weibull参数计算及风频分布函数曲线的绘制

基于正态分布和两参数威布尔分布的风速曲线拟合方法研究张盼盼【摘要】以日常生活中常用到的正态分布和两参数威布尔分布拟合实际的风速数据,采用最大似然估计法得到两种分布的相关参数值,并在此基础上以这两种分布的概率密度函数和分布函数图与风速数据的频率直方图做对比,以此分析哪种分布函数模拟风速分布的效果比较理想,得到的结果是两参数威布尔分布可以认为是拟合风速较好的模型.【期刊名称】《电气开关》【年(卷),期】2015(053)004【总页数】3页(P47-49)【关键词】正态分布;两参数威布尔分布;概率密度函数【作者】张盼盼【作者单位】贵州大学,贵州贵阳550025【正文语种】中文【中图分类】TM61风能作为风力发电的基础，以其清洁性和可再生性受到越来越广泛的应用。

风速分布模型的确立，可以更好地进行配电网的可靠性评估和风电场的容量选址分析。

但风能本身存在着间歇性和不稳定性的缺点使得风速也存在着不稳定性。

因此有必要对风速的分布模型进行更进一步的研究。

通常情况下描述风速分布模型的有瑞利分布、正态分布和两参数威布尔分布。

瑞利分布因其应用于风速低于3.6m/s的范围内，且误差较大，所以瑞利分布不被认为是用来描述风速的理想分布模型。

相比之下，正态分布和两参数威布尔分布应用则较广泛。

国内对应用正态分布和两参数威布尔分布描述风速分布也做了一些研究。

文献[1]认为当形状参数k>3.5时，风速的分布可以用正态分布来描述，并以正态分布建立风速负荷二元正态联合分布函数，并进一步评估配电网的可靠性。

文献[2]比较了威布尔分布参数的三种算法，并以计算得到的三种参数值拟合风速曲线。

文献[3]采用四种不同方法求取威布尔分布参数。

文献[4]也采用三种算法求取威布尔分布参数，并应用威布尔拟合曲线分析希尼尔水库风能情况。

文献[5]采用最大似然估计了对数正态分布的参数。

上述文献只选择了一种分布模型去拟合风速曲线，但基于风速的时变性和各地情况的特殊性，本文以正态分布和威布尔分布这两种分布模型分别对风速进行拟合，对拟合的结果进行对比分析从而得到描述风速的理想分布模型。

ＩＳＳＮ１６７２－９０６４ＣＮ３５－１２７２／ＴＫ图１威布尔函数拟合曲线的仿真系统模块作者简介：包小庆（１９５９～），男，高级工程师，从事可再生能源的研究。

大型风电场的建设不但可以减缓用电短缺情况，而且并网后还能为电网提供很大一部分电能。

而大型风电场的选址，与该地的风速分布情况有关。

用于描述风速分布的模型很多，如瑞利分布、对数正态分布、ｒ分布、双参数威布尔分布、３参数威布尔分布，皮尔逊曲线拟合等。

经过大量的研究表明，双参数威布尔分布函数更接近风速的实际分布。

本文采用４种方法计算威布尔分布函数的参数，并利用计算出的参数确定威布尔分布函数的实际数学模型进行曲线拟合。

最后以白云鄂博矿区风电场拟选址为例，使用计算机软件（ＭＡＴＬＡＢ）对该地区风速威布尔分布函数进行曲线拟合，得到该地区不同高度的风速分布函数曲线。

１双参数威布尔分布函数的确定双参数威布尔分布是一种单峰的正偏态分布函数，其概率密度函数表达式为：ｐ（ｘ）＝ｋｃｘｃ!"ｅｘｐ－ｘｃ!"（１）式中：ｋ———形状参数，无因次量；ｃ———尺度参数，其量纲与速度相同。

