Publikace detail

Estimation of wind direction distribution with genetic algorithms

Autoři: Heckenbergerová Jana | Musílek Petr | Mejznar Jakub | Vančura Martin

Rok: 2013

Druh publikace: článek ve sborníku

Název zdroje: 2013 26th Annual IEEE Canadian Conference on Electrical and Computer Engineering (CCECE)

Název nakladatele: IEEE (Institute of Electrical and Electronics Engineers)

Místo vydání: Piscataway

Strana od-do: 78-81

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Odhad rozdělení směru větru pomocí genetických algoritmů	Článek popisuje novou metodologii výpočtu statistického rozdělení směru větru jako směsového modelu von Misesových distribucí. Parametry jsou odhadovány pomocí genetických algoritmů. Kvalita výsledného rozdělení je ohodnocena pomocí Pearsonova chí-kvadrát testu. Celá procedura je testována na reálných datech a výsledky ukazují významnou shodu distribuce se vstupními daty.	Von Misesova distribuce, kruhové normální rozdělení, směr větru, dynamický teplotní rating, přenosová zatížitelnost vodiče, statistické modelování
eng	Estimation of wind direction distribution with genetic algorithms	Directional and stream data are common in many research fields. Wind speed and direction are the most important variables for effective wind energy utilization. It is also well known, that wind significantly influences the current-carrying capacity of overhead power transmission lines. This shows the importance of knowing the annual wind direction distribution for specific locations, e. g. where wind farms or power transmission lines are situated. In this paper, a new method of wind direction distribution determination is presented. The statistical model is composed of a finite mixture of circular von Mises distributions. Parameters of the model are estimated using the heuristic search method of genetic algorithms. The quality of computed distribution is evaluated by Pearson's chi-squared test. The entire proposed procedure is tested using a case study. The results show that the model composed of a finite mixture of von Mises distribution corresponds to the input data with high significance level.	Von Mises distribution; circular normal distribution; genetic algorithm; wind direction; dynamic thermal rating; conductor ampacity; statistical modelling

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte