评估技术基于威布尔基西地区的风能潜力和瑞利分布模型

文摘

背景。全球变暖是当今世界一个越来越大的威胁主要是由于公司的排放₂由燃烧化石燃料造成的。因此,国家被迫寻求潜在的替代能源,如风能、太阳能、光伏和其他很多。然而,实现他们的利益面临着挑战。虽然风有机会解决这个问题,缺乏足够的网站资料,长期行为的信息,和特定的数据信息,使现场知情选择选择,涡轮的选择,和预期的输出功率始终是一个挑战,它的剥削。在这个研究中,采用威布尔和瑞利模型。风速特征进行了分析,在短期内,然后模拟长期测量每小时日常风速序列数据在10米的高度。分析包括日常风数据分为离散数据,然后计算代表平均风速、昼夜变化,每天的变化,和每月的变化。验证模型的x平方分布统计工具,RMSE, MBE和相关系数。同时,测量的方法、关联和预测采用检查使用的数据的可靠性。风速频率分布在10米的高度是2.9毫秒¹标准偏差为1.5。从六个月的实验,平均风速的计算中心10米的高度,和发现是1.7 m / s, 2.4 m / s, 1.3 m / s, Ikobe,基大学Nyamecheo站,分别。风功率密度的地区被发现29个W / m²。险胜,而瑞利被证明是一个更好的方法在威布尔预测该地区的风能密度。风速在现场指出要降低。该地区显示为边际外推到30 m风力发电因此适合网格连接电气和机械的应用程序。网站相关性强的风资料证明了数据的可靠性。逐渐减少的风能多年来呼吁关注。

1。背景

由于获得能源不足和与之相关的气候变化的影响,非洲撒哈拉沙漠以南地区仍然被认为是最糟糕的连接到电地区在世界各地有超过600万的人口缺乏访问这个基本的希望(1]。其他数百万人不可靠的电网连接到电力提供的永不满足日常的能源需求。根据国际能源署,2014年,电力需求在非洲估计到2040年每年增长4%。这意味着撒哈拉以南非洲需要大幅扩张其能源装机容量以及升级电网来满足这种日益增长的需求。指出能源中扮演着重要角色在世界上任何一个国家的社会经济发展(2)和撒哈拉以南非洲地区是一个复合的发展中国家,现在没有采取足够的措施来减轻这种能源缺口将加重其发展议程因此关闭的梦想在未来被开发。图1显示了人口的比例在非洲没有电。从图,它可以表明,75%以上的人口在撒哈拉以南非洲地区还没有连接到电。

随着非洲国家的发展,对电力需求的增长以及他们的消费资料变化。目前,对用电量的需求高峰在晚上。这个概要文件在规划中扮演着重要角色。随着国家经济增长继续发生,峰值电力需求可以超越的平均需求,这将需要安装更多的发电能力来消除不平衡。安装,各种代资源需要探索。

世界上的能源行业在很大程度上是由化石燃料的使用。但是,化石燃料正面临着许多挑战,从石油供应枯竭的危险和全球气候变化几乎可以肯定这是与它的利用率(4]。国家被迫冒险进入其他来源的探索环境友好和可再生的能源来维持其日益增长的能源需求。从可再生能源发电发生有效,对这些资源所在地的理解,有多充分,其质量和财务生存能力是一个关键的先决条件要求他们的最佳利用5- - - - - -7]。

最经济可行的发电的来源包括水、生物能、太阳能和地热(8- - - - - -10]。其中,风能和太阳能是最实惠、高效、和常用的世界各地的许多国家8,11]。本研究试图研究只有风资源。

风能是一个更好的机会来解决电力稀缺技术以来,撒哈拉以南非洲地区面临的挑战是免费的氧化碳四生产的罪魁祸首加剧全球变暖12- - - - - -14]。但是,就像其他任何能源,风是含有许多挑战需要解决的积极竞争,最主要的一个是网站的风资料的缺乏使明智的选择是否投资的资源(15]。本研究试图建立风资料占有全国人口的地区,因此映射将帮助决策者做出正确的投资决策。

根据Azad et al ., 2015年,风能在世界上仍然是一个潜在的行业主要用于发电和抽水。风能的使用强度依赖于风速的大小,其不时变化的趋势和方向(16]。在评估这一资源,在文献中有几种方法可以应用于发现非常多风的网站(17,18]。例如,威布尔,瑞利,对数正态方法已经被各种世界各地的研究人员和使用被发现很适合风能分布模式给出的地方([19,20.])。在他的研究中,能量输出估计用于Weibull-representative小型风力发电机风能数据。(19)表明,风电预测的威布尔同意很好计算出时间序列。这也证实了(21,22)还发现威布尔最适合实测风资料研究瑞利相比,分别。

