用R分析风数据

12

嗨，我正在分析风数据以估算风力涡轮机的能量。
我已经收集了10年的风力数据并绘制了直方图。
我的第二阶段是将Weibull分布拟合到数据。
我将R与包装lmom一起使用以计算Weibul形状并缩放，这是我使用的代码：

>library(lmom)    
wind.moments<-samlmu(as.numeric(pp$WS))      
moments<-pelwei(wind.moments)     
x.wei<-rweibull(n=length(pp$WS), shape=moments["delta"], scale=moments["beta"])    
hist(as.numeric(pp$WS), freq=FALSE)    
lines(density(x.wei), col="red", lwd=4)

数据和密度函数之间似乎有些滞后。你能帮我吗？另一个问题是您可以帮助我根据密度函数计算年能量吗？

在此处输入图片说明
谢谢

r distributions

— eliavs
source

关于图片，发布到一些图片托管并添加链接-我将其转换为粘贴的图片。

+1，一个有趣的问题，您可能会发现自己很快就会有足够的声誉:)

— mpiktas 2011年

2

从图上看，问题不是滞后。您所绘制的大致是拟合优度。因此，看来Weibull分布不适合您的数据。我看到有一堆接近零，您的数据中是否有零值？在这种情况下，您将需要分别对零值建模。因此，第一个建议是尝试将Weibull用于非零值。还有为什么韦布尔，是否有特定的原因，也许是类似作品的一些参考？

— mpiktas 2011年

1

请注意，“滞后”是一个主要用于及时分析数据的术语，指的是一件又一件的事情。这不是滞后-也许更准确地称为转移-或偏移-但是转移对于分布来说可能更常见，它们会转移和缩放。

— Spacedman

1

使用as.numeric（x）时要小心；您实际上想使用as.numeric（as.character（x））来确保获得正确的因子数值。

— 安迪·克利夫顿

5

lmom函数pelwei拟合具有位置，比例和形状参数的三个参数的威布尔分布。生成两参数威布尔分布的随机数。您需要减去location参数。这样应该可以更好地拟合，但是看起来并不能很好地拟合您的特定数据。rweibullmoments["zeta"]

我注意到http://www.reuk.co.uk/Wind-Speed-Distribution-Weibull.htm说：“可以使用Weibull分布对世界上大多数地区的风速进行建模。” 也许您只是不幸而生活在他们无法做到的世界中！

— 一站
source

您是否可以帮助我解决第二个问题：根据密度函数计算风能？

— eliavs 2011年

2

我不是物理学家，也不知道必要的方程式，但我想它会涉及密度上的一个数值积分。R的integrate()功能可能对此有用。

— 一站式

我知道方程式是我要计算风速在每种速度下所占的时间百分比

— eliavs 2011年

我的意思是，您能帮我进行整合->谢谢

— eliavs 2011年

6

我使用http://hawaii.gov/dbedt/ert/winddata/krab0192.txt中的数据重新创建了您的绘图（我进行了1200次测量）。我得到的数据非常合适，通常使用您的代码：

library(lmom)

daten <- read.delim("wind.txt")
wind.avg <- na.omit(as.numeric(daten[,"X12"]))
wind.moments<-samlmu(wind.avg)
moments<-pelwei(wind.moments)
x.wei<-rweibull(n=length(wind.avg), shape=moments["delta"], scale=moments["beta"])
hist(as.numeric(wind.avg), freq=FALSE)
lines(density(x.wei), col="red", lwd=4)

抱歉，您可能会遇到问题，但我不确定，但是我认为您应该能够将weibull应用于您的数据。使我感到怀疑的是您密度图的钟形曲线，我不知道那是从哪里来的。

这是我产生的瞬间：

风矩

       l_1         l_2         t_3         t_4 
15.17287544  4.80372580  0.14963501  0.06954438

片刻

     zeta      beta     delta 
 0.516201 16.454233  1.745413

WTR到年产出：我想我将为概率密度函数生成离散值，将这些值与产出函数相乘并将其求和。或者，您可以只使用原始数据，将值与输出函数相乘，相加并计算出年平均值，则应以合适的方式控制季节性（例如，确保使用整年，或相应地加权）。

这是不受控制的输出（使用来自http://www.articlesbase.com/diy-articles/determining-wind-turbine-annual-power-output-a-simple-formula-based-upon-blade-diameter- and-average-wind-speed-at-your-location-513080.html）

years  <- length(wind.avg)/365
diameter <- 150
Power = (0.01328*diameter^2)*((wind.avg)^3)
(annual.power <- sum(Power)/years)
[1] 791828306

— 杰森（Owe Jessen）
source

4

这是SO上有关风力涡轮机的最新文章。我对该链接的回答中包含三个您可能感兴趣的链接：

/programming/4843194/r-language-sorting-data-into-ranges-averaging-ignore-outliers/4844783#4844783

我刚刚检查了上述SO答案中的Weibull链接之一。由于某种原因，链接已断开。以下是一些提供相同基本信息的链接：

http://www.gso.uri.edu/ozone/

http://www.weru.ksu.edu/new_weru/publications/pdf/比较％20of％20the％20Weibull％20model％20with％20measured％20wind％20speed％20distributions％20for％20stochastic％20wind％20genera.pdf

http://www.kfupm.edu.sa/ri/publication/cer/41_JP_Weibull_parameters_for_wind_speed_distribution_in_Saudi_Arabia.pdf

http://journal.dogus.edu.tr/13026739/2008/cilt9/sayi1/M00195.pdf

http://www.eurojournals.com/ejsr_26_1_01.pdf

而且，从风力产生的能量来看，季节性是显而易见的。

在此处输入图片说明

— bill_080
source

1

我不确定是否有人已经指出了这一点，但是实际上可以通过添加固定范围来强制pelwei用作2参数weibull函数。

打电话的想法moments<-pelwei(wind.moments)你应该简单地打电话moments<-pelwei(wind.moments,bound=0)

您可以随时检查zeta值是多少。如果它不为0，并且您正在使用dweibull，则需要对此做一些事情。

— 克里斯
source