Анализ ветрового энергетического потенциала в бухарской области республики узбекистан с использованием распределения Вейбулла

Введение. На сегодняшный день в результате повышенного использования энергия в целях развития человечества наносится неблагоприятное воздействие на окружающую среду. В настоящее время использование природного топлива во всем мире составляет около 12 миллиардов т.н.э, что составляет около 2 тонн на человека. Избыточные выбросы парниковых газов из-за включения невозобновляемых источников энергии привели к изменению климата. Это, в свою очередь, значительно расширило использование возобновляемых источников энергии. Осуществляется быстрое развивается использования возобновляемых источников энергии, таких как энергия солнца, ветра, биомассы, геотермальная энергия и энергия воды [1]. Из-за низкой стоимости электроэнергии, производимой на возобновляемых источниках энергии, воздействие на окружающую среду практически отсутствует, такие проекты становятся все более и более доступными, в них вкладывают значительные средства инвестиций для перспективного развития исследований. Наиболее перспективным проектом является использование энергии ветра из возобновляемых источников энергии. Китай, США и Германия являются лидерами в использовании энергии ветра. Согласно “Global wind energy concul” (GWEC), 35% всей энергии, производимой ветряными агрегатами в мире, приходится на Китай, 17% в Соединенных Штатах и 10% в Германии. Азия является ведущим в мире производителем энергии ветра. Произведенная энергия ветра в азиатских странах в 2017 году составляет 42%, в европейских странах - 28%, в Северной и Южной Америке - 18%, в Африке и остальном мире - 12% [2]. В сотрудничестве с немецкими компаниями “Intec-COPA”, “GEONET” и АО “Узбекэнерго” в Узбекистане было проведено исследование потенциала энергии ветра и карт ветра. По результатам исследования ветроэнергетический потенциал имеет 520 ГВт. Это позволит производить около 1,7 трлн кВт∙ч электроэнергии в год [3, 4]. “Fan va texnologiyalar taraqqiyoti” Ilmiy-texnikaviy jurnal №2/2026 181 Mechanical engineering and energy Бухарская область расположена на юге 39,77º, а западная 64,48º, ее общая площадь составляет 39,400 тыс.км2. Регион в основном состоит из 75% степей и пустынь. Проводятся научно-исследовательские работы по оценке потенциала ветроэнергетики в Бухарской области. Основной целью является эффективное использование существующих ветряных мельниц в регионе. Метод определения потенциала энергии ветра, на основании функции распределения Вейбулла. При статистической обработке данных скорости ветра использовались несколько законов распределения. Наиболее распространенным теоретическим распределением является нормальное (нормативный), экспоненциальное, Вейбулла, логарифмическое нормальное (нормативный) или закон Гаусса, Реллея и Гамма - распределения. На сегодняшний день широкое применение получило двухпараметрическое распределение Вейбулла в статистическом анализе ветроэнергетического потенциала в регионах [11]. Для характеристики скорости ветра используется плотность и интегральная функция распределения Вейбулла. Подробная информация о плотностях и интегральных функциях распределения приведены в следующих литературах[12,13]. c) k−1 ∙e−(V c) k (6) f(V) = k c ∙( V F(V) = ∫ f(V)dV = ∞ 0 1 −e−(V c) k (7) где: 𝑓(𝑉) − Плотность распределения Вейбулла; 𝐹(𝑉) − интегральная функция распределения Вейбулла. При расчете параметров функции распределения Вейбулла используются следующие методы: 1. Графический метод (ГМ); 2. Метод моментов (MM); 3. Метод стандартных отклонений (МСО); 4. Метод максимального правдоподобия (ММП); 5. Метод плотности мощности (MПМ); 6. Модифицированный метод максимального правдоподобия (МММП); 7. Метод эквивалентной энергии (МЭЭ); 8. Эмпирический метод (ЭМ). Чтобы проанализировать данные о скорости ветра, необходимо определить двухпараметрическое распределение вероятностей Вейбулла, а именно параметры масштаба и формы. Подробная информация о коэффициенте масштабирования и коэффициенте формы приведены в работе [14]: k = ( σ V̅)−1,086 (8) c = V̅ Г(1+1 k) (9) Где: 𝑐−параметр масштаба, 𝑘− параметр формы, Г − функция Гамма. Согласно функции распределения Вейбулла, можно оценить среднюю скорость ветра а также стандартное отклонение ветра, которые определяются с помощью выражений [15]: V̅ = cГ (1 + 1 k) (10) k) −Г2 (1 + 1 σ = c [Г (1 + 2 k)]1/2 (11) Формула расчёта удельной мощности и энергии потока ветра для заданного региона при помощи расчитанных параметров функциии распределения Вейбулла [16]: Pw A = 1 2 ρc3Г (1 + 3 k) (12) Development of science and technology Scientific and technical journal №2/2026 182 Mashinasozlik va energetika Ew A = 1 2 ρc3Г (1 + 3 k) ∙T (13) Метод определения ветроэнергетического потенциала на различных высотах путём экстраполяции. На определенных высотах плотность воздуха и скорость ветра меняются. Плотность воздушного потока в зависимости от высоты определяется следующим образом [17]. ρ = ρ0 −(1,194 ∙10−4 ∙H) (14) где: 𝜌0 − плотность воздушного потока в нормальных условиях 𝜌0= 1,23 кг / м3; 𝐻− высота измерения скорости ветра. Значение скорости ветра зависит от высоты. С ростом высоты скорость ветра увеличивается. Следующая формула основана на высоте скорости ветра: V2 = V1 ∙( H2 H1) α (15) где: 𝑉2 − скорость ветра, измеренная на определенной высоте; 𝑉1 − скорость ветра, измеренная на начальном уровне; 𝐻1 − высота станции; 𝐻2 − выбранная высота; ∝− коэффициент возрастания скоростей ветра на разных высотах. Коэффициент возрастания скоростей ветра на разных высотах определяется по следующей формуле: ∝= [0,096 log10(Z0) + 0,016 (log10(Z0))2 + 0,24] (16) − 0 Z щероховатось подстилающей поверхности. В степных районах = 0 Z 0,1 м [18]. Значения масштабного параметра и параметра формы на указанной высоте также изменяются. Определение этих параметров производится по следующим выражением[19]: kH2 = kH1 1−0,0881 ln(H2 H1) (17) cH2 = cH1 ( H2 H1) n (18) n = [0,37 −0,0881 ln(cH1)] (19) Пользуясь параметрами распределения Вейбулла расчитанными на различных высотах, определим удельные мощность и энергию ветра на определенных высотах при помощи выражений (12), (13). Результаты и обсуждение. В данном исследовании данные о скорости ветра и анализе ветроэнергетического потенциала были изучены в Бухарской области. Данные о скорости ветра взяты с метеостанции Бухарского международного аэропорта. Были рассчитаны и проанализированы средние значения скорости ветра измеренные на высоте 10 метров с промежутком 30 минут. Были приведены показатели потребления энергии ветра в мире. На основании данных средней скорости ветра, среднеквадратичного отклонения, удельной мощность и энергии полученных с метеостанции были включены в таблицу 1. Пользуясь эмперическим методом функции распределения Вэйбулла, были определены параметры масштаба и формы, а также показатели расчётов удельной мощности и энергии были внесены в таблицу 1. На рисунке 1 показана средняя скорость ветра в Бухарской области по месяцам (2016 г.) Средняя скорость ветра составляет 3,404 м/с. Основные показатели средней скорости ветра приходятся на летний период. Считается важным определение годового направления ветра для эффективного использования энергии ветра. На основании данных направления ветра полученных с метеостанции, было построена роза ветров в среде MatLab. На рисунке 3 показано направление потока ветра (роза ветров). Следовательно, 20% направления ветра составляет северное. В таблице 1 приведены оценочные и приблизительные параметры для распределения Вейбулла. Соответственно, коэффициент формы равен k = 2,98, а коэффициент масштабирования равен c = 3,75 м/с. “Fan va texnologiyalar taraqqiyoti” Ilmiy-texnikaviy jurnal №2/2026 183 Mechanical engineering and energy Таблица 1. Параметры измеренных величин и расчетные параметры с применением распределения Вейбулла. Параметры измеряемых величин Расчетные параметры по распределению Вейбулла 𝑉̅ m/s Месяц Год 𝜎 m/s P w/m2 E Wh/m2 k (-) c m/s 𝜎𝑤 m/s 𝑃𝑤 w/m2 𝐸𝑤 kwh/m2 Я 3.018 1.079 23.690 17.625 3.056 3.380 1.069 33.476 24.909 Ф 2.833 1.951 42.163 29.345 1.499 3.137 1.916 56.981 39.659 M 3.494 1.297 38.614 28.729 2.933 3.917 1.299 37.235 27.740 A 2.954 0.898 19.941 14.358 3.646 3.27 0.889 20.149 14.507 M 3.476 1.005 32.090 23.875 3.847 3.845 0.999 32.372 24.085 И 4.350 2.226 100.229 72.165 2.070 4.91 2.21 93.18 67.09 И 3.959 1.236 49.049 36.493 3.540 4.394 1.23 49.357 36.722 A 4.077 1.225 53.010 39.439 3.691 4.515 1.219 52.868 39.334 С 3.444 1.405 37.242 26.814 2.649 3.874 1.394 37.9 27.288 O 3.429 1.219 34.952 25.165 2.373 3.318 1.228 34.545 25.701 Н 2.940 1.327 26.493 19.075 2.373 3.318 1.327 25.61 19.054 Д 2.879 0.792 18.012 13.401 4.063 3.178 0.795 18.1 13.47 Годовой средний 3.404 1.305 39.62 346.48 2.98 3.75 1.29 40.98 359.56 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 Средняя скорость ветра (м/с) Месяц Рис.1. Ежемесячное изменение средней скорости ветра. На рисунке 4 показаны функция распределения Вейбулла, функция плотности вероятности и интегральная функция распределения. На рисунке 5 показаны значения удельная энергия ветра для высокой скорости ветра 10 м с использованием функции распределения Вейбулла по месяцам. Наибольшая удельная мощность ветра составляет в июне 93,18 Вт/м2. Среднегодовая удельная энергия ветра составляет 40,98 Вт/м2. На рисунке 6 показаны значения плотности энергии ветра в сегменте месяцев. Наибольшее значение в июне, то есть 67,09 кВтч /м2. Годовое значение удельной энергии ветра составляет 359,56 кВтч/м2. Рис.2. Роза ветров. На рисунке 7 показана линейная скорость Development of science and technology Scientific and technical journal №2/2026 184 Mashinasozlik va energetika ветра. Соответственно, средняя скорость ветра составляет 3,404 м/с на высоте 10 м, 4,4 м/с на высоте 50 м и 4,9 м/с на высоте 100 м. На рисунках 8 и 9 показаны значения плотности энергии ветра и плотности энергии ветра при разной высоте ветра. Соответственно, удельная мощность ветра и удельная энергия ветра на высоте 100 м составили 164,79 Вт/м2, 1443,59 кВтч/м2. а) b) Рис.3. Функция распределения Вейбулла и измеренная плотность (а), интегральная функция распределения Вейбулла со скоростью ветра для выбранных мест на станциях: высота годового показателя и масштабные коэффициенты (b). Среднемесячная плотность мошность ветра Вт/м2 Я Ф M A M И И A С O Н Д Рис.4. Среднемесячное значение удельной мощности измеренных на основании функции распределения Вейбулла. Среднемесячнная плотность энергия ветра kВтч/м2 Я Ф M A M И И A С O Н Д Рис.5. Среднемесячное значение удельной энергии измеренных на основании функции распределения Вейбулла. “Fan va texnologiyalar taraqqiyoti” Ilmiy-texnikaviy jurnal №2/2026 185 Mechanical engineering and energy Рис.6. Средняя скорость ветра на различных высотах с помощью метода экстраполяции. W/m2 10 50 100 высоты выбранного, m Рис.7. Среднегодовое значение для измеренных по распределению Вейбуллa удельной мощности ветра на выбранных высотах. 