Method for normalizing initial data of wind measurements in complex terrain areas
- Autores: Alikhodzhina N.V.1, Titov D.A.1, Tyagunov M.G.1
-
Afiliações:
- National Research University “Moscow Power Engineering Institute”
- Edição: Volume 29, Nº 3 (2025)
- Páginas: 353-362
- Seção: Power Engineering
- URL: https://bakhtiniada.ru/2782-4004/article/view/360105
- DOI: https://doi.org/10.21285/1814-3520-2025-3-353-362
- EDN: https://elibrary.ru/XPQDFV
- ID: 360105
Citar
Texto integral
Resumo
Sobre autores
N. Alikhodzhina
National Research University “Moscow Power Engineering Institute”
Email: alikhojinanv@mpei.ru
D. Titov
National Research University “Moscow Power Engineering Institute”
Email: titovda@mpei.ru
M. Tyagunov
National Research University “Moscow Power Engineering Institute”
Email: tiagunovmg@mpei.ru
Bibliografia
Дерюгина Г.В., Игнатьев Е.В., Метт В.Д. Апробация программного комплекса «Wind Turbine» // Вестник Московского энергетического института. 2023. № 4. С. 80–90. https://doi.org/10.24160/1993-6982-2023-4-80-90. EDN: IUCQQE. Mortensen N.G., Landberg L., Troen I., Lundtang Petersen E. Wind Atlas analysis and application program (WAsP) // User’s guide. Risø National Laboratory, 1993. Vol. 2. No. 666. 134 р. Зубарев В.В., Минин В.А., Степанов И.Р. Использование энергии ветра в районах Севера: состояние, условия эффективности, перспективы: монография. Л.: Наука, 1989. 208 с. EDN: AHDKIG. Николаев В.Г., Ганага С.В., Кудряшов Ю.И. Национальный кадастр ветроэнергетических ресурсов России и методические основы их определения. М.: Атмограф, 2008. 581 с. EDN: QTFSXD. Zhang Yagang, Kong Xue, Wang Jingchao, Wang Hui, Cheng Xiaodan. Wind power forecasting system with data enhancement and algorithm improvement // Renewable & Sustainable Energy Reviews. 2024. Vol. 196. Р. 114349. https://doi.org/10.1016/j.rser.2024.114349. Karasu S., Altan A., Saraç Z., Hacioglu R. Prediction of wind speed with non-linear autoregressive (NAR) neural networks // Ağları ile Tahmini: 25th Signal Processing and Communications Applications Conference (SIU) (Antalya, 15–18 May 2017). Antalya: IEEE, 2017. Р. 128703. https://doi.org/10.1109/SIU.2017.7960507. Алиходжина Н.В., Дерюгина Г.В., Крупин Г.В. Суточный прогноз выработки ВЭС по данным наземной МС // Фёдоровские чтения – 2019 (г. Москва, 20–22 ноября 2019 г.). М.: МЭИ, 2019. С. 318–323. EDN: QVSESZ. Niu Xinsong, Wang Jiyang. A combined model based on data preprocessing strategy and multi-objective optimization algorithm for short-term wind speed forecasting // Applied Energy. 2019. Vol. 241. P. 519–539. https://doi.org/10.1016/j.apenergy.2019.03.097. Kariniotakis G.N., Stavrakakis G.S., Nogaret E.F. Wind power forecasting using advanced neural networks models // IEEE Transactions on Energy Conversion. 1996. Vol. 11. No. 4. P. 762–767. https://doi.org/10.1109/60.556376. Potter C.W., Negnevitsky M. Very short-term wind forecasting for Tasmanian power generation // IEEE Transactions on Power Systems. 2006. Vol. 21. No. 2. P. 965–972. https://doi.org/10.1109/TPWRS.2006.873421. Ribeiro M.H.D.M., Da Silva R.G., Moreno S., Mariani V.C. Efficient bootstrap stacking ensemble learning model applied to wind power generation forecasting // International Journal of Electrical Power & Energy Systems. 2022. Vol. 136. Р. 107712. https://doi.org/10.1016/j.ijepes.2021.107712. Jiang Zheyong, Che Jinxing, Wang Lina. Ultra-short-term wind speed forecasting based on EMD-VAR model and spatial correlation // Energy Conversion and Management. 2021. Т. 250. Iss. 1-2. Р. 114919. https://doi.org/10.1016/j.enconman.2021.114919. Дерюгина Г.В., Чернов Д.А., Тягунов М.Г., Алиходжина Н.В. Модели вертикального профиля ветра по данным ветроизмерительных комплексов полуострова Камчатка // Вестник Московского энергетического института. 2019. № 1. С. 35–42. https://doi.org/10.24160/1993-6982-2019-1-35-42. EDN: YWTSJV. Дерюгина Г.В., Игнатьев Е.В., Голубков У.Ф. Методика разработки модели краткосрочного прогнозирования скорости ветра и выработки ветроэлектрической установки // Новое в российской электроэнергетике. 2024. № 10. С. 6–21. EDN: DJKAPZ. Алиходжина Н.В., Тягунов М.Г., Шестопалова Т.А. Обзор существующих моделей и методов расчета основных характеристик ветра в определенной точке // Вестник Казанского государственного энергетического университета. 2024. Т. 16. № 3. С. 76–93. EDN: UXVION. Зубакин В.А. Краткосрочное прогнозирование выработки ветровой электростанции // Энергетическая политика. 2022. № 8. С. 20–27. https://doi.org/10.46920/2409-5516_2022_8174_20. EDN: VFNJCH. Соловьев Б.А., Гамисония Г.К. Методы прогнозирования мощности ветра для шельфовых ветроэлектростанций // Электротехнические и информационные комплексы и системы. 2022. Т. 18. № 3-4. С. 108–120. https://doi.org/10.17122/1999-5458-2022-18-3-4-108-120. EDN: VUQXCF. Lv Sheng-Xiang, Wang Lin. Deep learning combined wind speed forecasting with hybrid time series decomposition and multi-objective parameter optimization // Applied Energy. 2022. Vol. 311. Iss. 5. Р. 118674. https://doi.org/10.1016/j.apenergy.2022.118674. EDN: IIPCWS. Лайхтман Д.Л., Юдин М.И. Трансформация нижнего слоя воздуха под влиянием подстилающей поверхности// Доклад АН СССР. Л.: Гидрометеоиздат, 1953. Т. 93. № 2. С. 249–252. Орленко Л.Р. Строение планетарного пограничного слоя. Л.: Гидрометеоиздат, 1979. 270 с. Надежина Е.Д. К вопросу о влиянии скачка шероховатости подстилающей поверхности на режим турбулентного пограничного слоя // Труды Главной геофизической обсерватории им. А.И. Воейкова. 1970. Вып. 257. С. 109–116. Радикевич В.М. Трансформация динамических характеристик воздушного потока под влиянием изменения шероховатости подстилающей поверхности // Известия Академии наук СССР. Физика атмосферы и океана. 1971. Т. 7. № 12. С. 1241–1250. Дербенцева А.М. Эрозия и охрана почв. Владивосток: Дальневосточный университет, 2006. 85 с.
Arquivos suplementares