为了确定威布尔分布函数的实际模型，需计算出实际情况下对应函数的２个参数。

估算风速威布尔参数的方法很多，本文给出４种有效的方法以确定ｋ和ｃ值。

１．１ＨＯＭＥＲ软件法ＨＯＭＥＲ是一个对发电系统优化配置与经济性分析的软件。

通过输入１ａ逐时风速数据或者月平均风速数据，根据实际情况设置相应参数，即可计算得到ｋ和ｃ值，此时计算出的ｋ和ｃ值是计算机系统认为的最佳值。

１．２Ｗａｓｐ软件法Ｗａｓｐ是一个风气候评估、计算风力发电机组年发电量、风电场年总发电量的软件。

通过输入风速统计资料，计算机可以直接计算出ｋ和ｃ值。

１．３最小二乘法通过风速统计资料计算出最小二乘法拟合直线ｙ＝ａｘ＋ｂ的斜率ａ和截距ｂ。

由下式确定ｋ和ｃ的值：ｋ＝ｂ（２）ｃ＝ｅｓｐａｂ（３）１．４平均风速和最大风速估计法从常规气象数据获得平均风速和时间Ｔ观测到的１０ｍｉｎ平均最大风速Ｖｍａｘ，设全年的平均风速为Ｖ通过下式计算ｋ和ｃ值：ｋ＝ｌｎ（ｌｎＴ）０．９０Ｖｍａｘ（４）ｃ＝１＋１／!"Ｋ（５）计算过程中，为了减小Ｖｍａｘ的抽样随机误差，一般情况Ｖｍａｘ取多年平均值（１０ａ以上）进行计算。

风电场威布尔参数的不同估计方法研究发表时间：2019-01-08T16:20:27.403Z 来源：《电力设备》2018年第24期作者：郭妙晁锐[导读] 摘要：双参数威布尔分布模型被普遍认为是适合于对风速频率做出准确描述的概率统计模型，本文介绍四种不同威布尔参数估计方法，并根据威布尔参数计算表征风资源特征指标的物理量。

（中国能源建设集团陕西省电力设计院有限公司陕西西安 710054）摘要：双参数威布尔分布模型被普遍认为是适合于对风速频率做出准确描述的概率统计模型，本文介绍四种不同威布尔参数估计方法，并根据威布尔参数计算表征风资源特征指标的物理量。

通过与实测数据计算得到的风能指标进行对比，分析各种方法的特点及适用情况。

关键词：威布尔分布模型、风速频率、风能特征量1、概述开发利用可再生能源是国家能源发展战略的重要组成部分，风能作为一种清洁的可再生能源，是目前最具发展前景和开发价值的新能源。

在风电场建设中，风能资源评估是十分重要的步骤，风速频率分布是确定风能资源分布的重要指标，本文主要介绍根据不同的风统计资料，研究用于拟合风速频率分布的威布尔参数估计方法，计算表征风资源特征指标的物理量，并对各种方法进行比较分析。

2、威布尔分布风速频率分布一般为正偏态分布，研究表明双参数威布尔分布模型被普遍认为是适合于对风速作统计描述的概率模型，对不同形状的频率分布有很强的适应性，能较好的描述风速分布[1-3]。

