Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ArticuloWeibull-1 Traducido
ArticuloWeibull-1 Traducido
aDepartamento de Ecología y Gestión de Recursos Naturales, Universidad Noruega de Ciencias de la Vida, Ås, Noruega bDepartamento de Ingeniería
Mecánica, Universidad de Ibadan, Estado de Oyo, Nigeria
C
Departamento de Ingeniería Mecánica, Universidad de Covenant, Ota, Estado de Ogun, Nigeria
La elección de un buen sitio y el viento son dos elementos principales a considerar al Ubicaciones Latitud (N) Longitud (E) Altitud (m) Período
instalar instalaciones de energía eólica. Según Elamouri y
Ikom 05.580 N Ogoja 06.400 08.420 Y 119,0 1997-2005
Amar [8], la elección del sitio, controla el rendimiento de los aerogeneradores N Calabar 04.580 N Port
Harcourt 08.480 Y 117,0 1978-2000
mientras que un buen sitio está determinado por la velocidad a la que sopla el viento 04.510 N Warri 05.310 N Benin
06.190 N 08.210 Y 61,9 1991-2007
en el lugar Por lo tanto, el potencial eólico preciso y confiable Asaba 07.010 Y 19,5 1971-2005
05.440 Y 6,1 1971-2001
herramientas de análisis son necesarias para una buena evaluación de los
05.060 E 77,8 1971-2007
y potencial recuperable [1]. El conocimiento detallado de las características y distribución 06.180 norte 06750 E 43 1997-2006
del viento también son parámetros cruciales que son
necesario para seleccionar el sistema óptimo de conversión de energía eólica (WECS)
necesarios para optimizar la producción de energía y minimizar el costo de generación de
por hora, a partir de la cual la velocidad del viento mensual y otros vientos
electricidad [3]. Del trabajo previo llevado a cabo hasta ahora como se discutió
Se determinaron los parámetros de velocidad.
en la literatura, por ejemplo [7,9–12], no se hizo referencia a la investigación
trabajo sobre el rendimiento de WECS para la generación de energía en la costa
2.2. Distribución Weibull
región del país. En esta región, hay una búsqueda continua de
fuentes alternativas de energía debido principalmente a la degradación ambiental causada
Dos de las funciones comúnmente utilizadas para ajustar una medida
principalmente por las actividades de petróleo y gas en la zona. los
Las distribuciones de probabilidad de la velocidad del viento en un lugar determinado
La tarea de este trabajo es, por lo tanto, evaluar el desempeño de los vientos
durante un cierto período de tiempo son la distribución de Weibull y Rayleigh [13].
turbinas que varían en tamaño de pequeño a mediano para la generación de energía,
Para este estudio, solo se consideró la distribución de Weibull porque produce el mejor
dentro de la región del delta del Níger de Nigeria (Fig. 1) donde el petróleo
ajuste entre las dos distribuciones estadísticas.
y las actividades de gas están concentradas.
[13]. La función de densidad de probabilidad de Weibull se da como [13]:
k en k1 en k
fðvÞ ¼ Exp ð1Þ
C C C
2. Metodología y materiales
mientras que la correspondiente función de probabilidad acumulada es
2.1. Datos de viento utilizados en el estudio expresado en [7,13] como:
en k
Se obtuvieron datos de viento que abarcan entre 9 y 37 años para FðvÞ ¼ 1 exp ð2Þ
C
Ikom, Ogoja, Calabar, Port Harcourt, Warri, ciudad de Benin y Asaba en
una altura de 10 m por un anemómetro de generador de cazoletas en el respectivo donde f(v) = probabilidad de observar la velocidad del viento (v), k = dimensión
estaciones meteorológicas de la Agencia Meteorológica de Nigeria menos el parámetro de forma de Weibull, c = el parámetro de escala de Weibull
(NIMET) situado en cada uno de los lugares con coordenadas geográficas que se muestran (m/s), F(v) = función de probabilidad acumulada del viento observado
en la Tabla 1. Los datos adquiridos se obtuvieron en velocidad (v). Se utilizan varios métodos para determinar la forma de Weibull
Fig. 1. Mapa de Nigeria que muestra los estados típicamente considerados como la región del delta del Níger. Los sitios estudiados incluyen: (a) Ikom (b) Ogoja (c) Calabar (d) Warri (e) Asaba (f) Port Harcourt
g) Benín. Fuente: http://ndwgnews.blogspot.com/p/national.html.
