Comparative analysis of wind speed short term forecasts for wind farms

• Autorzy: Małgorzata Jaros , Piotr Obidziński

Warianty tytułu

Porównanie modeli krótkookresowych prognoz prędkości wiatru dla siłowni wiatrowych

• Języki publikacji: EN

Abstrakty

EN

The purpose of study was verification regarding quality of wind speed forecasts used during designing the wind farm capacity, with AAN [artificial neural network] methods and Brown, Holt, Winters and ARIMA time models. Analysis included results of forecasts for December, namely a month with the biggest wind speed amplitude changes, considering data for period of 2008-2009. Analysis of results confirmed that appropriate linear models and artificial neural methods for the period of wind speed forecast may ensure good results regarding forecasts of wind power output generated by wind farms.(original abstract)

Celem pracy było sprawdzenie jakości prognozy prędkości wiatru, wykorzystywanej w planowaniu mocy siłowni wiatrowej, metodami SSN i modelami szeregów czasowych Browna, Holta, Wintersa i ARIMA. Porównano wyniki prognoz sporządzonych dla grudnia, miesiąca o największych zmianach amplitudy prędkości wiatru, sprawdzając je dla danych z lat 2008-2009. Analiza wyników wskazuje, że odpowiedni dobór modeli liniowych i sztucznych sieci neuronowych do horyzontu czasowego prognozy prędkości wiatru, może pozwolić na osiągnięcie dobrych wyników prognozowania energii, wytworzonej przez siłownie wiatrowe.(abstrakt oryginalny)

Słowa kluczowe

EN

Windfarms; Wind energy; Physical properties research

PL

Elektrownie wiatrowe; Energia wiatru; Badania właściwości fizycznych

• Czasopismo: Inżynieria Rolnicza
• Rocznik: 18 (2014)
• Numer: nr 4 (152)
• Strony: 81--90

Twórcy

autor

Małgorzata Jaros

• University of Life Sciences in Warsaw

autor

Piotr Obidziński

• University of Life Sciences in Warsaw

Bibliografia

• Bielak, J. (2010). Prognozowanie rynku pracy woj. lubelskiego z wykorzystaniem modeli ARIMA i ARIMAX. Wyższa Szkoła Zarządzania i Administracji w Zamościu, 28-30.
• Cieślak, M. (2005). Prognozowanie gospodarcze. Metody i zastosowania. Wydawnictwo naukowe PWN, Warszawa, 69-75.
• Halicka, K.; Winkowski, C. (2013). Wykorzystanie metod wygładzania wykładniczego do prognozowania kursu sprzedaży EURO. Politechnika Białostocka, 71-76.
• Karkoszka, K. (2010). Metody prognozowania wielkości mocy elektrycznej z farm wiatrowych dla potrzeb bilansowania oraz prowadzenia ruchu krajowego systemu elektroenergetycznego. IGSMiE PAN, 77-83.
• Kowalski, L. (2005). Prognozowanie i symulacje. Model Browna. Pozyskano z: http://pis.rezolwenta.eu.org/Materialy/Model-Browna.pdf.
• Scire, J.S.; Robe, F.R.; Fernau, M.E.; Yamartino, R.J. (2000). A User's Guide for the CALMET Meteorological Model (Version 5). Earth Tech, Inc., Concord. Pozyskano z: http://www.src.com/calpuff/download/CALMET_UsersGuide.pdf, dostęp wrzesień 2013
• StatSoft (2006). Analiza szeregów czasowych. Elektroniczny Podręcznik Statystyki . PL, Krakow, WEB: http://www.statsoft.pl/textbook/stathome.html.
• Szczygłowski, P. (2007). Ocena przydatności wybranych modeli gaussowskich w obliczeniach stanu zanieczyszczenia powietrza. Rozprawa doktorska, AGH, Wydział Geodezji Górniczej i Inżynierii Środowiska. Maszynopis.
• Ustawa z 10 kwietnia 1997r. Prawo energetyczne. Dz.U. z 2006 r. Nr 89, poz. 625 ze zm.
• Instrukcja ruchu i eksploatacji sieci przesyłowej. Warunki korzystania, prowadzenia ruchu, eksploatacji i planowania rozwoju sieci. Tekst jednolity zatwierdzony decyzją Prezesa URE nr DPK - 4320-1(2)/2011/LK z dnia 28 czerwca 2011r.
• Modele ARMA i ARIMA. Ekonometria. Prognozowanie i symulacje-Pomoc. Pozyskano z: Ekonometria. 4me.pl/modele-arma-arima.htm.

Identyfikatory

DOI

http://dx.medra.org/10.14654/ir.2014.152.083