威布尔分布的概率密度函数可表达为：（2.1）其中，k为形状参数，是无量纲量；c为尺度参数，单位m/s。

3、威布尔参数的估计根据威布尔分布函数可以确定风速的分布形式，进而对风能资源做出评估。

威布尔参数的估计方法有：最小二程法、平均风速和标准偏差法、平均风速和最大风速法、分位数法等，可根据风速统计资料的不同选择不同的方法进行威布尔参数的估计。

以下根据陕西延安两座测风塔80m十分钟数据，分别用四种方法对威布尔参数进行估计，并对各种方法进行对比分析。

风电场风速概率Weibull分布的参数估计研究杨富程;韩二红;王彬滨;刘海坤;黄博文【摘要】风电场风速概率分布是描述风能特征的主要指标,其准确程度直接影响风电场风能资源的评估结果.主要介绍了两参数威布尔分布的极大似然估计法、最小二乘估计法和WASP估计法3种风速概率分布参数的估计方法.通过对四川广元地区低风速区域测风塔实测数据分析,结果表明,极大似然估计法与实测数据统计结果最为接近,拟合效果良好;Weibull参数c、k存在相对较为明显的季节变化;尺度参数c值随高度呈现幂指数形式,形状参数k值随高度呈现二次函数形式变化特征,在80～90 m高度左右,曲线出现拐点,k值取得最大值.【期刊名称】《江西科学》【年(卷),期】2019(037)002【总页数】7页(P264-269,299)【关键词】Weibull分布;概率分布;形状参数;尺度参数;参数估计【作者】杨富程;韩二红;王彬滨;刘海坤;黄博文【作者单位】四川电力设计咨询有限责任公司,610041,成都;四川电力设计咨询有限责任公司,610041,成都;四川电力设计咨询有限责任公司,610041,成都;四川电力设计咨询有限责任公司,610041,成都;四川电力设计咨询有限责任公司,610041,成都【正文语种】中文【中图分类】TM6140 引言随着世界工业经济的快速发展，化石能源燃烧排放出的大量温室气体导致全球气候发生巨大变化，已经严重危害到人类生存环境和健康安全[1]。

因此，可再生能源已成为解决能源与环境问题的主要途径之一，其中风力发电相比其它形式的可再生能源，因具有技术较为成熟、成本相对较低、对环境影响小等优势，成为世界各国大力发展可再生能源关注的重点之一[2]。

国家能源局在新能源“十三五”规划中提出“至2020年，我国风电装机容量将达到2.1亿kW以上，风电价格与煤电上网电价相当”。

同时，伴随着IV类复杂地形区域风资源相对较差及风电上网补贴电价不断下降的状况，准确评估风电场的经济性尤为关键。

Weibull型部件的参数估计方法研究摘要：本文针对Weibull型部件的参数估计问题，在极大似然估计和Bayes估计的一般计算方法的基础上，进一步分析在已知寿命分布类型情况下，对寿命分布参数进行估计的具体方法。

在此基础上，重点分析Bayes估计在装备使用数据下的应用。

关键词：算例分析；参数估计值；计算中图分类号：O212 文献标识码：A1 引言极大似然估计和Bayes估计是进行寿命分布参数估计比较常用的方法，相关专家学者对这两类方法进行了深入的研究，但是将这两种方法结合装备保障的现场数据进行运用的研究较少。

另一方面，两种参数估计方法各有优缺点，在分析装备的实际使用数据时，选择何种方法进行寿命分布类型部件的参数估计也是一个问题。

2 算例分析已知某部件寿命分布服从威布尔分布，且t～W（2.4，2050），在某系统中共有该部件20件，分别属于5型装备，对该数据进行整理后，见表1。

首先确定失效概率p5的上界λ5，不妨取λ5=0.5，c=7，则计算得到威布尔分布参数的估计值为η=1680.7 ，m=3.14。

此时，其密度函数图如图1所示。

从计算结果及密度函数图可以看出，Bayes估计计算得到的形状参数m和特征寿命η均比较接近真值，说明此方法针对实际数据进行参数估计是可行的。

（1）先验信息对计算结果的影响通过改变先验信息λ5取值来观察其对参数估计的影响，分别取0.45，0.4，0.35，0.3，0.2，计算得到的参数值见表2。

从表2可以看出，随着λ5值的变化，形状参数m和特征寿命η的估计值越来越接近真值，且特征寿命η变化较快，形状参数m变化较小。

表2中，其值均当大于任务时间，满足部件的寿命分布函数须为凹函数的前提条件。

λ5=0.3时，计算结果最接近真值，当λ5值继续减小时，特征寿命η偏离真值。

说明λ5的取值即先验信息的准确程度会对Bayes估计的计算结果产生一定影响，且在当前数据条件下取λ5=0.3时，形状参数m和特征寿命η的估计值最准确。

产能经济345Ｗｅｉｂｕｌｌ分布在风力发电中的应用分析羊　豪 遵义师范学院摘要：我国存在着比较丰富的风资源，但是由于风电场输出功率具有一定的波动性和间歇性，因此电网与风电场连接之后会给区域系统的电能质量带来一定的影响。

Weibull 分布是讨论系统稳定性分析的重要工具。

本文讨论Weibull 分布对风电场功率特点进行分析时的适用性和注意事项。

关键词：Weibull 分布；风电场；输出功率中图分类号：TM614 文献识别码：A 文章编号：1001-828X(2017)004-0345-01Weibull 分布是在讨论系统稳定性分析及寿命检验的重要工具。

它由瑞典物理学家Wallodi Weibull 于1939年引进，形式包括1参数、2参数、3参数或混合Weibull，具有很大灵活性和广泛应用前景。

在风力发电中，风电场的输出功率会受到风资源的影响，存在着比较大的波动性。

而且电力系统中电网与风电场连接过程中受到多种因素影响，风电场的输出功率特性具有复杂性。

从理论上可以运用Weibull 分布对风力发电场进行评价，但由于风电场的特性，需要我们做认真的分析。

一、Ｗｅｉｂｕｌｌ分布的主要特征瑞典工程师Weibull 从30年代开始研究轴承寿命。

他将若干小元件串联串联在一起，则其寿命取决于最薄弱元件的寿命。

假设各元件寿命独立同分布相同，则串联系统寿命概率分布就变成求极小值分布问题，这个分布就是Weibull分布，其密度函数如下：其中，x 是随机变量，λ＞0是比例参数(scale parameter)，k ＞0是形状参数(shape parameter)。

k <1的值表示故障率随时间减小，又称早期失效模式。

k = 1的值表示故障率随时间是恒定的，元件寿命完全由外部随机事件决定，又称偶发失效模式。

此时Weibull 分布退化为减小到指数分布;k> 1的值表示故障率随时间增加，即系统存在“老化”过程，又称磨损失效模式。

太　阳　能第6期　总第338期2022年6月No.6　Total No.338 Jun., 2022SOLAR ENERGY0 引言2020北京国际风能大会上通过的《风能北京宣言》指出：风电有能力成为实现绿色低碳发展和生态文明建设目标的关键支撑；2025年以后，中国风电年均新增装机容量应不低于6000万kW，到2030年至少达到8亿kW，到2060年至少达到30亿kW[1]。

受地形遮挡、大气环流和太阳辐射日变化周期等多重因素影响，近地层风速表现出空间和时间分布的不均匀性[2]。

中国“三北”地区和沿海地区的风能资源丰富，而中东南部地区以低风速风能资源为主。

随着风电开发布局的日益优化，中国风电开发的重心已明显向中东南部地区转移[3]。

风电企业选址建站前，为了确保投资收益，必须先对当地的风能资源做出准确评估。

沙洋县位于湖北省中部的襄阳至荆门风带上，具有较为丰富的风能资源。

本文以湖北省沙洋县马良镇某风电场为例，利用该风电场内测风塔的实测资料及周围气象站的历史观测资料，对该地区风电场的风能资源进行分析与评估，以期为风电场选址提供科学论证和参考。

1 资料与评估方法1.1 资料1.1.1 测风塔信息该风电场内设立了1座高度为150 m的测风塔，于2019年9月2日开始观测。

该测风塔位于112°28′07′′E、30°52′39′′N，海拔高度为53 m；风速观测设有11层，分别设在塔高30、50、70、80、90、100、110、120、130、140、150 m处；风向观测设有2层，分别设在塔高30、150 m处；气温和气压观测均设在塔高7 m处。

本研究选取的测风塔观测时段为2019年9月13日—2020年9月12日，构成1个完整观测年。

按照相关规范对测风塔测得的原始数据进行完整性和合理性检验后，统计得出该观测时段内，各DOI: 10.19911/j.1003-0417.tyn20210325.02 文章编号：1003-0417(2022)06-20-07湖北省马良镇风电场的风能资源分析与评估阳　威1，孟　丹1,2，陈正洪1,2*，孙朋杰1,2(1. 湖北省气象服务中心，武汉 430205；2. 湖北省气象能源技术开发中心，武汉 430205)摘　要：利用湖北省沙洋县马良镇某风电场中1座高150 m的测风塔1个完整年的观测资料，并结合武汉气象站、钟祥气象站和再分析资料，依据相关技术规范和规定，对该风电场的气象条件、平均风速、平均风功率密度、主导风向等风能参数进行了分析与评估。

