Luận Văn Xây dựng mô hình mô phỏng tốc độ gió từng giờ từ tốc độ gió trung bình hàng tháng

TÓM TẮT: Bài báo trình bày một phương pháp mô hình hóa thống kê tuyến tính và quy
trình mô phỏng cho phép tạo ra chuỗi số liệu tốc độ gió từng giờ cho cả năm với số liệu đầu
vào là tốc độ gió trung bình hàng tháng. Kết quả so sánh số liệu mô phỏng từ mô hình với số
liệu quan sát thực tế cho thấy mô hình đảm bảo độ tin cậy để tạo ra chuỗi số liệu tốc độ gió
đầu vào trong các bài toán mô phỏng kỹ thuật, nhất là các bài toán về năng lượng gió.
1.GIỚI THIỆU:
Số liệu tốc độ gió theo giờ là dữ kiện đầu vào không thể thiếu để giải rất nhiều bài toán
trong các lĩnh vực nông nghiệp, môi trường, xây dựng, kỹ thuật nhiệt, kỹ thuật năng lượng gió
v.v. Ở các nước phát triển, số liệu tốc độ gió được theo dõi một cách có hệ thống từ lâu, các
trạm quan trắc khí tượng có thể cung cấp một cách chi tiết số liệu về tốc độ gió từng giờ trong
thời gian dài ở từng vùng. Ở nước ta phần lớn các trạm quan trắc khí tượng chỉ có thể cung cấp
số liệu tốc độ gió được đo một cách thủ công với tần suất đo 6 giờ/lần hay 3 giờ/lần. Hiện nay ở
khu vực phía nam chỉ có trạm quan trắc khí tượng Nhà Bè – Tp. Hồ Chí Minh tiến hành đo tốc
độ gió từng giờ bằng máy đo tự động, bắt đầu đo từ năm 2004. Sự hạn chế cả về số lượng và
chất lượng của số liệu tốc độ gió ảnh hưởng rất lớn đến tính chính xác của lời giải các bài toán
có liên quan đặc biệt là các bài toán mô phỏng trong kỹ thuật nhiệt, kỹ thuật năng lượng gió.
Bài viết này trình bày một phương pháp mô hình hóa thống kê nhằm xây dựng chương trình
mô phỏng trên máy tính tạo ra chuỗi số liệu tốc độ gió theo giờ trong thời gian một năm với số
liệu đầu vào là số liệu tốc độ gió trung bình hàng tháng.
1.1.Mô hình Box-Jenkins
Chuỗi số liệu về tốc độ gió trung bình theo giờ tại một địa điểm nào đó là một chuỗi thời
gian (time series) với các đặc tính cơ bản:
- Là một dãy số thống kê, đặc tính thống kê của dãy số được biểu diễn qua các tham số
đặc trưng như: dạng phân bố xác suất, giá trị trung bình, độ lệch chuẩn.
- Các giá trị của dãy số có liên hệ với nhau: giá trị hiện tại phụ thuộc vào các giá trị
trước đó. Quan hệ tương quan này được phản ánh qua các hàm tự tương quan (autocorrelation
function - acf) và tự tương quan riêng (partial autocorrelation function – pacf). Một trong
những phương pháp mô hình hóa phổ biến nhất để mô phỏng đặc tính liên hệ tương quan của
chuỗi số liệu là phương pháp mô hình hóa Box – Jenkins [4].
Mô hình Box-Jenkins hay mô hình ARMA (Autoregressive Moving Average) là mô hình
tuyến tính có cấu trúc bao gồm 3 loại mô hình cơ bản:
1) Mô hình tự hồi quy (Autoregressive) AR(p): giá trị của chuỗi thời gian tại thời điểm
hiện tại được xác định từ p giá trị trước đó và một xung nhiễu:
Xt = α1Xtư1 + α2Xtư2 + . + αpXtưp + εt
Với αi là các hệ số không đổi, εt là nhiễu trắng có trung bình bằng 0
2) Mô hình trung bình trượt (Moving Average) MA(q): giá trị của chuỗi thời gian tại thời
điểm hiện tại được xác định từ trung bình trượt (có trọng số) của xung nhiễu tại thời
điểm hiện tại và q thời điểm trước đó: