تحلیل خودمتشابه سری زمانی روزانه تابش خورشید با هدف طبقه بندی روزهای هواشناسی تیپ

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجو

2 هیئت علمی/پردیس کشاورزی ومنابع طبیعی

چکیده

آگاهی از الگوهای غالب نوسانات تابش در یک منطقه از دیدگاه برنامه‫ریزی جهت استفاده از پتانسیل انرژی خورشیدی حائز اهمیت است. در این پژوهش سیگنال‫های سری زمانی تابش خورشید از دیدگاهی نوین و براساس مفهوم فرکتال (خودمتشابه) مورد بررسی قرارگرفته است. در این راستا با استفاده از داده‫های دو ثانیه‫ای تابش ثبت شده در ایستگاه کرج در فاصله سال‫های ۲۰۱۶-۲۰۱۴ بعد خودمتشابه سری زمانی تابش خورشید با استفاده از روش مینکوفسکی- بولیگاند محاسبه شده و با درنظر گرفتن توأمان شاخص پاکی آسمان به‫منظور طبقه‫بندی روزهای مختلف سال از نظر ویژگی‫های تابشی به‫کار گرفته شده است. نتایج حاصل از طبقه‫بندی نشان می‫دهد در سال‫های ۲۰۱۴، ۲۰۱۵ و ۲۰۱۶ بیشترین درصد احتمال وقوع مربوط به کلاس سه (آسمان کاملا ابری) به ترتیب با ۵۵/۵۲، ۰۷/۵۲ و ۸/۴۴ درصد است و روزهای متعلق به کلاس یک (آسمان صاف) و کلاس دو (آسمان نیمه ابری) از نظر احتمال وقوع در هر سه سال آماری به ترتیب در رده دوم و سوم قرار می‌گیرند. نتایج حاصل از این روش نوین که روزهای سال را براساس رفتار سری زمانی تابش طبقه بندی می‫کند می تواند به عنوان گامی اساسی در تصمیم‫گیری جهت نصب سلول‫های فتوولتائیک در یک منطقه و همچنین ارزیابی کارایی این سیستم‫ها به‫شمار رود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Fractal analysis of daily solar radiation time series with the aim of typical meteorological days’ classification

نویسندگان [English]

  • fatemeh arani 1
  • Zahra Aghashariatmadari 2
1 University of Tehran
2 University of Tehran
چکیده [English]

Awareness of the dominant patterns of radiation fluctuations in any region is important in terms of planning for the use of solar energy potential. In this study solar radiation time series’ signals has been investigated from a new perspective, based on the fractal geometery (self-similar). In this regard the fractal dimension of daily solar radiation time series was calculated with Minkowski-Bouligand method and with clearness index consideration used for classification the days of year in terms of radiation properties. Results showed that in the years of 2014, 2015 and 2016 the highest Probability of occurrence was belong to class 3 (overcast sky) with 55.2%, 52.07% and 44.8% respectively. The Days belonging to class 1 (clear sky) and class II (semi-cloudy sky) are ranked second and third in terms of probability of occurrence in all three statistical years.The results of this new method, that classes the days of the year based on solar radiation behavior, can considered as an essential step in photovoltaic cells installation and performance analysis in one region.

کلیدواژه‌ها [English]

  • Solar radiation
  • fractal dimension
  • Classification
  • typical day
  • Cumulative Distribution Function
Aguiar, R.J., Collares-Pereira, M. and Conde, J.P., (1988). Simple procedure for generating sequences of daily radiation values using a library of Markov transition matrices. Solar Energy, 40(3), 269-279.
Badescu, V. (2014). Modeling solar radiation at the earth surface. Springer. (pp. 29-54).
Bartoli, B. Coluzzi, B. Cuomo, V. Francesca, M. Serio, S. (1981). Autocorrelation of daily global solarradiation. II Nuovo Cimento C. 4(2), 113–122.
Bikhabi Arani, F. (2016). Classification of typical meteorological days using analysis of fractal dimension of solar radiation data. M.s. dissertation, Univrcity of Tehran. (In Farsi).
Brinkworth, B. J. (1977). Autocorrelation and stochastic modelling of insolation sequences. Solar Energy, 19(4), 343-347.
Dubuc, B. Quiniou, J.F. Roques-Carmes, C. Tricot, C. Zucker, S.W. (1989). Evaluating the fractal dimension of profiles. Physical Review A, 39(3), 1500.
Guessoum, A., Boubkeur, S., and Maafi, A. (1998). A global irradiation model using radial basis function neural network. In World Renewable Energy Congress , 20 September, pp. 332-336
Harrouni, S. (2008). Fractal classification of typical meteorological days from global solar irradiance: application to five sites of different climates. In Modeling Solar Radiation at the Earth’s Surface, 29-54. Springer Berlin Heidelberg.
Harrouni, S. and Guessoum, A. (2009). Using fractal dimension to quantify long-range persistence in global solar radiation. Journal of Chaos, Solitons and Fractals, 41(3),1520-1530.
Harrouni, S. and Maafi, A. (2002). Classification des éclairements solaires à l’aide de l’analyse fractale. Journal of Revue Internationale des éenergies renouvelables, (5), 107-122.
Harrouni, S. Guessoum, A. and Maafi, A. (2005). Classification of daily solar irradiation by fractional analysis of 10-min-means of solar irradiance. Journal of Theoretical and applied climatology, 80(1), 27-36.
Havlin, S. Buldyrev, S.V. Bunde, A. Goldberger, A.L. Ivanov, P.C. Peng, C.K. and Stanley, H.E. (1999). Scaling in nature: from DNA through heartbeats to weather. Journal of Physica A: Statistical Mechanics and its Applications, 273(1), 46-69.
Louche, A. Notton, G. Poggi, P. and Simonnot, G. (1991) Classification of direct irradiation days in view of energetic applications. Journal of Solar energy, 46(4), 255-259.
Maafi, A. and Harrouni, S. (2003). Preliminary results of the fractal classification of daily solar irradiances. Journal of Solar Energy, 75(1),53-61.
Maafi, A., (1998). Markov-Models in discrete time for solar radiation. In Proceedings of Multiconference on Computational Engineering in Systems Applications (IMACS–IEEE), Nabeul-Hammamet (Tunisia). 1 Apr, pp. 319-322.
Maragos, P. Sun, F.K. (1993) Measuring fractal dimension of signals: morphological covers and iterative optimisation. Journal of IEEETrans. Signal Processing, 39 (1), 108-121.
Muselli, M. Poggi, P. Notton, G. and Louche, A. (2000). Classification of typical meteorological days from global irradiation records and comparison between two Mediterranean coastal sites in Corsica Island. Journal of Energy Conversion and Management, 41(10), 1043-1063.
Noori, H., Mohammadi, B., Ghaffari, D. (2014). Investigation of the Relationship between Hamedan Air Types and atmospheric pollutants of nitrogen oxides during the event of dust phenomena. In: 3rd Iranian Conference on Natural Resources Research With the Emphasis on the Environment, 23Oct., Kurdistan Univercity, Kurdistan, Iran.
Sfetsos, A. and Coonick, A.H. (2000). Univariate and multivariate forecasting of hourly solar radiation with artificial intelligence techniques. Journal of Solar Energy, 68(2), 169-178.