Machine Translated by Google
factor (k) y parámetro de escala (c). Dos de estos métodos (gráfico Tabla 3
y aproximado) se analizan, pero en este documento solo se utilizó el enfoque Variaciones mensuales de las características del viento para Ogoja.
aproximado porque predice la velocidad del viento v (m/s) vmpb vmaxE k c (m/s) Densidad de potencia (W/m2 )
y la energía eólica con mayor precisión que el otro enfoque [14]. 3,89 5,56 4,48 2,69 4,62 3,72 63.12
Ene 4.12 Feb
4.40 Mar 4.51
Abr 5,47 4,71 5,15 4,87 5,65 4,87 65.40
4.56 May 4.14 4,77 5,19 4,93
4,29 5,75 4,93 4,48 62.15
2.2.1. Método gráfico Jun 3.68 Jul
Ago 3,84 4,26 4,54 5,21 4,00 64.14
De acuerdo con Akpinar y Akpinar [13], Eq. (2) se puede linealizar 3.86 Sep 3.85 51.09
tomando el doble logaritmo natural de ambos lados de la ecuación, para Oct 3.92 Nov
3.47 34.53
dónde,
v (m/s) vmpb vmaxE k c (m/s) Densidad de potencia (W/m2 )
y ¼ ln½ lnð1 FðvÞ ð5Þ Ene 3.99 Feb 4,15 4,66 4,60 4,97 4,35 4,35 44.39
4.45 Mar 4.52
Abr 5,34 4,72 5,18 4,88 5,51 4,89 63.80
x = ln(v). Por lo tanto, de (3)–(5), los valores de k y c se pueden deducir como 4.38 May 4.29 4,58 4,99 5,69 4,74 63.03
sigue: Jun 4.19 Jul
Ago 56.95
4.24 Sep 4.06 4,44 5,09 4,55 4,69 56.43
k ¼ metro ð6Þ 4,35 4,97 4,60 4,59 52.69
Oct 4.07 Nov
3.69
Dic 3.82 4.06 4,22 4,78 4,73 4,44 47.50
b 4,36 5,13 4,04 4,15 4,66 3,19 56.00
c ¼ mi k ð Þ ð7Þ 5,28 4,17 5,02 4,54 3,86 4,50 55.05
3,85 4,26 3,96 5,30 4,00 51.10
4,53 34.58
2.2.2. método aproximado 4.56 4.18 39.80
Los parámetros de forma y escala (k y c) de la distribución de Weibull
se dan en [14] como:
1:086
r
k¼ ð8Þ
máquina virtual
Tabla 5
máquina virtual
n 3,64
i¼1
Oct 3,19 Nov
2,91 39.07
Dic 2,86 4.061 4.726 4.28 4.32 44.35
1 2 3.782 4.308 4.64 3.98 3.219 4.032 34.43
r2 ¼
n1 Xn ðvi vmÞ ð11Þ 3.50 3.54 2.928 3.698 3.44 3.24 25.51
i¼1 2.763 3.860 2.87 3.21 19.53
20.40
1
tx 1e t dt ð12Þ
CðxÞ ¼ Z 0
Tabla 2 Tabla 6
Variaciones mensuales de las características del viento para Ikom. Variaciones mensuales de las características del viento para Warri.
