Tôi đã tạo lại âm mưu của bạn với dữ liệu từ http://hawaii.gov/dbedt/ert/winddata/krab0192.txt (Tôi đã thực hiện 1200 phép đo). Tôi có một dữ liệu phù hợp với dữ liệu, thường sử dụng mã của bạn:
library(lmom)
daten <- read.delim("wind.txt")
wind.avg <- na.omit(as.numeric(daten[,"X12"]))
wind.moments<-samlmu(wind.avg)
moments<-pelwei(wind.moments)
x.wei<-rweibull(n=length(wind.avg), shape=moments["delta"], scale=moments["beta"])
hist(as.numeric(wind.avg), freq=FALSE)
lines(density(x.wei), col="red", lwd=4)
Xin lỗi, tôi không chắc là vấn đề của bạn có thể xảy ra, nhưng tôi nghĩ bạn sẽ có thể phù hợp với dữ liệu của bạn. Điều khiến tôi nghi ngờ là đường cong của âm mưu mật độ của bạn, tôi không biết nó đến từ đâu.
Dưới đây là những khoảnh khắc tôi tạo ra:
gió.moments
l_1 l_2 t_3 t_4
15.17287544 4.80372580 0.14963501 0.06954438
khoảnh khắc
zeta beta delta
0.516201 16.454233 1.745413
WTR cho đầu ra hàng năm: Tôi cho rằng tôi sẽ tạo các giá trị rời rạc cho hàm mật độ xác suất, nhân các giá trị này với hàm đầu ra và tổng hợp nó. Ngoài ra, bạn chỉ có thể sử dụng dữ liệu thô của mình, nhân các giá trị với hàm đầu ra, tổng hợp và tính trung bình hàng năm, bạn nên kiểm soát tính thời vụ theo cách phù hợp (ví dụ: đảm bảo sử dụng cả năm hoặc theo trọng số phù hợp) .
Đây là đầu ra không được kiểm soát (sử dụng công thức từ http://www.articlesbase.com/diy-articles/determining-wind-turbine-annual-power-output-a-simple-formula-basing-upon-blade-diameter- và - gió trung bình-tốc độ tại địa điểm của bạn-513080.html )
years <- length(wind.avg)/365
diameter <- 150
Power = (0.01328*diameter^2)*((wind.avg)^3)
(annual.power <- sum(Power)/years)
[1] 791828306