风,评估的第一步应该是确定主要的风流导致资源(23]。这些可以包括西风,季风季节大风引起的大型年度分歧陆地和海洋地区,风速或中尺度地形特征的地方。第二步将分析观测数据来确定风的大小为每个运动的规模(24]。建立风能潜力的任何位置,风的造型是强制性的行为。在造型中,风切变指数和表面粗糙度参数确定(25]。这是因为他们扮演着重要的角色在决定风力发电是怎样从一个到另一个高度,在确定风力发电在其他更高的高度以上实验的。同时,造型时,它是非常必要的决定风力发电的行为因为突发的或不规则的风速不适合风力涡轮机用于发电(26,27]。建立成功后风给定地区的资料,匹配合适的风力发电机风的特点,然后给定区域设计(26,28]。

准确分析风力发电在任何网站是有用的在减少任何额外的能源和风力发电集成通过平衡力量使调度,调度,和单位承诺29日]。在预测,短期数据从1小时到几个小时是必要的,因为它有助于系统规划单位承诺,调度和电力交易(30.]。同时,中长期预测和预测是必要的维护计划、单位承诺,备份维护和存储,将电网维护(31日]。

几项研究分析了风的各个方面收集的数据从不同时期进行了过去由不同的研究人员在肯尼亚的不同部分。这种分析的一个例子是一个在马萨比特进行一段6年的风力数据中心的高度分析了100 (18]。这个地区的平均风速是14米/秒。Juja进行另一项研究,该地区风能潜力研究[32]。其他调查在肯尼亚的这个区域包括一个模拟的小型风力发电机风力发电的最优选择Uasin-Gishu [23地位和政策框架审查),风能在肯尼亚(Kazimierczuk, 2019),和风能和太阳能潜力的评估中部裂谷(12]。([24,33)也进行了technoeconomic评价这个资源。从这些研究人员的研究,它可以推断精确评估风力发电和资源的有效利用,风能数据需要做一个详细的研究和几个地区。

这个基西地区的风力数据的详细分析,研究将小说对文学的贡献将帮助指导决策对当地区域内的能源行业的发展。具有良好的分析,增加的人数与电力在撒哈拉以南地区要实现,因此,幻想会满足。

本研究试图(i)建立该地区的风资料将由投资者作出明智的选择是否投资于资源作为一种替代能源在停电期间在该地区和(2)找到最好的模型在威布尔和瑞利,可以依赖的预测地区的风力概要文件。

2。材料和方法

2.1。研究区域

本研究是基于数据从肯尼亚获得气象部门站位于基西人镇在卡尔位于沿着赤道在肯尼亚的西部地区(海拔1710、0.68°S, 34.79°E)支持与数据从三个所选网站获得的基大学(已经)Nyamecheo, Ikobe占有全国人口的地区。该地区的地图显示在图2。

2.2。研究设计

本研究设计以这样一种方式,使用了两种类型的数据:肯尼亚气象部门的长期数据长期特征和6个月的数据从一个实验设定在三个地区的网站。收集到的数据从实验被用来检查是否获得的长期数据从气象部门代表一个真正的和公平的视图的网站的风剖面和短期的表征。因此,本研究进行了两个阶段。第一阶段涉及到数据收集完成的;(我)收集的数据来自肯尼亚气象部门的10年2003年和2014年之间的时期(2)设置AcuRite 01024无线气象站5-in-1天气传感器在选定的三个站点地区的日常数据的研究和收集6个月(2018年实验执行)。的气象站Ikobe不设置标准,因此,实验得到了扰动后第二个月的数据收集。因此,数据提取,4月,5月,6月,7月的站没有研究中使用

第二阶段涉及的就业组织收集的数据和相应的软件分析。

2.3。试验装置

三根桅杆当选的三个站点的基地区两个AcuRite气象站安装在桅杆在中心高度从地面10米和13米。然后,两个室内显示板设置在房间内半径100米从每个站和程序接收数据从电台同时通过遥感在12分钟的间隔。利用电脑软件连接,接收和存储的数据显示板都被转移到电脑进行分析。收集的数据被用来确定风切变指数和表面粗糙度参数的网站25]。也用于审计数据收集的数据从肯尼亚气象部门。

2.4。控制方程和原则

2.4.1。威布尔概率密度函数

威布尔概率密度函数(pdf)是由方程(1)[35,36]: 与其相应的威布尔所累积分布函数(37]

2.4.2。威布尔的因素

(1)形状系数。威布尔的因素可以通过下面的估计方程(38,39]: 在哪里威布尔分布方差和吗平均风速在高度吗 。

(2)威布尔比例因子。的最大似然参数估计 ,使用下列方程(40,41]: 曲线下的面积总是团结。

2.4.3。威布尔参数推断的方法

威布尔阶段因素和规模因素对于给定已知高度可以外推到其他中心的高度使用以下公式([40,42): 在哪里 。

2.4.4。瑞利密度函数

为 ,威布尔pdf通常被称为瑞利密度函数在这种情况下,方程(1)可以重写为(43- - - - - -45]) 与相应的瑞利累积概率密度由(43,46,47]