用Origin软件计算药物溶出度Weibull分布参数周郁斌;袁中文;李海刚;关世侠;李中桂;曹丽萍;许淑芹;李杜军;杨艳【摘要】目的计算药物溶出度Weibull分布参数.方法用Origin软件自身具备的非线性拟合工具处理药物溶出数据,对药物的溶出数据进行Weibull拟合,得出拟合的Weibull溶出曲线和相关的分布参数.结果所得的参数为xc＝15.115 1,k＝0.012 00,d＝0.990 9,即τ＝xc＝15.115 1,t0＝k-d ＝80.381 4,m＝d＝0.990 9,与SPSS方法的拟合结果相近.结论该方法操作简单、方便、自动化,适合广大药学工作者对药物溶出度Weibull分布的计算.【期刊名称】《医药导报》【年(卷),期】2011(030)006【总页数】3页(P721-723)【关键词】Origin软件;溶出度;Weibull分布;非线性拟合【作者】周郁斌;袁中文;李海刚;关世侠;李中桂;曹丽萍;许淑芹;李杜军;杨艳【作者单位】广州中医药大学中药学院,510006;广州中医药大学中药学院,510006;广州中医药大学中药学院,510006;广州中医药大学中药学院,510006;广州中医药大学中药学院,510006;广州中医药大学中药学院,510006;广州中医药大学中药学院,510006;广州中医药大学中药学院,510006;广州中医药大学中药学院,510006【正文语种】中文【中图分类】R962对于固体药物制剂而言，溶出是影响吸收的重要因素［1］。

药物溶出规律通常采用 Weibull模型拟合［2］。

但是，人工进行Weibull拟合过程复杂，工作量大，需要计算机的辅助［3］。

目前，对药物溶出度数据进行Weibull曲线拟合及参数计算的软件有 Excel、MATLAB、SAS、SPSS 等［3-6］，但是 Excel和 SPSS 拟合步骤较多，结果不直观，需要较多的手动操作，MATLAB和SAS要求使用者有一定的编程知识基础。

用电子表格Excel计算药物溶出度Weibull分布参数
张莉;夏运岳
【期刊名称】《药学进展》
【年(卷),期】2002(26)1
【摘要】[目的]求算溶出度Weibull分布参数.[方法]运用电子表格Excel软件处理药物溶出数据,[结果]采用Ex-cel计算的结果与文献计算结果完全吻合,尤其是位置参数α的确定更为精密.[结论]此法简便,计算结果准确,适用于药物溶出度Weibull 分布参数的计算.
【总页数】3页(P48-50)
【作者】张莉;夏运岳
【作者单位】苏州大学附属第一医院,江苏,苏州,215006;苏州大学附属第一医院,江苏,苏州,215006
【正文语种】中文
【中图分类】TP391.13;R927.11
【相关文献】
1.Weibull分布在接触可靠性中的应用—介绍用微机计算Weibull分布参数的方法[J], 全仲余
2.三种方法求解药物溶出度Weibull分布参数的探讨 [J], 郭剑伟;吴俊珠;王成军;高鹏飞;缪菊莲;杨志勇
3.用MATLAB曲线拟合工具箱计算药物溶出度Weibull分布参数 [J], 曹俊涵;郭晓波
4.用Origin软件计算药物溶出度Weibull分布参数 [J], 周郁斌;袁中文;李海刚;关世侠;李中桂;曹丽萍;许淑芹;李杜军;杨艳
5.用SAS软件计算药物溶出度Weibull分布参数 [J], 潘玉善;李文清;王伟;马素英;胡功政
因版权原因，仅展示原文概要，查看原文内容请购买。

基于威布尔参数的风功率密度估算1. 概述风能是一种清洁、可再生的能源资源，具有广泛的开发利用价值。

对于风能资源的评估和开发利用，风功率密度是一个非常重要的参数。

威布尔分布是描述风能资源的常用分布模型，基于威布尔参数的风功率密度估算方法具有一定的优势和应用前景。

2. 威布尔分布的基本原理威布尔分布是一种描述风速频率分布的数学模型，其概率密度函数为：f(v) = (k/λ) * (v/λ)^(k-1) * exp(-(v/λ)^k)其中，v为风速，k为形状参数，λ为尺度参数。