v (m/s) vmpb vmaxE k c (m/s) Densidad de potencia (W/m2 ) v (m/s) vmpb vmaxE k c (m/s) Densidad de potencia (W/m2 )
Ene 2.32 Feb 2,43 2,66 3,45 5,55 2,52 5,71 8.54 Ene 2.66 Feb 2.721 3.284 3.84 2.94 3.011 4.004 14.30
3.30 Mar Abr
3.89 3,76 4,06 4,25 3,57 7,91 4,14 24.37 2.92 Mar 3.00 2.75 3.28 2.896 4.052 2.86 3.37 22.24
3.66 May 3.24 3,82 4,18 3,37 5,60 3,96 37.94 Abr 3.53 May 3.677 4.134 4.89 3.85 3.192 3.555 23.58
Jun 3.17 Jul
Ago 3,46 10,75 3,41 33.25 3.06 Jun 3.30 5.09 3.33 30.99
2.83 Sep 3.02 21.43 Jul Ago 3.29 19.96
Oct 2.71 Nov
1.99 3.27 3.31 14,82 3,28 19.60 Sep 3.26 2.92
Oct 3.432 3.528 9.04 3.47 22.63
Dic 1.66 2.70 2,82 2,95 8,09 2,87 12.66 Nov 2.91 3.21
Dic 3.342 3.471 8.69 3.39 21.01
2,92 2,99 11,81 2,95 14.02 2.94 3.445 3.745 5.81 3.56 24.18
3,15 3,26 2,82 9,17 3,19 4,94 17.53 3.399 3.788 5.09 3.54 2.965 3.667 24.13
3,17 2,04 2,45 2,96 3,88 2,20 13.96 3.61 3.24 3.048 3.244 6.75 3.12 19.43
1,73 1,87 6,11 1,78 5.94 3.073 3.375 5.48 3.19 16.29
3.04 17.43
Machine Translated by Google
Tabla 7 2.3. Evaluación de la velocidad del viento más probable y viento máximo
Variaciones mensuales de las características del viento para Benín.
velocidad
Tabla 8 La densidad de energía eólica es una forma útil de evaluar el recurso eólico
Variaciones mensuales de las características del viento para Asaba. disponible a una altura potencial; indica la cantidad de energía
disponible para la conversión por una turbina eólica [15]. El disponible
v (m/s) vmpb vmaxE k c (m/s) Densidad de potencia (W/m2 )
potencia en el viento que fluye a velocidad media vm a través de un rotor eólico
Ene 3.48 Feb 3,57 4,24 4,02 3,84 3,94 4,33 5,39 31.40
hoja con área de barrido, A (m2 ), en cualquier sitio dado se puede estimar
3.77 Mar 3.96
Abr 4,09 4,13 4,57 5,26 4,30 36.77
como:
4.21 May 3.34 42.85
Jun 2.95 Jul 4,40 4,66 7,07 4,99 48.80
1 metro
2.99 Ago 3.05 3,49 3,76 3,07 6,26 3,59 9,48 24.84 PðvÞ ¼ qAv3 ð16Þ
3,17 2,99 3,83 3,11 3,35 3,33 16.26 2
Sep 2.89 Oct
3.10
3,09 3,83 3,02 3,59 3,39 5,72 21.46 Mientras que la potencia del viento por unidad de área se da como:
3,29 3,23 3,58 3,13 5,22 3,37 22.10
16.36 1 metro
No ¼ 24 10 PT ðkWh=m2Þ 19Þ
3
De (9), k y c están relacionados según Akpinar y Akpinar [13]
Ejm ¼ 24 10 dPT ðkWh=m2Þ ð20Þ
por:
1
vm ¼ cC 1 þ cada ¼ X12
ð13Þ n¼1 Por ejemplo, ðkWh =m2Þ ð21Þ
k
Tabla 10
Variaciones estacionales de las características del viento para los siete sitios a 10 m de altura para el respectivo período de estudio.
Lluvioso Seco
en
vmpb vmaxE Densidad de potencia (W/m2 ) en
vmpb vmaxE Densidad de potencia (W/m2 )
(a) Hombres 9:00h Hombres 15:00h (b) Martes 9:00 am martes 15:00 hrs
3.0 4.0
3.5
2.5
3.0
2.0
2.5
1.5 2.0
1.5
1.0
1.0
0.5
0.5
0.0 0.0
Meses Meses
(C) Calabar 9:00hr Calabar 15:00h (d) Puerto Harcourt 9:00 h Puerto Harcourt 15:00 h
4.5 4.5
4.0 4.0
3.5 3.5
3.0 3.0
2.5 2.5
2.0 2.0
1.5 1.5
1.0 1.0
0.5 0.5
0.0 0.0
Meses Meses
3.5
5 4.5
3.0
2.5 4 3.5
2.0
3 2.5
1.5
1.0 2 1.5
0.5
1 0.5
0.0 0
Meses Meses
Meses
Fig. 2. Variaciones mensuales de la velocidad del viento en dos horas sinópticas de 9:00 y 15:00 para (a) Ikom (b) Ogoja (c) Calabar (d) Port Harcourt (e) Warri (f) Benin y (g ) Asaba para
todo el año.