2.4.5。统计模型的性能

威布尔的性能计算和瑞利分布模型,x平方分布统计方法( ),相关系数( ),均方根误差(RMSE)和平均百分误差(MPE)使用21,46,48]:

2.4.6。风能密度函数

单位面积上的预期的风功率密度已知风速成正比的立方体速度和确定如下: 方程是依赖于高度、气压和温度。是指空气密度1.225公斤/米在哪里³已被用于这项研究工作。

预期的输出功率按威布尔概率密度函数表示如下(49]: 在哪里是伽玛函数。

为瑞利分布、功率密度计算使用(50]

2.4.7。功率误差分析

错误预测的力量威布尔算术平均和瑞利和根的意思是立方体计算将决定如下51]:

2.4.8。幂指数函数

在哪里是该地区的风切变指数取决于地形粗糙度和可以计算使用吗 在哪里离地面高度,粗糙度参数,平均风速在高度吗 。

2.4.9。对数函数

如果我们假设中性风剖面高度 ,那么不同表面粗糙度可以确定如下(52]: 在哪里离地面的高度,粗糙度参数,平均风速在高度 。

2.4.10。线性回归技术

简单线性回归技术是一种常见的方法,可用于模型风速之间的关系在两个网站,通常是由以下预测方程: 在哪里和在参考风速和目标站点,分别和估计被拦截和斜率的线性关系32]。

3所示。结果和讨论

3.1。风速分布和特征

曲线的平均每小时风速对的时间是给日制定的风速分布模式。从图可以看出3曲线展示光滑、可预见的日高风速的风速分布模式从大约1100小时到1600小时站Ikobe Nyamecheo。基网站显示一个不同的模式与盛行风出现大约0300小时和0800小时之间。站的这意味着Ikobe Nyamecheo,风速高在接近中午晚上的温度高,而另一方面,午夜后风速高接近黎明的基台当温度低,在减少的趋势。

占有全国人口的盛行风记录高风速比Ikobe和Nyamecheo。这些变化模式可以与微分加热地球表面在日常辐射周期取决于地方的地形特征的性质。

风流从根本上是一个大气质量差引起的加热地球表面造成地区高、低压力。空气是被迫从高压区域流向地区低压因此风。几个因素可以归因于这种资源的变化从一个站到另一个包括压力梯度,当地的天气状况,罗斯比波(强风的对流层)和喷气流(24]。大学的基可以与压力梯度相关的趋势。基西地区自然丘陵。并更好地理解这一地区的风如何表现,实验地点选择基于高度。基大学比Ikobe高海拔和Nyamecheo依次表现出更高的风速。这是支持的值在本研究获得的风切变指数(25]。风切变的更高的价值意味着更高的风速选择从一个中心到另一个高度。Nyamecheo平均记录值最高,其次为Ikobe然后基大学。

根据(50),这也可以是一个地方的温度分层的结果。这发生在夜间,太阳的辐射造成地球表面加热失去的山丘上建立了白天因此冷却。然后创建一个浅和稳定层靠近地面的空气,导致逆温层。当这种情况发生时,层离地面的温度变暖比在地表附近。由于这些,增加稳定性限制转移的发生温度、湿度和风力的表面从上面的大气因此强风。

所得到的测试结果从短期长期变化特征与检查它是否反映了真正的和公平的视图报告的预期。从数据中4和5,它可以解释长期数据存储在肯尼亚气象部门代表该地区的平均风资料以来,它同意短期实验数据。因此,这给了保证数据可以依靠长期占有全国人口地区的风力发电的表征。我们可以看到在图4,2月三站高风速记录在中午相比之前和结束的日子。这与长期的观点描述相同的月。但这不是真正的如图3月4显示了不可预测的风速变化,但统一的三站。这意味着,我们可能会统一在一个月内风速变化,变化不同于另一个月,因此,所有个月时应考虑做风力发电特性的地区容易预测。

表1是一个记录计算估计的平均风速、标准差,形状因子和比例因子参数的基地区2004 - 2013年期间。从表中我们可以看到,最杰出的平均风速为3.84米/秒,至少1.95 m / s标准差为1.61 m / s, 1.12 m / s,分别。同样,从表中可以发现,形状系数的估计范围从2.53到1.62,而比例因子之间延伸4.23 m / s, 2.18 m / s。形状系数的平均值估计威布尔(1.9)下降接近瑞利波( )。这意味着风在这个地区的特点是最有可能的制服。形状因子表明风运输达到顶峰是在一个地方。估计的记录在表1,我们可以,风速高度达到顶峰状态。