威布尔分布可通过最大似然估计或最小二乘法等统计方法来确定参数值。

3. 风功率密度的定义风功率密度是单位面积单位时间内风能的平均流动能量，一般以W/m^2为单位。

风功率密度的计算是风能资源评估的关键步骤。

4. 基于威布尔参数的风功率密度估算方法基于威布尔参数的风功率密度估算方法主要包括以下几个步骤：4.1 风速频率分布的确定通过实测或模拟方法获取风速数据，然后利用统计分析方法得到风速的频率分布情况。

4.2 威布尔分布参数的确定利用得到的风速频率分布数据，采用最大似然估计或最小二乘法等统计方法确定威布尔分布的形状参数k和尺度参数λ。

4.3 风功率密度的计算根据已确定的威布尔分布参数，利用风能的动能公式和风速的概率密度函数，可以计算出不同风速下的风功率密度值。

5. 案例分析以某地风电场为例，采用基于威布尔参数的风功率密度估算方法进行风能资源评估和风电场布置优化分析，得到了较为准确的风能利用潜力评估结果，并为风电场的选址和运行提供了重要参考依据。

6. 结论基于威布尔参数的风功率密度估算方法可以有效评估风能资源，对风电场选址和运行具有重要意义。

通过合理计算和分析，可以为风能资源的开发利用提供科学支持。

7. 展望基于威布尔参数的风功率密度估算方法在风能资源评估和风电场规划设计中具有广阔的应用前景。

未来可以进一步完善该方法并结合实际应用不断优化，为风能行业的可持续发展贡献力量。

基于三种威布尔双参数算法的风速拟合对比发布时间：2022-07-14T07:16:15.436Z 来源：《城镇建设》2022年5卷第3月第5期作者：段绍佳[导读] 风能资源评估是风电场开发最前期、最基础的工作，准确描述出风能特性是风电项目后期的经济收益重要保障。

段绍佳(1，特变电工新疆新能源股份有限公司，新疆乌鲁木齐 830011)摘要：风能资源评估是风电场开发最前期、最基础的工作，准确描述出风能特性是风电项目后期的经济收益重要保障。

本文主要针对风速的威布尔分布特性，利用最大似然法、最小二乘法、WAsP软件法三种不同算法计算出k、c值，再利用Matlab仿真软件拟合出曲线。

通过三种算法分别对两组不同地形条件、年平均风速差异较大的风速数据拟合，并与实际风速直方图做了对比，得出最大似然法拟合出的曲线更稳定，更具代表性。

关键字：威布尔分布；算法；拟合；风速0 引言由于地理、气候特点的不同，各种风速所占的比例有所不同。

通常用于拟合风速分布的线型很多，有瑞利分布、对数正态分布、分布、双参数威布尔分布、三参数威布尔分布等，也可用皮尔逊曲线进行拟合。

但威布尔分布双参数曲线，普遍认为适用于风速统计描述的概率密度函数[1]。

本文利用广西省和内蒙古地区测风塔风速数据，通过三种算法对威布尔分布的k、c两个参数进行计算，再使用Matlab软件工具拟合出曲线，分别与实际风速变化趋势对比，得出效果最好且合理的算法方式。

其中：k和c为威布尔分布的两个参数，k称形状参数，c称作尺度参数。

2 算法介绍[4]2.1 最小二乘法估计方法最小二乘法（又称最小平方法）是一种数学优化技术。

它通过最小化误差的平方和寻找数据的最佳函数匹配。

利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。

2.2 最大似然估计方法最大似然法（Maximum Likelihood，ML）也称最大概似估计，是一种具有理论性的点估计法，此方法的基本思想是：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。