donde PT ¼ pðvÞ en (W/m2 ) y d es el número de días en el necesarios para predecir la velocidad del viento a una altura en términos de la
mes considerado. velocidad medida a otra altura. La expresión generalmente adoptada para
describir la variación de la velocidad del viento con diferentes alturas de buje es la
2.6. Extrapolación de la velocidad del viento a diferentes alturas Ley de potencia dada en [7] como:
norte
en h
La variabilidad de la velocidad del viento depende de la distancia desde el ¼
ð22Þ
v0 h0
suelo y rugosidad del terreno. Debido a este hecho, una ecuación es
Machine Translated by Google
donde 'v' es la velocidad del viento a la altura requerida 'h', 'v0' es el viento Mientras que el factor de capacidad Cf de una turbina eólica se puede calcular
velocidad a la altura original 'h0', y 'n' es la rugosidad de la superficie así [11,13]:
coeficiente que se encuentra en el rango 0.05–0.5. Debido a la naturaleza de
la zona de vegetación (que es predominantemente manglar denso En
Cf ¼ ð24Þ
bosques) en esta región, un valor de coeficiente de rugosidad superficial de 0.3 Por
(a)
enero Febrero Marzo Abril
1.2
1
1
0.8
0.8
acumulativa
Frecuencia
0.6
0.6
probabilidad
Funciones
densidad
de
0.4
0.4
0.2 0.2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
-0.2
-0.2
Velocidades del viento (m/s) Velocidades del viento (m/s)
(b)
enero Febrero Marzo Abril enero Febrero Marzo Abril
0.5 1.2
0.4 1
0.8
0.3
0.6
probabilidad
Funciones
densidad
de
0.2 acumulada
Frecuencia
0.4
0.1
0.2
0
0 2 4 6 8 10
0
-0.1 0 2 4 6 8 10
Fig. 3. Densidad de probabilidad de la velocidad del viento mensual y funciones de distribución acumulada para (a) Ikom (b) Ogoja (c) Calabar (d) Port Harcourt (e) Warri (f) Benin y (g) Asaba para
todo el año.
Machine Translated by Google
(C)
enero Febrero Marzo Abril enero Febrero Marzo Abril
0.5 1.2
1
0.4
0.8
0.3
0.6
acumulada
Frecuencia
0.4
0.2
probabilidad
Funciones
densidad
de
0.2
0.1
0
0 2 4 6 8 10
0 -0.2
Velocidades del viento (m/s)
0 2 4 6 8 10
-0.1
Velocidades del viento (m/s)
(d)
enero Febrero Marzo Abril enero Febrero Marzo Abril
0.5 1.2
0,45
1
0.4
0.35
0.8
0.3
0.25 0.6
acumulativa
Frecuencia
probabilidad
Funciones
densidad
de
0.2
0.4
0.15
0.1 0.2
0.05
0
0
0 2 4 6 8 10
2 4 6 8 10
0 -0.05
Velocidades del viento (m/s)
-0.2
Velocidades del viento (m/s)
Figura 3 (continuación)
3.1. Velocidad media anual y mensual del viento Para las ubicaciones restantes, los valores máximo y mínimo
de estos parámetros de velocidad del viento se pueden ver en las Tablas 3–8.
Las tablas 2 a 8 muestran las características del viento mensual de Ikom, Además, los resultados obtenidos para la densidad de potencia eólica usando la Eq.
Ogoja, Calabar, Port-Harcourt, Warri, ciudad de Benin y Asaba en (18) en los siete lugares a 10 m de altitud también se muestran en
10 m de altura. De estas tablas se puede deducir que el Tablas 2–8. Las densidades de potencia mensuales promedio para las ubicaciones
la velocidad media mínima mensual del viento (vm) en esta región es consideradas, siguen un patrón similar con las velocidades medias del viento.