也记录在表的月平均风速分布地区全年基于10年期从肯尼亚气象部门获得的数据。很明显从风速变化的值不是均匀的从一个月到另一个。此外,它描述今年midmonths拥有高风速比前两个月个月结束。这可以与太阳的位置等因素在全年中,自然的地形、植被,不同于每月和温度分层等热力和机械混合参数。

3.2。威布尔和瑞利分布

威布尔和瑞利概率分布拟合曲线通常是用来描述风向变化在一个给定的时期在一个特定的网站。图6显示了占有全国人口分布拟合曲线。数据代表了测量风速的十年(2004 - 2013)的基气象台。相比实际的频率分布,威布尔和瑞利概率曲线数据并提供给适合的概率获得给定的风速在网站在任何给定的时间。

威布尔和瑞利概率密度分布拟合曲线如图6- - - - - -8,很明显,这两个模型完全符合风速的三个研究中使用。曲线下的面积是一个自的概率一定速度(包括零)的风会吹在任何给定的时间在网站是100%。可以看到,图的图6偏向左边,峰值平均风速为2.5米/秒,是最可能在该地区风速。高速9.5 m / s的曲子也可以获得现场虽然不太可能因此罕见。

找到网站的平均风速,风速每一类别中获得个人的概率乘以速度和结果补充道。同样重要的是要知道风速的概率将小于或等于给定的风速。显示这个,威布尔和瑞利累积频率曲线绘制。我们可以看到数据的累积曲线6- - - - - -8占有全国人口的60%,风速躺下面3 m / s。曲线为分析风速的百分位数是非常重要的在一个给定的网站。

确定威布尔之间的有效方法和瑞利分析风这一地区的特点,统计两种方法进行了误差分析。结果显示在表的摘要2。

从这个分析,威布尔分布模型的相关系数计算,发现是0.992和0.9998瑞利分布模型。虽然这两种方法的值足够高,瑞利的相关系数值接近1相比,威布尔。因此,这意味着瑞利给好拟合测量的概率分布的地区相比,威布尔模型。同时,的方法迈普纪录低点0.04435和1.5535的值,分别,而威布尔记录相对更高的价值。值越接近于零,方法就越好。这意味着瑞利是在预测风资料在这个网站比威布尔因此矛盾的一些研究显示,否则([53- - - - - -56];和[50]),尽管RMSE支持这些研究通过展示有趣的瑞利威布尔值。

3.3。地区的风能密度估计

风力发电是指单位面积上的能量的一种形式在风力涡轮盘横扫。它给一个明确的迹象表明网站的风能潜力。它的值是一个网站的风能分布和空气密度。根据(37),一个网站的风能资料可以分为穷人,边际,温和,好,很好,非常好,或未受表面粗糙度参数,风切变指数和动荡。湍流是指如何快速扰动风速和方向发生在一个给定的位置。高干扰会导致极端的风力涡轮机组件上的加载因此影响一生。表3给出了一个10年平均风力发电占有全国人口地区分布在离地面10米的高度。从表中,很明显,今年midmonths(5月至9月)记录高风能比早些时候(1月至4月)和(10月至12月)个月。

研究表明,6月最高记录风力发电平均为45.30 W / m²整个段与11月、12月和1月记录最少的功率为9.56 W / m²9.48 W / m²和12.70 W / m²,分别。

在这项研究中,一年的十二个月的网站分为时期基于温度的寒冷和温暖的季节。发现今年midmonths和结束数月的今年早些时候被寒冷而温暖。因此,这意味着,在基西地区,寒冷季节(五月、六月、七月、八月、九月)有很高的风能比温暖的季节如表所示4。这一趋势因地而异。在中国内蒙古,在评估风能潜力,(57)发现了一个显著差异之间的平均风速的春季和夏季炎热的夏天比春天多风少。(50Jumla]发现,寒冷的月份,尼泊尔,不如热的风。这意味着风能变化不同于地方根据几个流程在本地,区域和全球范围内。这意味着,一些地方可以记录高风在炎热的季节比冷季节和其他低热比冷的季节。这一切都取决于地形、地形、表面覆盖,和该地区的温度分层研究。

在推断风能中心高度高,风切变指数和表面粗糙度参数的知识是强制性的(25]。根据(37),风能可以分为7类根据身高和风速(39]。考虑这些力量类和现场风切变指数和表面粗糙度参数值确定该网站(25),基西地区一个贫穷的风能在10米高,边际风能在30米的高度,在50米和温和。这意味着占有全国人口风可以最佳收获风力发电中心高度更高,因为他们提高更好的类增加高度。表5预计的记录现场风力发电与全年增加高度。从表中很明显,将会有更高的风电现场收获的midmonths比和结束数月的今年早些时候。以下表格式风速也一直受到贝茨极限估计的准确性。