三种风速威布尔分布参数算法的比较徐卫民, 孔新红,桂保玉(省气象科学研究所, 330046摘要:介绍计算威尔分布参数的累积分布函数拟合法、平均风速和标准差估计法和平均风速和最大风速估计等三种算法,并应用此算法计算了都阳气象站的风速威布尔分布参数。

根据分布参数拟合了都阳县气象站的三种风速概率分布,将拟合的风速概率分布与同期的风速实际频率分布结果进行相关分析,依据相关系数判断拟合效果的好坏。

通过比较得到了以下结论:平均风速和标准差估计法效果最好,累积分布函数拟合法次之,由于最大风速变化比较随机,平均风速和最大风速估计法效果波动最大,整体效果差。

通过多年最大风速的平均数与平均风速计算,能减少最大风速抽样的随机性误差,结果更具代表性。

关键词:风速;分布规律;威布尔;比较0 引言近年来,我国并网运行的大中型风力发电厂建设逐渐纳入有计划、规化发展的轨道。

鄱阳湖风力发电站建设项目已经纳人省“十一五”规划重大建设项目中。

为此,有必要开展风能分析及风电场设计等方面的研究工作。

威布尔(Weibull分布双参数曲线,是一种形式简单且又能较好拟合实际风速分布的概率模型,只要给定了威布尔分布参数 k 和 c ,风速的分布形式便给定了, 而毋需逐一查阅和统计所有的风速观测资料, 可方便地求得平均风能密度、有效风能密度、风能可利用小时数, 给实际使用带来许多方便[1-3], 使得威布尔分布概率模型在风能分析及风电场设计过程中得到了广泛的应用。

但是威布尔分布参数有许多算法,因此采用哪种算法进行计算更能使拟合接近真实值, 是值得讨论的问题。

本文通过收集都阳气象站的风速数据, 对计算 Weibull 参数的三种常用的算法进行了比较,得出了一些有益的结论。

1 估算参数 k 和 c 的方法介绍 [4-7]威布尔分布单峰的,两参数的分布函数簇。

其概率密度函数可表达为⎥⎥⎥⎥⎥⎥−=−k k c x c x c k x P (exp ( (1 (1 式中:k 和 c 为威布尔分布的两个参数, k 称作形状参数, c 称作尺度参数。

风电场风速概率分布参数计算新方法陈国初;杨维;张延迟;徐余法【摘要】风能资源评估关系到风电的经济性和开发价值,一个地区的风速概率分布是该地区风能资源状况的最重要指标之一.在认为风电场风速服从双参数韦布尔(weibull)分布前提下,为了提高参数计算精度,从智能化的角度提出尝试采用改进的微粒群算法对Weibull双参数进行建模和优化.由此参数估算能直接反映出风能资源特性的风能特征指标,与由常规最小二乘法、丹麦WAsP软件以及历史风速数据序列所计算的结果相比,实验表明该方法拟合精度更高,更接近实际风速状况,为风电场规划设计提供了更具价值的参考.%Wind speed probability distribution in a region is one of the most important indicators of wind energy resources condition in an area, because wind resource assessment is related to wind power's economic and development value. In order to improve computation precision of parmeters,a new computation method was proposed based on intelligence point in this paper. This method is tried to use modified particle swarm optimization algorithm to optimize the two parmeters of Weibull distribution. Wind indicators reflecting the wind energy resource characteristics are calculated according to these two optimal parameters. Compared to the results of conventional least squares method, Denmark WAsP software and historical wind speed data sequences, the proposed method has higher fitting precision and closer to actual wind conditions. It provides a more valuable reference to plan and design of wind farm.【期刊名称】《电力系统及其自动化学报》【年(卷),期】2011(023)001【总页数】6页(P46-51)【关键词】风电场;风速概率分布;韦布尔分布;改进微粒群算法【作者】陈国初;杨维;张延迟;徐余法【作者单位】上海电机学院电气学院,上海,200240;上海电机学院电气学院,上海,200240;上海电机学院电气学院,上海,200240;上海电机学院电气学院,上海,200240【正文语种】中文【中图分类】TM81风能是一种可再生的无污染绿色能源，风力发电随着人们对能源和环境问题的关注而得到迅速发展[1]。