دانلود ترجمه مقاله مدل سازی تغییرات منابع انرژی بادی در مقیاس های زمانی ماهیانه و فصلی

1. مقدمه 2. داده ها و روش ها 3. ارزیابی روش های بازسازی 4. پیش بینی ماهانه و فصلی توزیع سرعت باد 5. نتیجه گیری

چکیده – روشی برای بخش مدل سازی تغییرات بلندمدت منابع انرژی بادی با استفاده از حالت مقیاس بزرگ اتمسفری مورد بررسی قرار گرفته است. مقیاس زمانی مورد نظر از ماهیانه تا فصلی است و تمرکز تحقیق روی فرانسه و حومه آن است. در چنین مقیاس های زمانی، می توان اطلاعاتی در مورد سطوح بادی در مقیاس های اتمسفری بزرگ به ست آورده، و برای بیشتر مسیرهای احتمالی طوفانی در اروپا تعیین کرد. در بخش اول، ما توزیع باد سطحی را در مقیاس های زمانی ماهانه و فصلی در مقیاس اتمسفری بزرگ ایجاد کرده ایم که با استفاده از آنالیز مؤلفه های اصلی خلاصه شده است. سپس، یک رگرسیون چند جمله ای برای مدل سازی توزیع سرعت باد سطحی در زمینه پارامتری توزیع وایبول به کار گرفته ایم. چندین روش برای ساخت پارامترهای توزیع وایبول تست شده که برخی از آنها عملکرد خوبی را نشان داده اند. این موضوع اثبات می کند که پتانسیل های قابل توجهی برای اطلاعات در رابطه بین چرخه سینوپتیک و سرعت باد سطحی وجود دارد. در بخش دوم مقاله، دانش حاصل از رابطه بین موقعیت مقیاس بزرگ اتمسفری و سرعت های باد سطحی به منظور پیش بینی توزیع سرعت باد در افق ماهانه مورد استفاده قرار گرفته است. نتایج پیش بینی امیدوارکننده هستند ولی نشان می دهند که پیش بینی های فصلی آب و هوا برای ارائه اطلاعات قابل اطمینانی برای مقیاس های زمانی ماهانه کافی نمی باشند.

An avenue for modelling part of the long-term variability of the wind energy resource from knowledge of the large-scale state of the atmosphere is investigated. The timescales considered are monthly to seasonal, and the focus is on France and its vicinity. On such timescales, one may obtain information on likely surface winds from the large-scale state of the atmosphere, determining for instance the most likely paths for storms impinging on Europe. In a first part, we reconstruct surface wind distributions on monthly and seasonal timescales from the knowledge of the large-scale state of the atmosphere, which is summarized using a principal components analysis. We then apply a multi-polynomial regression to model surface wind speed distributions in the parametric context of the Weibull distribution. Several methods are tested for the reconstruction of the parameters of the Weibull distribution, and some of them show good performance. This proves that there is a significant potential for information in the relation between the synoptic circulation and the surface wind speed. In the second part of the paper, the knowledge obtained on the relationship between the large-scale situation of the atmosphere and surface wind speeds is used in an attempt to forecast wind speeds distributions on a monthly horizon. The forecast results are promising but they also indicate that the Numerical Weather Prediction seasonal forecasts on which they are based, are not yet mature enough to provide reliable information for timescales exceeding one month.