One of the growing concerns of the wind energy production is wind ramp events. To improve the wind ramp event forecasts, the nonlinear Kalman filter bias correction method was applied to 24-h wind speed forecasts issued from the WRF model at 70-m height in Zhangbei wind farm, Hebei Province, China for a two-year period. The Kalman filter shows the remarkable ability of improving forecast skill for real-time wind speed forecasts by decreasing RMSE by 32% from 3.26 m s-1 to 2.21 m s-1, reducing BIAS almost to zero, and improving correlation from 0.58 to 0.82. The bias correction improves the forecast skill especially in wind speed intervals sensitive to wind power prediction. The fact shows that the Kalman filter is especially suitable for wind power prediction. Moreover, the bias correction method performs well under abrupt weather transition. As to the overall performance for improving the forecast skill of ramp events, the Kalman filter shows noticeable improvements based on POD and TSS. The bias correction increases the POD score of up-ramps from 0.27 to 0.39 and from 0.26 to 0.38 for down-ramps. After bias correction, the TSS score is significantly promoted from 0.12 to 0.26 for up-ramps and from 0.13 to 0.25 for down-ramps.
Sang-Hoon Lee;Dae-Ho Kim;Hyuk-Jin Choi;Young-Jin Oh;Seong-Bin Mun
Journal of Wind Energy
/
v.13
no.2
/
pp.42-52
/
2022
In this paper, we propose a time-series generation methodology using a generative adversarial network (GAN) for long-term prediction of wind and sea conditions, which are information necessary for operations and maintenance (O&M) planning and optimal plans for offshore wind farms. It is a "Conditional TimeGAN" that is able to control time-series data with monthly conditions while maintaining a time dependency between time-series. For the generated time-series data, the similarity of the statistical distribution by direction was confirmed through wave and wind rose diagram visualization. It was also found that the statistical distribution and feature correlation between the real data and the generated time-series data was similar through PCA, t-SNE, and heat map visualization algorithms. The proposed time-series generation methodology can be applied to monthly or annual marine weather prediction including probabilistic correlations between various features (wind speed, wind direction, wave height, wave direction, wave period and their time-series characteristics). It is expected that it will be able to provide an optimal plan for the maintenance and optimization of offshore wind farms based on more accurate long-term predictions of sea and wind conditions by using the proposed model.
Kim, Byung-Min;Kim, Hyun-Gi;Kwon, Soon-Yeol;Yoo, Neung-Soo;Paek, In-Su
Journal of Industrial Technology
/
v.35
/
pp.95-102
/
2015
Two extreme wind speed prediction models, the EWM(Extreme wind speed model) in IEC61400-1 and the Gumbel method were compared in this study. The two models were used to predict extreme wind speeds of six different sites in Korea and the results were compared with long term wind data. The NCAR reanalysis data were used for inputs to two models. Various periods of input wind data were tried from 1 year to 50 years and the results were compared with the 50 year maximum wind speed of NCAR wind data. It was found that the EWM model underpredicted the extreme wind speed more than 5 % for two sites. Predictions from Gumbel method overpredicted the extreme wind speed or underpredicted it less than 5 % for all cases when the period of the input data is longer than 10 years. The period of the input wind data less than 3 years resulted in large prediction errors for Gumbel method. Predictions from the EWM model were not, however, much affected by the period of the input wind data.
In order to clarify predictive accuracy for the wind resource predicted by running WindPRO(Ver. 2.5) which is software for wind farm design developed by EMD from Denmark, an investigation was carried out at the northeast region of Jeju island. The Hangwon, Susan and Hoichun sites of Jeju island were selected for this study. The measurement period of wind at the sites was for one year. As a result, when the sites had different energy roses, though the two Wind Statistics made by STATGEN module were used for the prediction, it was difficult to exactly predict the energy rose at a given site. On the other hand, when the two Wind Statistics were used to predict the average wind speed, the wind power density and the annual energy production, the relative error was under ${\pm}20%$ which improved more than that when using only one Wind Statistics.
Skewness and kurtosis are important higher-order statistics for simulating non-Gaussian wind pressure series on low-rise buildings, but their predictions are less studied in comparison with those of the low order statistics as mean and rms. The distribution gradients of skewness and kurtosis on roofs are evidently higher than those of mean and rms, which increases their prediction difficulty. The conventional artificial neural networks (ANNs) used for predicting mean and rms show unsatisfactory accuracy in predicting skewness and kurtosis owing to the limited capacity of shallow learning of ANNs. In this work, the deep neural networks (DNNs) model with the ability of deep learning is introduced to predict the skewness and kurtosis on a low-rise building. For obtaining the optimal generalization of the DNNs model, the hyper parameters are automatically determined by Bayesian Optimization (BO). Moreover, for providing a benchmark for future studies on predicting higher order statistics, the data sets for training and testing the DNNs model are extracted from the internationally open NIST-UWO database, and the prediction errors of all taps are comprehensively quantified by various error metrices. The results show that the prediction accuracy in this study is apparently better than that in the literature, since the correlation coefficient between the predicted and experimental results is 0.99 and 0.75 in this paper and the literature respectively. In the untrained cornering wind direction, the distributions of skewness and kurtosis are well captured by DNNs on the whole building including the roof corner with strong non-normality, and the correlation coefficients between the predicted and experimental results are 0.99 and 0.95 for skewness and kurtosis respectively.
Proceedings of the Korean Society for Noise and Vibration Engineering Conference
/
2007.11a
/
pp.1490-1493
/
2007
Aerodynamic noise generated from wind turbines is predicted by it's classified source mechanisms using computational method. BPF noise according to the blade passing motion, is modelled on monopole and dipole sources. They are predicted by Farassat 1A equation. Airfoil self noise and turbulence ingestion noise are modelled upon quadrupole sources and are predicted by semi-empirical formulas composed on the groundwork of Brooks et al. and Lowson. Retarded time is considered, not only in low frequency noise prediction but also in turbulence ingestion noise and airfoil self noise prediction. Wind turbine noise emission of a 3MW wind turbine and a 600 kW wind turbine, standing for large and middle sized wind turbines, is analyzed.
Gusts generated by downburst have caused a great variety of structural damages in many regions around the world. It is of great significance to accurately evaluate the downburst-induced wind load on high-rise building for the wind resistance design. The main objective of this paper is to propose a computational modeling approach which can satisfactorily predict the mean and fluctuating wind pressure coefficients induced by downburst on high-rise building surfaces. In this study, using an impinging jet to simulate downburst-like wind, and simultaneous pressure measurements are obtained on a high-rise building model at different radial locations. The model test data are used as the database for developing back propagation neural network (BPNN) models. Comparisons between the BPNN prediction results and those from impinging jet test demonstrate that the BPNN-based method can satisfactorily and efficiently predict the downburst-induced wind pressure coefficients on single and overall surfaces of high-rise building at various radial locations.
The paper describes the work of the IAWE Working Group WGF - Extreme Wind Prediction and Zoning, one of the international codification working groups set up in 2000. The topics covered are: the international database of extreme winds, quality assurance and data quality, averaging times, return periods, probability distributions and fitting methods, mixed wind climates, directionality effects, the influence of orography, rare events and simulation methods, long-term climate change, and zoning and mapping. Recommendations are given to promote the future alignment of international codes and standards for wind loading.
We performed calculations combining optimization technologies and Computational Fluid Dynamics (CFD) aimed at reducing wind forces and mitigating wind environments (local strong winds) around buildings. However, the Reynolds Averaged Navier-stokes Simulation (RANS), which seems somewhat inaccurate, needs to be used to create a realistic CFD optimization tool. Therefore, in this study we explored the possibilities of optimizing calculations using RANS. We were able to demonstrate that building configurations advantageous to wind forces could be predicted even with RANS. We also demonstrated that building layouts was more effective than building configurations in mitigating local strong winds around tall buildings. Additionally, we used the Convolutional Neural Network (CNN) as an airflow prediction method alternative to CFD in order to increase the speed of optimization calculations, and validated its prediction accuracy.
Kim, Hyeon-Gi;Kim, Byeong-Min;Paek, In-Su;Yoo, Neung-Soo;Kim, Hyun-Goo
Journal of the Korean Solar Energy Society
/
v.31
no.5
/
pp.1-8
/
2011
In this study, we performed a sensitivity analysis to see how the true north error of a wind direction vane installed to a meteorological mast affects predictions of the annual-average wind speed and the annual energy production. For this study, two meteorological masts were installed with a distance of about 4km on the ridge in complex terrain and the wind speed and direction were measured for one year. Cross predictions of the wind speed and the AEP of a virtual wind turbine for two sites in complex terrain were performed by changing the wind direction from $-45^{\circ}$ to $45^{\circ}$with an interval of $5^{\circ}$. A commercial wind resource prediction program, WindPRO, was used for the study. It was found that the prediction errors in the AEP caused by the wind direction errors occurred up to more than 20% depending on the orography and the main wind direction at that site.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.