عنوان مقاله:
ارزیابی انرژی بادی برای جوامع انرژی تجدید پذیر
Wind Energy Assessment for Renewable Energy Communities
سال انتشار: 2022
رشته: مهندسی انرژی
گرایش: انرژی های تجدید پذیر
دانلود رایگان این مقاله:
مشاهده سایر مقالات جدید:
مقالات ISI انرژی های تجدید پذیر
4. Discussion
This research paper assesses how good the representation of wind speed from various publicly available datasets is in comparison to observations. The objective is to support LECs in their initial evaluation of site suitability. Table 6 shows that across Ireland, a wind turbine such as the Vestas 110 m offers the potential to a LEC to meet the electricity needs of several thousand homes. Wind assessment should be based on long-term time-series data. Short periods consisting of a few years may hide variations from the long-term average and consequently lead to inaccurate wind estimation and poor outcomes for the LEC. Longer periods yield more representative results.
Moreover, understanding the diurnal variations and their predictability is of key importance for the integration and optimal utilisation of wind in the power system. Figure 11 shows representative electricity demand load profiles for residential consumers in Ireland. The profiles are created from a smart meter consumer behaviour trial in Ireland; the data are available from [39]. The electricity load profiles show diurnal patterns with midday peaks that coincide with high wind capacity factors. However, the evening peaks coincide with dips in the wind capacity factors. The wind variation is largely due to the fact that temperature differences, e.g., between the sea surface and the land surface, tend to be larger during the day than at night.
Utilising the long-term measurements (2009 to 2016), we found that ERA-5 outperformed the other sources in Ireland. We found the highest correlation, IOA values, and lowest RMSE values. The choice of dataset to use is important for LECs in their initial wind energy assessment. An overestimation in wind speed during the night often changes to an underestimation in wind speed during daytime hours and vice-versa, see Figures 5 and 6. A false representation of vertical mixing in the lower atmosphere in the models and surface friction, local topography, and many other factors are responsible candidates for these biases. After sunrise, the observed wind speeds increase faster than all other reference datasets. This increase is due to turbulent mixing between different vertical levels, where higher wind speeds are entrained from faster wind speed layers higher up in the atmospheric boundary layer, causing the wind speed at the surface to become faster.
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
4. بحث
این مقاله تحقیقاتی ارزیابی می کند که چگونه نمایش سرعت باد از مجموعه داده های مختلف در دسترس عموم در مقایسه با مشاهدات خوب است. هدف حمایت از LECها در ارزیابی اولیه مناسب بودن سایت است. جدول 6 نشان می دهد که در سراسر ایرلند، یک توربین بادی مانند Vestas 110 m پتانسیل را برای LEC فراهم می کند تا نیازهای برق چندین هزار خانه را برآورده کند. ارزیابی باد باید بر اساس داده های سری زمانی بلند مدت باشد. دوره های کوتاه متشکل از چند سال ممکن است تغییرات از میانگین بلندمدت را پنهان کند و در نتیجه منجر به تخمین نادرست باد و نتایج ضعیف برای LEC شود. دوره های طولانی تر نتایج نماینده بیشتری را به همراه دارد.
علاوه بر این، درک تغییرات روزانه و قابل پیش بینی بودن آنها برای یکپارچه سازی و استفاده بهینه از باد در سیستم قدرت از اهمیت کلیدی برخوردار است. شکل 11 نمایه های بار تقاضای برق را برای مصرف کنندگان مسکونی در ایرلند نشان می دهد. نمایه ها از آزمایش رفتار مصرف کننده کنتور هوشمند در ایرلند ایجاد شده اند. داده ها از [39] در دسترس هستند. پروفیل های بار الکتریسیته الگوهای روزانه با پیک های ظهر را نشان می دهند که با عوامل ظرفیت باد بالا همزمان است. با این حال، اوج عصر با کاهش عوامل ظرفیت باد همزمان است. تغییرات باد تا حد زیادی به این دلیل است که تفاوت دما، به عنوان مثال، بین سطح دریا و سطح خشکی، در طول روز بیشتر از شب است.
