برآورد حداکثر انرژی پتانسیل باد در استان لرستان با استفاده از داده‌های ماهواره‌ای

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی دکتری اقلیم‌شناسی، دانشگاه لرستان، لرستان، ایران

2 استادیار گروه جغرافیا، دانشگاه لرستان، لرستان، ایران

چکیده

اهداف: هدف این پژوهش، برآورد انرژی پتانسیل باد در سطوح 30 ، 50 و 100 متری از سطح زمین در 8 ایستگاه انتخاب‌ شده در استان لرستان است.
روش: در این پژوهش برای برآورد انرژی پتانسیل باد بر پایة داده‌های ساعتی در 8 ایستگاه انتخاب ‌شده در دورة زمانی 2000-2019 با استفاده از داده‌های ماهواره‌ای اخذ شده از MERRA-2 Modal انجام شده است. برای صحت‌سنجی داده‌های ماهواره‌ای در مقایسه با داده‌های ایستگاهی، داده‌های ساعتی سرعت باد از سازمان هواشناسی دریافت شد. برای ارزیابی و صحت‌سنجی داده‌های ماهواره‌ای در مقایسه با داده‌های ایستگاهی در تراز ارتفاعی 10 متری، ضریب همبستگی CC، میانگین خطا ME، مجذور مربعات خطاRMSE  و تابع اریبی یا تورش‌دار BIAS محاسبه شده است. پس از صحت‌سنجی داده‌ها برای ترسیم گلباد از نرم‌افزار Windographer  و برای برازش داده‌ها از توزیع احتمال ویبول استفاده شد. نیروی چگالی باد سالانه در ترازهای ارتفاعی 30 ، 50 و 100 متری محاسبه شد.
یافته‌ها/نتایج: در این تحقیق پس از صحت‌سنجی داده‌های ماهواره‌ای در مقایسه با داده‌های ایستگاهی با میزان خطای 4047218/0 ثابت شد که داده‌های ماهواره‌ای از وضعیت مناسبی برای استفاده در این پژوهش برخوردارند. بر پایة محاسبات، بیشترین انرژی پتانسیل باد در تراز ارتفاعی 30 متری به‌ترتیب به ایستگاه‌های بروجرد، الشتر، کمالوند، ازنا، الیگودرز، نورآباد، دورود و کوهدشت با 128 ، 102، 98 ، 86 ، 69 ، 57 ، 50 و 41 وات بر مترمربع در ساعت اختصاص دارد که این مقادیر در ترازهای50  و 100 متری با یک نسبت مشخص و با همین ترتیب در تراز 30 متری برای دیگر ترازهای ارتفاعی در همة ایستگاه‌ها افزایش می‌یابد.
نتیجه‌گیری: ایستگاه‌های بروجرد، الشتر، نورآباد، ازنا و کمالوند در ترازهای ارتفاعی 30 ، 50 و 100 متری و ایستگاه‌های الیگودرز، کوهدشت و دورود فقط در سطح 100 متری از سطح زمین پتانسیل مناسبی برای تولید انرژی از نیروی چگالی باد با توجه به  نوع ارتفاع توربین بادی دارند.

کلیدواژه‌ها


عنوان مقاله [English]

Estimating the Maximum Potential Energy of the Wind in Lorestan Province using Satellite Data

نویسندگان [English]

  • Samad Khosravi Ygane 1
  • Mostafa Karampoor 2
  • Behrouz Nasiri 2
1 PhD Candidate in Climatology, University of Lorestan, Lorestan, Iran
2 Assistant Professor in Climatology, Department of Geography, Faculty of Humanities, University of Lorestan, Lorestan, Iran

کلیدواژه‌ها [English]