根据贝茨极限,最大可榨出的功率的风力机是大约59.3%的理论功率密度。对于这个网站,最大可榨出的功率单位面积的风车操作在其最佳效率估计,在桌子上5。从表中,指出生成有用的风力发电的风力机在该地区,更高的中心高度约等于或超过30米以上地面应考虑。最大和最小风速和风力发电观察8月和12月的值9.3 m / s, 4.96 m / s, 472.94 W / m²77.75 W / m²分别在50米高度。

3.4。每年的变化风能

图9展示了2004年和2013年之间的年度风速变化。从图可以看出,年平均风速的一般趋势,似乎从2004年到2013年逐渐减少。这可以与几个相关流程在当地,区域和全球尺度上,这很有可能导致这种减少。根据(50),(58),这可能是一个森林密度的变化和全球气候变化的结果。从图可以看出2基西镇,总结本研究中使用的长数据是来自人口稠密的森林和新建筑。不是这种情况在2004年因为占有全国人口的经济增长多年来,因此新建筑和其他结构(图2)。这个因素使我们合理的推断,这种新结构的表面和开发了新的障碍也可能是导致这一趋势。从表中也观察到了4寒冷的月份,年平均风速高于热个月因此结束,温度的增加之间的2004年和2013年这一趋势造成的。(50]他也意识到这一趋势与全球变暖有关。

3.5。功率误差分析

表6代表错误计算风能密度用威布尔和瑞利。当使用算术平均作为参考速度,最大误差97.5%是记录在威布尔分布和瑞利分布的88.1%。当根指立方体作为参考速度,3.48%的错误记录在瑞利威布尔和-1.06%。这表明瑞利是一个更好的选择,预测该地区的风能比威布尔自其误差值接近零。结果也证实了相关系数, ,MBE和上面两个计算瑞利函数描绘成一个更好的制图者的地区的风的观测值。误差值估计的使用两个模型的根的意思是多维数据集非常小的这就意味着根的意思是多维数据集估计比算术平均风能密度更准确。同样的观点也为(50]。

3.6。定向分析

在本节中,风玫瑰图是用于评估风向。这是因为他们给了一个明确的方向风的流动。风玫瑰图是一个非常有价值的工具在项目布局和microsetting风公司的32]。这将帮助工程师在风力涡轮机的定位在一个给定的土地面积最大化的整体能量输出风能公司。数据10和11占有全国人口地区的玫瑰图。从图可以看出10,风向网站似乎被限制在同一个方向。这一趋势图中也证实了长期分析。观察到的数据10和11、E和SE支配Ikobe站在10 m E, SE,上交所支配车站为13米。E和西南偏西支配Nyamecheo站在10 m E主车站在13米的高度。E-SE主导的基大学站在10 m和13 m中心高度。和一般每基气象站的数据分析,ENE-E主导该地区。

3.7。风速的相关性

月度数据三个站的风速相关建立强大的车站是如何相关的。从图可以看出12三站显示,平均很强的相关性。这意味着测量的方法,可以使用关联,并预测在未来预测的长期风分布模式的站在该地区给予足够的测量数据的站在时间的任何实例。

之间存在高度正相关的三个网站( )暗示可以使用方程如果至少一年的数据来预测一般在该地区长期风资料的特点。尽管廉价和快速,方法不够准确的预测网站风资料与现场测量方法。

之间的关联的基风能和基苏姆风也做建立两个站点之间的关系。观察图13相关系数, ,显示基之间存在一个低负相关地区风和基苏姆。这意味着任何一个网站的风不能依靠其他地区的预测值。图中给出了提取的关联方程13。

4所示。结论

结果表明,该地区的平均风速每数据从肯尼亚的气象部门在10米的高度是2.9米/秒。外推,发现大约等于4.27 m / s在20米,5.49米/秒30 m,在50米7.53 m / s, 9.28 m / s,海拔70米的高度。这个风速是现代风力涡轮机足够的操作要求低风速为国内的目的。

寒冷季节风力发电具有高于温暖的季节。这是因为风力发电直接与风速和空气密度成正比。该地区的空气密度是在寒冷季节高于温暖季节大气中由于大量的水。使用瑞利模型假设一个统一的空气密度为1.224公斤/米³,风力发电在网站估计为47.04 W / m²为寒冷的冬季和18.78 W / m²温暖的季节。

基可以显示为边际(二类)推断为风能发电30米区域能拥有温和的风特性。现场确定风力发电在10米的高度是29.00 W / m²外推法来181.75 W / m²在30米。这意味着越高的风力涡轮机设置网站的风力发电,期望越高,虽然这个网站不太适合电动风电大规模应用。

尽管文学和其他许多研究显示威布尔以适应测量比瑞利概率分布,本研究显示。这是一个计算值的结果威布尔( )这是瑞利提出的几乎等于2。

一般来说,功率密度水平基西地区适合网格连接机电应用,如充电电池,驱动小型风力发电机,并为国内抽水,工业和农业使用。也可以得出结论,midmonths今年有最大风速最低的平均风速月早些时候发生在一年中每个月的下旬。最可能的风向(s)为这个站点位于NE和SE之间东主导暗示东方风。还指出有减少趋势年度平均风速因此权力之间的2004年和2013年这是一个关注的话题。