1,66 m/s en Ikom (diciembre) mientras que el máximo se observa en La densidad de potencia media mensual en la región oscila entre
abril en Ogoja como 4,56 m/s. Las tablas muestran además que el 3,04 W/m2 en diciembre (Ikom) a 65,4 W/m2 en Ogoja en febrero.
Se calculan los valores mínimos mensuales de la velocidad del viento que Según el esquema de clasificación de energía eólica PNL [17], todas las
transporta la energía máxima (vmaxE) y la velocidad del viento más probable (vmpb). los sitios considerados en la región existen bajo recurso eólico Clase 1
como 1,87 y 1,73 m/s respectivamente en diciembre, ambos en Ikom categoría que tiene una densidad de potencia inferior a 100 W/m2 en todos los
mientras que los valores máximos se obtienen en Ogoja como 5,56 m/s (enero) y meses del año.
4,77 m/s (abril) para vmaxE y vmpb en ese orden. Además, consideraciones de Según el World Factbook de la CIA [18], la temprana invasión de
viento basadas en las ubicaciones respectivas vientos húmedos del monzón del suroeste (SW) del Atlántico, cada febrero/
muestre que vm, vmaxE y vmpb tienen los valores mínimos como 1.66, Marzo generalmente conduce al comienzo temprano de la temporada de lluvias.
1,87 y 1,73 m/s, respectivamente en diciembre y máximo como (marzo a noviembre) en la región del delta del Níger en Nigeria, y es
3,89, 4,25 y 4,06 m/s respectivamente en marzo para Ikom (Tabla 2). típicamente marcado por la incidencia de fuertes vientos y fuertes chubascos.
Machine Translated by Google
(y)
enero Febrero Marzo Abril
Junio enero Febrero Marzo Abril
Mayo Mayo Julio
Agosto Septiembre Octubre Noviembre Junio
Mayo Julio Agosto
Diciembre
Septiembre Octubre Noviembre Diciembre
1.2
1.2
1
1
0.8 0.8
0.6 0.6
acumulada
Frecuencia
probabilidad
Funciones
densidad
de
0.4 0.4
0.2 0.2
0
0
0 2 4 6 8 10
0 2 4 6 8 10
-0.2
-0.2 Velocidades del viento (m/s)
Velocidades del viento (m/s)
(F)
enero Febrero Marzo Abril enero Febrero Marzo Abril
0.7 1.2
0.6
1
0.5
0.4 0.8
probabilidad
Funciones
densidad
de
0.3
acumulada
Frecuencia
0.6
0.2
0.1 0.4
0
0.2
0 2 4 6 8 10
-0.1
Velocidades del viento (m/s)
0
0 2 4 6 8 10
-0.2
Velocidades del viento (m/s)
(gramo)
0.7 1.2
0.6
1
0.5
0.8
0.4
0.6
probabilidad
Funciones
densidad
de
0.3 acumulativa
Frecuencia
0.2 0.4
0.1
0.2
0
0 2 4 6 8 10 0
-0.1 0 2 4 6 8 10
Velocidades del viento (m/s)
-0.2
Velocidades del viento (m/s)
Figura 3 (continuación)
Machine Translated by Google
Tabla 12
Producción de energía anual y factor de capacidad de los aerogeneradores seleccionados para todas las ubicaciones.
Cf (%) vatio (MWh/año) Cf (%) vatio (MWh/año) Cf (%) vatio (MWh/año) Cf (%) vatio (MWh/año)
160 16.0
(a) G-3120
P19-100
(a) Hombres el centurión Calabar
140 14.0 P-Harcourt Los padres Benín
WES30 Él pide
ZEUS-500
120 12.0
100 10.0
Producción
promedio
energía
(MWh/
año)
de
80 Producción
promedio
mensual
energía
(MWh)
de
8.0
60
6.0
40
4.0
20
2.0
0
Asaba Benin-ciudad Calabar Ikom OgojaPort-Harcourt Warri
0.0
Ubicaciones ene feb mar abr may jun jul ago sep oct nov dic
Mes
40
G-3120
35
(b) P19-100 60.0
WES30
ZEUS-500
(b) Hombres
P-Harcourt
el centurión
Los padres
Calabar
Benín
30 50.0 Él pide
capacidad
Factor
(%)
de
25
40,0
20 capacidad
mensual
Factor
(%)
de
15 30.0
10
20.0
5
0 10.0
Asaba Benin-ciudad Calabar Ikom OgojaPort-Harcourt Warri
Ubicaciones
0.0
ene feb mar abr may jun jul ago sep oct nov dic
Fig. 4. Rendimiento anual de los modelos de aerogeneradores seleccionados: (a) Energía anual
salida y (b) factor de capacidad.