  • weibull distribution
  • Wind Density Force
  • Satellite data
  • Lorestan province
1. انتظاری، ع؛ امیراحمدی، ا؛  عرفانی، ع. و  برزویی، ا. (1391). ارزیابی پتانسیل انرژی باد و امکان سنجی احداث نیروگاه بادی در سبزوار. مطالعات جغرافیایی مناطق خشک، 3 (9)، 46-33.
2. بختیاری، ب؛ بذرافشان، ب. و  خانجانی ، م .(1392) .ارزیابی پتانسیل انرژی باد بر مبنای داده­های کوتاه­مدت دقیقه­ای در مناطق کرمان ، جیرفت و بم . نشریة پژوهش­های آبخیزداری ، (100)، 84-76.
3. ثقفی، م. (1372). انرژی بادی و کاربرد آن در کشاورزی. چاپ اول. تهران: انتشارات دانشگاه تهران.
4. رضایی بنفشه، ج؛ جهانبخش، س؛ دین­پژوه، ی. و اسمعیل پور، م. (1393). امکان­سنجی استفاده از انرژی باد در استان های اردبیل و زنجان. پژوهش­های جغرافیای طبیعی، 46 (3)، 274-261.
5. صلاحی، ب. (1383) . پتانسیل سنجی انرژی باد و برازش احتمالات واقعی وقوع باد با استفاده از تابع توزیع چگالی احتمالی ویبول در ایستگاه­های سینوپتیک استان اردبیل. نشریة تحقیقات جغرافیایی ، (99)، 87-104.
6. عباس­زاده مزوجی، ز. (1390). ارزیابی دقت روش­های معمول برآورد داده­های اقلیمی، مطالعة موردی: دما و بارش در حوضة آبریز کشف رود مشهد. (پایان­نامة کارشناسی ارشد جغرافیا). دانشگاه فردوسی مشهد، ایران.
 
7. Akdağ, S. A., & Dinler, A. (2009). A new method to estimate Weibull parameters for wind energy applications. Energy Conversion and Management, 50(7), 1761-1766.
8. Asakereh, H., Beyranvand, A., & Doustkamian, M. (2018). Assessment of wind power in the synoptic station of Ardebil. Spatial Planning, 8(30), 65-82.
9. Betz, A. (1966). Introduction to the Theory of Flow Machines. Oxford: Oxford University Press.
10. Bilal, B. O., Ndongo, M., Kebe, C. M. F., Sambou, V., & Ndiaye, P. A. (2013). Feasibility study of wind energy potential for electricity generation in the northwestern coast of Senegal. Energy Procedia36, 1119-1129.
11. Billinton, R., Chen, H., & Ghajar, R. (1996). Time-series models for reliability evaluation of power systems including wind energy. Microelectronics Reliability36(9), 1253-1261.
12. Emna, M. E., Adel, K., & Mimouni, M. F. (2013). The wind energy conversion system using PMSG controlled by vector control and SMC strategies. International Journal of Renewable Energy Research (IJRER)3(1), 41-50.
13. Eskin, N., Artar, H., & Tolun, S. (2008). Wind energy potential of Gökçeada Island in Turkey. Renewable and Sustainable Energy Reviews12(3), 839-851.
14. Kunz, T. H., Arnett, E. B., Erickson, W. P., Hoar, A. R., Johnson, G. D., Larkin, R. P., ... & Tuttle, M. D. (2007). Ecological impacts of wind energy development on bats: questions, research needs, and hypotheses. Frontiers in Ecology and the Environment5(6), 315-324.
15. Mirhosseini, M., Sharifi, F., & Sedaghat, A. (2011). Assessing the wind energy potential locations in province of Semnan in Iran. Renewable and Sustainable Energy Reviews15(1), 449-459.
16. Mohammadi, H., Rostami Jalilian, Sh., & Taghavi, F., Shamsipour, A. A. (2012). Evaluation of wind energy potential in Kermanshah province. Physical Geography Research, 44(2), 19-32.
17. Moorthy, C. B., Balasubramanian, C., & Deshmukh, M. K. (2017). Wind turbine output estimation using Windographer software. International Journal on Future Revolution in Computer Science and Communication Engineering, 24(3), 33-65.
18. Mpholo, M., Mathaba, T., & Letuma, M. (2012).Wind profile assessment at Masitise and Sani in Lesotho for potential off-grid electricity generation. Energy Conversion and Management, 53(1), 118-127.
19. Rocha, P. A. C., de Sousa, R. C., de Andrade, C. F., & da Silva, M. E. V. (2012). Comparison of seven numerical methods for determining Weibull parameters for wind energy generation in the northeast region of Brazil. Applied Energy89(1), 395-400.