Particle Swarm Optimization method for estimation of Weibull parameters: A case study for the Brazilian northeast region

Renewable Energy

Volumn 86, Issue , 2016, Pages 751-759

  Carneiro, Tatiane C ^a   Melo, Sofia P ^a   Carvalho, Paulo C M ^a   Braga, Arthur Plínio de S ^a  

^a FEDERAL UNIVERSITY OF CEARÁ   (Brazil)

Author keywords

Numerical methods; Particle swarm optimization (PSO); Weibull distribution; Wind resource

Indexed keywords

NUMERICAL METHODS; WEIBULL DISTRIBUTION; WIND; WIND POWER;

DISTRIBUTION PARAMETERS; NORTHEAST REGIONS; PARTICLE SWARM OPTIMIZATION METHOD; PARTICLE SWARM OPTIMIZATION METHOD (PSO); WEIBULL PARAMETERS; WIND CONDITIONS; WIND RESOURCES; WIND SPEED DATA;

PARTICLE SWARM OPTIMIZATION (PSO);

ESTIMATION METHOD; NUMERICAL METHOD; OPTIMIZATION; PARAMETERIZATION; RENEWABLE RESOURCE; RESOURCE ASSESSMENT; SPATIOTEMPORAL ANALYSIS; TECHNICAL EFFICIENCY; WEIBULL THEORY; WIND MEASUREMENT; WIND POWER; WIND VELOCITY;

BRAZIL;

EID: 84941710664     PISSN: 09601481     EISSN: 18790682     Source Type: Journal    
DOI: 10.1016/j.renene.2015.08.060     Document Type: Article

References (23)

1. ASSOCIAÇÃO NACIONAL DE ENERGIA ELÉTRICA - ANEEL: Accessed in: 07 de Dezembro de 2014. http://www.aneel.gov.br.
2. Carneiro T.C. Caracterização de Potencial Eólico para Fins de Geração Eolioelétrica: Estudo de Caso para Maracanaú (CE), Parnaíba (PI) e Petrolina (PE). Diss. Mestr. Eng. Elétrica. Univ. Fed. Ceará 2014, 24-86. Fortaleza.
3. Silva G.R. Características de vento da Região Nordeste, análise, modelagem e aplicações para projetos de centrais eólicas 2003, Master's thesis, Recife-PE.
4. Secretary of Infrastructure of Ceará - SEINFRA: Wind Resource Atlas of State of Ceará 2000.
5. Maceira M.E.P., Penna D.D.J., Pessanha J.F.M., Melo A.C.G. Modelagem estatística de ventos para utilização nos modelos de planejamento e operação. Florianópolis - Santa Catarina. XXI SNPTEE - Seminário Nacional de Produção e Transmissão de Energia Elétrica 2011.
6. Silva G., Pereira A., Faro D., Feitosa E. On the accuracy of the Weibull parameters estimators. Proceedings of the European Wind Energy Conference, London 2004.
7. Instituto Brasileiro de Geografia e Estatística: Accessed in: 18 de Novembro de 2013. http://www.ibge.gov.br.
8. Antunes F. Algoritmo de sistema de formigas aplicado ao planejamento da operação de sistemas hidrotérmicos de potência. 2011 2011, Dissertação. (Mestrado em Energia), Universidade Federal do ABC, Santo André - SP.
9. Medeiros G.F., Kripka M. Algumas Aplicações de Métodos Heurísticos na Otimização de Estruturas. Rev. CIATEC - UPF 2012, 4(1):19-32.
10. Hu X. Particle Swarm Optimization 2006, Accessed in: 20 de Setembro de 2014. http://www.swarmintelligence.org/.
11. Chang T.P. Wind energy assessment incorporating particle swarm optimization method. Energy Convers. Manag. 2010, 52:1630-1637.
12. Kongnam C., Nuchprayoon S. A particle swarm optimization for wind energy control problem. Renew. Energy 2010, 2431-2438.
13. Mohandes M.A., Rehman S. Short term wind speed estimation in Saudi Arabia. J. Wind Eng. Ind. Aerodyn. 2014, 37-53.
14. Eminoglu U., Ayasun S. Modeling and design optimization of variable-speed wind turbine systems. Energies 2014, 402-419.
15. Wan C., Wang J., Yang G., Gu H., Zhang X. Wind farm micro-siting by Gaussian particle swarm optimization with local search strategy. Renew. Energy 2012, 276-286.
16. Liang R., Tsai S., Chen Y., Tseng W. Optimal power flow by a fuzzy based hybrid particle swarm optimization approach. Electr. Power Syst. Res. 2011, 1466-1474.
17. Tianpei Z., Wei S. MPPT method of wind power based on improved Particle Swarm Optimization. Telkomnika 2013, 11(No. 6).
18. Rahmani R., Yusof R., Seyedmahmoudian M., Mekhilef S. Hybrid technique of ant colony and particle swarm optimization for short term wind energy forecasting. J. Wind Eng. Ind. Aerodyn. 2013, 163-170.
19. Carvalho P.C.M. Geração Eólica 2003, 146. Editora Imprensa Universitária, Fortaleza - CE. first edição.
20. Chang T.P. Performance comparison of six numerical methods in estimating Weibull parameters for wind energy application. Appl. Energy 2011, 88:272-282.
21. Rocha P.A.C., Sousa R.C., Andrade C.F., Silva M.E.V. Comparison of seven numerical methods for determining Weibull parameters for wind energy generation in the northeast region of Brazil. Appl. Energy 2012, 89:395-400.
22. Abdel-Hady S., Abou El-Azm Aly A., Saleh H. Assessment of different methods used to estimate Weibull distribution parameters for wind speed in Zafarana wind farm, Suez Gulf, Egypt. Energy 2012, 44:710-719.
23. Akdag S.A., Dinler A. A new method to estimate Weibull parameters for wind energy applications. Energy Convers. Manag. 2009, 1761-1766.