تحلیل آماری نیروی ناشی از باد

نوع مقاله : مقاله پژوهشی

نویسندگان

1 mazandaran-babolasr-university of mazandaran

2 دانشگاه مازندران

چکیده

در این مطالعه در ابتدا سرعت بیشینه باد به ازای دوره‌های بازگشت مختلف در شهرستان‌های رامسر، نوشهر، قائم‌شهر و بابلسر بررسی شده است. برای این‌کار داده‌های مربوط به بیشینه سرعت سالانه باد در این شهرستان‌ها از سال 1373 تا سال 1397 هجری شمسی جمع‌آوری شده است. برای محاسبه‌ی حداکثر سرعت باد از توزیع حدی نوع اول استفاده شده است. همچنین سعی شده است تا توزیع احتمال سرعت باد برای شهرستان‌های مورد نظر با توجه به توابع مختلف بررسی شود. برای این منظور، از توابع مختلف مانند تابع نرمال، تابع ویبل، تابع لگ نرمال، تابع گامبل ماکس و تابع گاما استفاده شده است. مشاهدات نشان داده شده است که سرعت بیشینه باد و همچنین فشار مبنای باد برای شهرستان‌های رامسر، نوشهر و قائم‌شهر عددی بزرگتر از مبحث ششم مقررات ملی بدست آمده است. هرچند این مقادیر برای شهر بابلسر عددی کمتر از اعداد آیین‌نامه بدست آمده است. متاسفانه نتایج نشان داد طراحی‌های انجام شده بر اساس مبحث شش برای شهرستان‌های رامسر، نوشهر و قائم‌شهر در برابر سرعت باد ایمن نخواهد بود. همچنین به نظر می‌رسد این تحقیقات باید بر اساس مابقی شهرها انجام گیرد تا مقادیری معتبر و درست برای آن شهرها نیز به دست آید. به علاوه نتایج نشان می‌دهد که برای داده‌های مورد مطالعه، تابع ویبل بهترین تابعی است که می‌تواند مورد استفاده قرار گیرد

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Statistical Analysis of Wind Force

نویسندگان [English]

  • Ehsan Jahani 1
  • mehrab ekraghanbari 2
1 civil department, engineering faculty, university of Mazandaran, Iran, Babolsar
2 university of mazandaran
چکیده [English]

 In this study, at first, the maximum wind speed has been investigated in exchange for different return periods in Ramsar, Nowshahr, Qaemshahr, and Babolsar city. For this reason, data associated with the wind maximum annual speed in these cities have been collected from 1373 to 1397. To calculate the maximum wind speed, a first-order Extreme Type I distribution has been used. It has also been attempted to examine the probability of wind speed distribution of case study cities according to different functions. For this purpose, different functions such as Normal function, Weibull function, Lognormal function, Gamble Max function, Gamma function, and Bur function have been used. Also, in this study, for the design of various functions, the EasyFit software has been used. Results show that the maximum wind speed, as well as wind-based pressure for Ramsar, Nowshahr, and Qaemshahr cities, were found to be numerically larger than the Iranian National Building Code (Part 6th). However, for Babolsar, these values are less than the values of the Iranian National Building Code. Unfortunately, the results showed that the design was not safe for Ramsar, Nowshahr, and Qaemshahr cities based on this code, because the structures should be designed to be less than the maximum wind speed and lower wind pressure than the actual values. Considering the importance of analyzing and precisely designing structures against wind and speed wind, it seems that similar research should be done for other cities to obtain validate and safe values for those cities. Paying attention to this point will lead to more accurate designs in different cities of the country. In addition, results show that for used data, the Weibull function is the best function that can be applied.

کلیدواژه‌ها [English]

  • Wind speed distribution
  • Wind pressure
  • Probability density function
  • Weibull function
[1]    Jaramillo, O. and M. Borja (2004). "Wind speed analysis in La Ventosa, Mexico: a bimodal probability distribution case." Renewable Energy 29(10): 1613-1630.
[2]    Brano, V. L., et al. (2011). "Quality of wind speed fitting distributions for the urban area of Palermo, Italy." Renewable Energy 36(3): 1026-1039.
[3]    Safari, B. (2011). "Modeling wind speed and wind power distributions in Rwanda." Renewable and Sustainable Energy Reviews 15(2): 925-935.
[4]    Carta, J. A., et al. (2008). "A joint probability density function of wind speed and direction for wind energy analysis." Energy Conversion and Management 49(6): 1309-1320.
[5]    Carta, J. A., et al. (2009). "A review of wind speed probability distributions used in wind energy analysis: Case studies in the Canary Islands." Renewable and Sustainable Energy Reviews 13(5): 933-955.
[6]    Celik, A. (2003). "Assessing the suitability of wind speed probability distribution functions based on wind power density." Renewable Energy 28(10): 1563-1574.
[7]    Wang, J., et al. (2016). "Wind speed probability distribution estimation and wind energy assessment." Renewable and Sustainable Energy Reviews 60: 881-899.
[8]    Asghar, A. B. and X. Liu (2018). "Estimation of wind speed probability distribution and wind energy potential using adaptive neuro-fuzzy methodology." Neurocomputing 287: 58-67.
[9]    Wang, S., et al. (2018). "Statistical analysis of wind data using Weibull distribution for natural ventilation estimation." Science and Technology for the Built Environment 24(9): 922-932.
[10]   Nowak, A. S. and K. R. Collins (2012). Reliability of structures, CRC Press.
[11]   Benjamin, J. R. and C. A. Cornell (2014). Probability, statistics, and decision for civil engineers, Courier Corporation.
[12]   Shayanfar, Mohsen ail., Qanoni Bana, Mohammad., jahani, Ehsan., Theory of Structural Reliability, Iran University of Science and Technology,2018. "(In Persian)
[13]   Iranian National Building Code, Part 6th, loads on the building (2013-1392).