetyki wiatru niewystarczająca. Dodatkowo pomiary wykonywane są standardowo na wysokości 10 metrów nad gruntem podczas gdy potencjał energetyczny powinien być oszacowany na wyższych wysokościach. Typowe instalacje do pozyskiwania energii wiatru montuje się na wysokości od 20 do 80 metrów nad gruntem. Kluczowym problem jest więc w tym przypadku ekstrapolacja danych obserwacyjnych na wyższe wysokości. Jest to zadanie bardzo trudne, gdyż profil wiatru z wysokością zależy zarówno od ukształtowania terenu ale również od warunków stratyfikacyjnych w atmosferze, więc transformacja danych niesie za sobą błędy pomiarowe.


W przypadku korzystania z danych zgromadzonych w sieci IMGW konieczne jest stosowanie różnego rodzaju przybliżenia oparte o rozkłady prawdopodobieństwa prędkości wiatru np. Rozkład Weibulla. Jednak należy mieć świadomość, że są to metody już obarczone błędem, gdyż korzystają z uśrednionych prędkości wiatru. Ograniczenie związane z szacowaniem zasobów energii wiatru na wyższych wysokościach bazując na pomiarach prędkości i kierunku wiatru na wysokości 10 metrów prowadzi do znacznych niepewności. Profil prędkości wiatru jest na ogół funkcją własności fizycznych podłoża oraz stratyfikacji atmosferycznej. O ile własności fizyczne podłoża są wielkością zasadniczo wolno zmienną w czasie to dynamika atmosfery zmienia się w skali od minut czy godzin. Stratyfikacja atmosfery związana z przenoszeniem pędu powietrza z warstw powietrza powyżej tzw. warstwy granicznej jest w głównej mierze odpowiedzialna za przepływ powietrza przy powierzchni ziemi. W dzień silne ruchy konwekcyjne sprawiają, że warstwa powietrza staje się dobrze wymieszana a prędkość wiatru wolno rośnie z wysokością. W nocy natomiast prędkość wiatru rośnie silnie z wysokością. Pominięcie zmian zachodzących w atmosferze prowadzi do znacznych błędów.

Ważnym aspektem jest również aspekt zmian gęstości powietrza. Wielkość ta w warunkach klimatu Polski może zmieniać do w skali do roku do 10%. Tym samym nie uwzględnienie tych zmian prowadzi to znaczących błędów w oszacowaniu potencjału wiatru.


Na wiarygodność danych ma wpływ również długość ciągów pomiarowych. Za absolutne minimum uważa się dane pomiarowe w nieprzerwanych ciągach z roku (z takiego ciągu korzystaliśmy) jednak w tym przypadku wyniki obserwacji mogą nie być reprezentatywne. Zmienność warunków meteorologicznych pomiędzy kolejnymi latami jest wpisana w definicje klimatu. W klimacie przejściowym jaki znajduje się w Polsce zmiany te mogą być znaczące. Zasoby teoretyczne wiatru mogą zmieniać się o kilkadziesiąt procent pomiędzy kolejnymi latami. W związku z tym analizowane wyniki obserwacji powinny być oparte wieloletnie obserwacje.

ŹRÓDŁA
http://pl.allmetsat.com/klimat/polska.php?code=12250



http://www.uwm.edu.pl/kolektory/silownie/wiatr.html

http://www.baza-oze.pl/enodn.php?action=show&id=16

http://www.torun.pl/



http://www.enercon.de







©absta.pl 2019
wyślij wiadomość

    Strona główna