数据可用性

使用的数据支持和总结本研究的发现可以从相应的作者。与此同时,重要信息已经包含在文件的补充信息。

伦理批准

在这项研究中,研究同意基西地区的风能潜力及其局部特征是寻求并授予NACOST通过研究许可证的问题。

信息披露

本文提出了联合MSSEESA和德意志内罗毕大学的材料科学研究可持续发展国际会议上,2018年,但没有发表。

的利益冲突

我们作为作者声明没有任何的利益冲突。

作者的贡献

Ongaki N.L.构思研究并参与其设计、组织、分析、协调、发展的手稿。Maghanga贝拉和Kerongo J参与设计、内容分析、抛光和批准的手稿。

确认

作为作者,我们感谢国家研究基金,肯尼亚(NRF)的金融支持,他们给予研究。同时,我们感谢联合MSSEESA和德意志赞助我们两个的内罗毕会议摘要。最后,我们感谢NACOST学术许可提供了使这一研究在该地区进行。

补充材料

本节描述的文件提供的补充材料。表1 - 12在文件代表每月平均风力10年的数据,表13 26代表平均风向的十年,和表新实验的平均风力6个月的数据,在研究。(补充材料)

引用

1. 阿维拉,j . p . Carvallo b·肖和d·m·卡门撒哈拉以南非洲的能源挑战:倡导和政策制定者指南:第1部分:发电实现可持续和均衡的发展,2017年牛津饥荒救济委员会的研究背景材料系列。
2. c .吓唬和g .雅克能源和发展、研究所、日内瓦,2011年。
3. 国际能源机构(国际能源机构),非洲能源展望:专注于能源前景在撒哈拉以南非洲IEA,巴黎,2014年,https://www.iea.org。
4. p·A·奥乌苏,s . Asumadu-Sarkodie评估可再生能源、可持续性问题和减缓气候变化,“有说服力的工程,3卷,不。1,p。1167990, 2016。视图:出版商的网站|谷歌学术搜索
5. 肯尼亚、民族能源政策,国家能源Policy-Final草案,2014年政府打印机。
6. a . Mukasa和y Arvanitis,在非洲发展风能、会议论文,2012年。
7. k·奥利弗,”评估和映射的可再生能源资源。”能源行业管理援助计划(ESMAP)撬动,2016,http://openknowledge.worldbank.org/handle/10986/24913。视图:谷歌学术搜索
8. 黄m·古尔n . Tai w·m·h·纳迪姆,和m . Yu”评估风力发电潜力和经济分析在海德拉巴巴基斯坦:推动当地社区使用风力发电,”可持续性,11卷,不。5,1391年,页2019。视图:出版商的网站|谷歌学术搜索
9. a . Allouhi o . Zamzoum m . r .伊斯兰教et al .,“风能潜力的评价在摩洛哥的沿海地区,”可再生能源和可持续能源的评论卷,72年,第324 - 311页,2017年。视图:出版商的网站|谷歌学术搜索
10. 共和党Mahela和a·g·Shaik网格界面上的风能发电系统,综合概述”可再生能源和可持续能源的评论57卷,第281 - 260页,2016年。视图:出版商的网站|谷歌学术搜索
11. 律,z . Li y Ao, l·温l .赵和王,“长期能源通量和辐射平衡观测Ngoring湖,青藏高原,“大气研究卷。155年,这边是,2015页。视图:出版商的网站|谷歌学术搜索
12. w·h·Kirui风能和太阳能的潜力评估在肯尼亚的中央裂谷,[硕士论文)Egerton大学纳库鲁,肯尼亚,2006。
13. g .尼基塔·s·巴塔查里亚,n . Vimalan第十六章:风能:未来能源(第3版):改善、可持续、清洁的选择我们的星球,2019岁的Elservier SN - 9780081028865。
14. 下午Amna”,累计风电装机容量选择中东和非洲国家从2012年到2019年,“能源和环境服务,2020年。视图:谷歌学术搜索
15. k·亚当,诉Hoolohan, j·古丁,t . Knowland c·s·e·贝尔和a·s·汤姆林”方法对城市规模的评估可再生能源发电潜力通知战略能源基础设施投资,”城市卷,54 45-56,2016页。视图:出版商的网站|谷歌学术搜索
16. m .华金和a . a . Bayod风能和风能的可变性,2010年研究之门。
17. n . Vogiatzis k . Kotti s Spanomitsios, m . Stoukides“北爱琴海风能潜力和特点分析,希腊,”可再生能源卷,29号7,1193 - 1208年,2004页。视图:出版商的网站|谷歌学术搜索
18. j . n . n Kamau r . Kinyua和j·k·Gathua,”肯尼亚马萨比特的6年的风力数据,平均超过14米/秒100中心高度;的分析风能的潜力。”可再生能源,35卷,不。6,1298 - 1302年,2010页。视图:出版商的网站|谷歌学术搜索