0 200 400 600 800 1000 1200 1400 1600 kВтч/m2 10 50 100 высоты выбранного, m Рис.8. Среднегодовое значение для измеренных по распределению Вейбулла удельной энергии ветра выбранных высотах. Development of science and technology Scientific and technical journal №2/2026 186 Mashinasozlik va energetika Выводы. Результаты исследования позволили сделать следующие выводы: 1. Максимальная и минимальная скорость ветра, данные о направлении ветра были получены и проанализированы с метеорологической станции. Средняя скорость измеряемого ветра году составляется 3,404 м/с. 2. В среде Matlab был построен график направления ветра (роза ветров). В Бухарской области болшой ветровой поток дует с севера. 3. Используя двухпараметрическую функцию распределения вероятностей Вейбулла, среднегодовой коэффициент формы и масштабный коэффициент были определены на высоте 10 м. Соответственно, k = 2,98, c = 3,75 м/с. 4. Значения удельная мощности и энергии ветра на высоте 10 м были определены и проанализированы с использованием функции распределения вероятностей Вейбулла. Соответственно, средный удельная энергии ветра составляет 40,98 Вт/м2, а годовой удельная энергии ветра 359,56 кВт/м2. 5. Потенциал ветра на разных высотах определялся с помощью распределения Вейбулла. Соответственно, значения удельная мощности ветра и удельная энергии ветра на высоте 100 м были определены методом экстраполяции 164,79 Вт/м2, 1443,59 кВтч/м2. 6. Анализируя результаты, целесообразно использовать маломощные ветрогенераторы в этом регионе. Литература 1. B. Eshchanov., M. Stultjes., R. Eshchanov., S. Salaev. “Potential of Renewable Energy Sources in Uzbekistan” Journal of Knowledge Management, Economics and Information Technology. 2011. V.1. pp.1-17. 2. http://gwec.net/global-figures/statistics. 3. Р.Захидов., М.Кремков. “Потенциал ветровой энергетики Узбекистана” //.Гелиотеxника. “Evaluation of wind energy potential in Morocco‘s coastal regions”. Renewable and Sustainable Energy Reviews. 2018. V.72. pp. 311-324. 6. M. Rasham. “Analysis of Wind Speed Data and Annual Energy Potential at Three locations in Iraq”. International Journal of Computer Applications. 2016.V.137 .pp. 11-16. 7. A. Azad., M. Rasul., T. Yusuf. “Statistical diagnosis of the best Weibull methods for wind power assessment for agricultural applications”. Energies. 2014. V.7. pp. 3056-3085. 8. S. Ali., S. Lee., Ch. Jang. “Statistical analysis of wind characteristics using Weibull and Rayleigh distributions in Deokjeok-do Island-Incheon, South Korea”. 2018. V.123. pp. 652-663. 9. M.Dahbi., A. Benatiallah., M. Sellam. “The Analysis of Wind Power Potential in Sahara Site of Algeria-an Estimation Using the Weibull Density Function”. Energy Procedia. 2013. V. 36. pp. 179-188. 10. M. El-Sharkawi. “Wind energy an introduction”. 2016. pp. 43-57. 11. Sh. Ahmed. “Wind energy characteristics and wind park installation in Shark El-Ouinat, Egypt”. Renewble and Sustainable Energy Reviews. 2018. V.82. pp. 734-742. 12. G. Johnson. “Wind Energy Systems”. 2006. pp. 2-16…2-43. 13. C. Ozay., M. Soner. “Statistical analysis of wind speed using two-parametr Weibull distribution in Alacati region”. Energy conversion and management. 2016. V. 12. pp. 49-54. 14. M. Shoaib., I.Siddiqui., Y. Amir., S. Rehman. “ Evaluation of wind power potential in Baburband (Pakistan) using Weibull distribution function”. Renewable and Sustainable Energy Reviews. 2017. V.70. pp. 1343-1351. 15. D. Hui Ko., Sh. Taek Jeong., Y. Chil Kim. “Assesment of wind energy for small-scale wind power in Chuuk State, Micronesia”. Renewable and Sustainable Energy Reviews. 2015. V. 52. pp. 613-622. “Fan va texnologiyalar taraqqiyoti” Ilmiy-texnikaviy jurnal №2/2026 187