Mes
Fig. 5. Rendimiento mensual del modelo de aerogenerador G-3120: (a) Producción de energía y
(b) factor de capacidad.
turbinas consideradas para cualquier ubicación dada se debe a su alto valor nominal
la velocidad del viento y la altura del buje relativamente baja.
Por lo tanto, para el desarrollo de energía eólica, modelo G-3120 o viento en Ogoja (en febrero). También se puede observar que los aerogeneradores solo
turbina con una velocidad nominal del viento similar (e incluso un viento de corte más bajo) generarán energía útil en Ikom entre el
velocidad) será el más adecuado para todas las ubicaciones consideradas en este meses de febrero a abril y octubre. La salida de energía de
estudiar. Basado en el uso de electricidad de 126 kWh per cápita por año en se observa que el aerogenerador es pequeño en los meses de junio y
Nigeria en 2008 [23], la producción de energía de esta turbina eólica julio en Warri y en el mes de junio en Asaba.
El modelo puede satisfacer la necesidad de electricidad de alrededor de 370, 400, 860, 80, 820, El factor de capacidad mensual para este modelo de aerogenerador
550 y 220 personas que viven en Asaba, ciudad de Benin, Calabar, Ikom, (Fig. 5b) sigue la misma tendencia que la producción de energía mensual. Eso
Ogoja, Port-Harcourt y Warri, respectivamente. se puede observar que el factor de capacidad es superior al 10% para
La producción de energía mensual y el factor de capacidad para la energía eólica G-3120 cada mes del año en Ogoja, Calabar y Port-Harcourt.
modelo de turbina (como un estudio de caso) se presentan en la Fig. 5. Se puede Sin embargo, en la ciudad de Benin se observa un factor de capacidad mínimo mensual
observar que para un sitio dado, hay una variación notable en la de alrededor del 5%. Por lo tanto, estos lugares pueden ser considerados
producción de energía promedio mensual del modelo de turbina eólica como sitios viables para el desarrollo de la energía eólica ya sea a pequeña escala
(Figura 5a). Esto es de esperar ya que la velocidad media del viento varió de sistemas de generación de electricidad o de bombeo de agua en todo el
un mes al otro como se muestra anteriormente. La producción de energía mensual varía año. Es posible que otros sitios solo se consideren para el desarrollo de energía eólica en
de aproximadamente 2 kWh en Ikom (en diciembre) a 12,1 MWh algunos meses del año.
Machine Translated by Google
4. Conclusiones Referencias
[1] Thiaw L, Sow G, Fall SS, Kasse M, Sylla E, Thioye S. Un enfoque basado en redes neuronales
A partir de los datos estadísticos y el cálculo del potencial de energía
para la evaluación de la producción de recursos eólicos y generadores eólicos. aplicación
eólica junto con la evaluación del rendimiento realizada en aerogeneradores Energía 2010;87:1744–8.
comerciales de tamaño pequeño a mediano en siete ubicaciones seleccionadas [2] Sistema operativo Ohunakin. Utilización de energía y fuentes de energía renovables en Nigeria. j
que cubren la región del delta del Níger en Nigeria, se dedujeron los siguientes Eng Appl Sci 2010;5:171–7.
[3] Ucar A, Balo F. Evaluación del potencial de energía eólica para la instalación de turbinas en áreas
hechos del estudio: costeras de Turquía. Renovar Sustain Rev 2010;14:1901–12.
[4] Ohunakin OS, Adaramola MS, Oyewola OM, Fagbenle RO. Generación de un año meteorológico
En todos los lugares considerados, la velocidad media mensual del viento típico para el noreste de Nigeria. aplicación Energía 2013;112:152–9.