19. n·c·阿里,能量输出估计小型风力发电机使用Weibull-representative风数据。工程学院和建筑穆斯塔法•凯末尔大学安塔基亚,2002年。
20. e . k . Akpınar s Akpınar, n . Balpetek“土耳其地区的风速分布的统计分析,“工程技术和应用科学杂志》上,3卷,不。1 - 55,2018页。视图:出版商的网站|谷歌学术搜索
21. h·A·Mahyoub“风速数据的统计分析和评估Taiz-Yemen风能潜力,”Assiut大学环境研究公告,9.2,2006卷。视图:出版商的网站|谷歌学术搜索
22. b . Hicham伊·e·a·e·b·Abjelmajid和d . Abdelmoumen“风速数据分析利用威布尔和瑞利分布函数、案例学习:摩洛哥北部五个城市,“Procedia制造业32卷,第793 - 786页,2019年。视图:出版商的网站|谷歌学术搜索
23. d . k . Choge s . k . Rotich, j . k . Tonui”小风力涡轮机:Uasin-Gishu模拟最优选择,肯尼亚,“太平洋科学和技术杂志》上,14卷,不。2、第102108条,2013年。视图:谷歌学术搜索
24. c . Oludhe“评估和利用风能在肯尼亚,“肯尼亚气象学会杂志》上,1卷,不。2,一则,2007页。视图:谷歌学术搜索
25. 拉班o . n . c . m . Maghanga, k .约阿施“表面粗糙度参数的确定及风切变指数基西地区的现场测量风资料,”能源杂志卷,2019篇文章ID 8264061, 12页,2019。视图:出版商的网站|谷歌学术搜索
26. Azad a k、m·m·阿拉姆和s·m·a . Uddin”分析风速分布电网塔和风力发电机塔:一个大气危害”国际先进的可再生能源研究杂志》上,卷1,48-55,2012页。视图:谷歌学术搜索
27. r . Belu和d . Koracin风特性和风能内华达州西部的潜力,”可再生能源,34卷,不。10日,2246 - 2251年,2009页。视图:出版商的网站|谷歌学术搜索
28. z . Chen j·格雷罗州,f . Blaabjerg”审查国家的风力发电机的电力电子的艺术”IEEE电力电子,24卷,不。8,1859 - 1875年,2009页。视图:出版商的网站|谷歌学术搜索
29. a . m .福利、c·克林和p·g·莱希,“海上风能资源评估使用波浪浮标数据,”2012第十一届环境与电子工程国际会议都柏林,爱尔兰,2012年。视图:出版商的网站|谷歌学术搜索
30. l . Landberg“短期预测风电场的电力生产,”风工程和工业空气动力学。,卷80,不。1 - 2、207 - 220年,1999页。视图:出版商的网站|谷歌学术搜索
31. e·l·彼得森n . g .莫滕森l . Landberg j . Hojstrup和惠普弗兰克,风力发电气象学,1997年Risø国家实验室。
32. o . c . Saoke分析基于威布尔模型的风速和风力模式描述数据相关性Juja选择站点,肯尼亚,(未发表的硕士论文)JKUAT肯尼亚大学,2011。
33. e·e·诺德曼能量转换在肯尼亚茶行业:风能评估,2014岁的伟谷州立大学https://ScholarWorks@GVSU。
34. “谷歌地图”,2020年,https://www.google.com/maps/@ 0.779879, 34.836907, 2992米/ data = ! 3 m1 ! 1 e3 ? hl = en。视图:谷歌学术搜索
35. j . f . Manwell j·g·麦高文,a·l·罗杰斯风能解释说,理论、设计与应用威利,英国,2002年。
36. a z Dhunny、m . r . Lollchund和s·d·d·诉Rughooputh”长期风在选定的位置在毛里求斯发电特点,“杂志的风能文章ID 613936卷,2015年,12页,2015。视图:出版商的网站|谷歌学术搜索
37. a . k . Azad m·g . Rasula m . m . Alamb美国m·埃米尔和k . m . Sukanta“风能转换系统用威布尔分布的分析,“会议进行卷,90年,第732 - 725页,2014年。视图:出版商的网站|谷歌学术搜索
38. k·穆罕默迪和a . Mostafaeipour”,使用不同的方法进行全面研究的风力涡轮机利用Zarrineh,伊朗,”能量转换和管理卷,65年,第470 - 463页,2013年。视图:出版商的网站|谷歌学术搜索
39. Azad a、m·拉苏尔和t . Yusaf”统计诊断的最佳风能评估农业应用威布尔方法,”能量7卷,第3085 - 3056页,2014年。视图:出版商的网站|谷歌学术搜索
