a new approach for modeling wind power in reliability studies

Tremendous growth of wind power worldwide in the past decade requires serious research in various fields. because wind power is weather dependent, it is stochastic and varies over various time-scales. therefore, accuracy in wind power modeling is recognized as a major contribution for reliable large-scale wind power integration. in this paper, a method for generating synthetic wind power is proposed. the proposed method combines the random nature of wind with the operational information of the wind turbines (i.e., failure and repair rates). it uses chronological or sequential monte carlo simulation (mcs) instead of non-sequential one owing to its usefulness and flexibility in preserving statistical characteristics of the chronological processes. the validity of the synthetic values generated by the proposed method and the auto regressive moving average (arma) time series is compared with the measured data in terms of reliability indices. finally, the effect of some network parameters, such as network dimensions, the average coefficient of wind speed on the reliability of the power system has been evaluated. in this regard, historical wind speed data of manjil area located in the north of iran is used.

ارایه یک رویکرد جدید برای مدلسازی سرعت باد در مطالعات قابلیت اطمینان

رشد فوق العاده انرژی باد در سراسر جهان در دهه گذشته مستلزم تحقیقات جدی در زمینه های مختلف است. از آنجایی که نیروی باد وابسته به آب و هوا است، تصادفی است و در مقیاس های زمانی مختلف متفاوت است. بنابراین، دقت در مدل‌سازی نیروی باد به‌عنوان سهم عمده‌ای برای یکپارچه‌سازی توان بادی قابل اعتماد در مقیاس بزرگ شناخته می‌شود. در این مقاله روشی برای تولید نیروی باد مصنوعی پیشنهاد شده است. روش پیشنهادی ماهیت تصادفی باد را با اطلاعات عملیاتی توربین‌های بادی (یعنی نرخ خرابی و تعمیر) ترکیب می‌کند. به دلیل سودمندی و انعطاف پذیری آن در حفظ ویژگی های آماری فرآیندهای زمانی، از شبیه سازی زمانی یا متوالی مونت کارلو (MCS) به جای غیر متوالی استفاده می کند. اعتبار مقادیر مصنوعی تولید شده توسط روش پیشنهادی و سری زمانی میانگین متحرک رگرسیون خودکار (ARMA) با داده‌های اندازه‌گیری شده از نظر شاخص‌های قابلیت اطمینان مقایسه می‌شود. در نهایت تأثیر برخی پارامترهای شبکه از جمله ابعاد شبکه، میانگین ضریب سرعت باد بر قابلیت اطمینان سیستم قدرت ارزیابی شده است. در این راستا از داده های تاریخی سرعت باد منطقه منجیل واقع در شمال ایران استفاده شده است.