40. d .木头,“小型风力涡轮机,”风能转换技术的进步m . Sathyajith g·菲利普,Eds。,Environmental Science and Engineering, pp. 195–211, Springer, Berlin, Heidelberg, 2011.视图:出版商的网站|谷歌学术搜索
41. d·h·Didane:玫瑰,m . f . Zulkafli和s . s . Shamsudin“风能发电的潜力评价源在乍得,”旋转机械的国际期刊卷,2017篇文章ID 3121875, 10页,2017。视图:出版商的网站|谷歌学术搜索
42. d . k . Kidm r . Danwe郑胜耀多卡,和n . Djongyang“风速分布的统计分析基于六威布尔在Garoua风能评估方法,喀麦隆、”Revue des能量Renouvelables,18卷,不。1,第125 - 105页,2015。视图:谷歌学术搜索
43. c·a·纳希“能量输出估计小型风力发电机使用Weibull-representative风数据,”风工程和工业空气动力学卷,91年,第707 - 693页,2003年。视图:出版商的网站|谷歌学术搜索
44. k·c·马森,去寻找更多“风力涡轮机转子模型对发动机舱的影响风速测定,“风工程,37卷,不。6,617 - 636年,2013页。视图:出版商的网站|谷歌学术搜索
45. b . Yaniktepe、t . Koroglu和m . Savrun”调查的风特性和风能潜力Osmaniye,土耳其,”土耳其可再生能源和可持续能源的评论21卷,第711 - 703页,2013年。视图:出版商的网站|谷歌学术搜索
46. 江z h . Hulio w和s Rehman,“技术经济评估风力发电的潜力Nooriabad,巴基斯坦,“能源、可持续性和社会,7卷,不。1,p。2017。视图:出版商的网站|谷歌学术搜索
47. m . Gokcek a Bayulken,Ş。Bekdemir”调查的风特性和风能潜力Kirklareli,土耳其,”可再生能源,32卷,不。10日,1739 - 1752年,2007页。视图:出版商的网站|谷歌学术搜索
48. 胡j . j . Wang, k .马”风速概率分布估计和风能评估,”可再生能源和可持续能源的评论,60卷,第899 - 881页,2016年。视图:出版商的网站|谷歌学术搜索
49. a . Ucar, f . Balo评价风能发电潜力,在6个地点在土耳其,”应用能源,卷86,不。10日,1864 - 1872年,2009页。视图:出版商的网站|谷歌学术搜索
50. a . Parajuli统计分析基于威布尔的风速和功率密度和瑞利模型Jumula,尼泊尔能源和电力工程,卷。8日,2016年。
51. k .阿巴斯k . Alamgir a·阿里·d·汗和美国Khalil”在巴基斯坦的风速数据的统计分析,“世界应用科学杂志18卷,第1539 - 1533页,2012年。视图:谷歌学术搜索
52. f . Topaloğlu和h . Pehlivan风数据的分析、计算的能源产量潜力,与黄蜂和微博应用,”气象学的进展卷,2018篇文章ID 2716868, 10页,2018。视图:出版商的网站|谷歌学术搜索
53. 即Fyrippis、p . j . Axaopoulos和g . Panayiotou“风能潜力评估在拿索斯岛,希腊,”应用能源,卷87,不。2、577 - 586年,2010页。视图:出版商的网站|谷歌学术搜索
54. y猛烈的一击,s Ozcira: Bekiroglu, Senol,“风功率密度预测方法的比较分析Canakkale, Intepe地区,土耳其,”可再生能源和可持续能源的评论,23卷,第502 - 491页,2013年。视图:出版商的网站|谷歌学术搜索
55. m . r .伊斯兰教、r . Saidur和n . a . Rahim”的风能潜力评估Kudat纳闽岛、马来西亚用威布尔分布函数,“能源,36卷,不。2、985 - 992年,2011页。视图:出版商的网站|谷歌学术搜索
56. a, s·h·Pishgar-Komleh Keyhani, p . Sefeedpari“风速和功率密度分析基于威布尔和瑞利分布(伊朗的一个案例研究:Firouzkooh郡),“可再生能源和可持续能源的评论,42卷,第322 - 313页,2015年。视图:出版商的网站|谷歌学术搜索
57. j . Yingni y Xiuling, (c)和p .小云“风能潜力评估使用威布尔模型在中国的内蒙古,”能源勘探与开发,24卷,不。3、211 - 221年,2006页。视图:出版商的网站|谷歌学术搜索
58. m . j . Iacono“为什么风速下降?”地球物理学研究杂志:atm卷,114年,页1 - 3,2009。视图:谷歌学术搜索

版权

版权©2021 n .拉班Ongaki等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。