In the literature, it is known that

In the literature, it is known that Weibull is the most
widely-used distribution to estimate wind energy potential
because of its flexibility and easy computation [1–13]. However,
it should be noted that the Weibull distribution is unable to model
all the wind structures encountered in nature. For this reason, in
recent years, in order to model wind speed data more smoothly,
the use of a variety of statistical distributions has been proposed
in a large number of studies. For instance, [14] considers
normal-mixture distribution and mixture Weibull distribution versus
the classical Weibull distribution. [15–17,14,18] introduce two
mixture Weibull distribution to model wind speed data. [19–22]
propose the distributions derived from the maximum entropy
principle. Similarly, [23] and [24] respectively introduce distributions
derived from the maximum entropy principle and minimum
cross entropy principle. [25] presents a comparison of log-normal,
gamma, Weibull and Rayleigh models. [26] provides a review and
literature on the usage of various statistical distributions in modeling
wind speed data. As well as the mentioned statistical distributions,
Erlang, inverse normal and gumbel-maximum distributions
are presented as wind speed distributions in [27], while a generalized
extreme value distribution is used in [28]. On the other hand,
[29] firstly introduces mixture Gamma–Weibull and mixture truncated
normal distributions, while [30] proposes certain flexible
families of distributions as an alternative to the Weibull
distribution in estimating wind speed distribution. Similar to
[30,31] evaluates the performance of the Johnson SB distribution
in comparison to the Weibull distribution. Moreover, different statistical
distributions have been proposed as an alternative to the
Weibull distribution, and certain comparisons and reviews concerning
these distributions have been conducted in the literature
[12,27,32]. For example, [12] compares various distributions and
shows that the Gamma distribution could be an efficient alternative
to the Weibull distribution. [27] concludes that multiple distributions
are found to produce good fit for wind speed data
compared to the Weibull distribution.
Consequently, the mentioned studies [15–17,14,18–31] emphasize
that Weibull distribution (WD) does not present good performance
in the modeling of wind speed data in comparison with a
distribution with more parameters, for all wind types encountered
in nature, such as low or high, skewed or kurtotic, or skewed and
kurtotic wind speed. Thus, in order to minimize errors in wind
power estimation, it is necessary to select the most appropriate
distribution for the description of wind speed measured for a
specific area.
In statistics, a truncated distribution is defined as a conditional
distribution that results from restricting the domain of the statistical
distribution. Hence, truncated distributions are used in cases
where occurrences are limited to values which lie above or below
a given threshold or within a specified range. If occurrences are
limited to values which lie below a given threshold, the lower (left)
truncated distribution is obtained. Similarly, if occurrences are limited
to values which lie above a given threshold, the upper (right)
truncated distribution

ผลลัพธ์ (ไทย) 1:

ในวรรณคดี เป็นที่รู้จักกันว่า ฟังก์ชัน weibull จะเป็นมากที่สุดการกระจายที่ใช้กันอย่างแพร่หลายเพื่อประเมินศักยภาพพลังงานลมเนื่องจากความยืดหยุ่นและง่ายต่อการคำนวณ [1-13] อย่างไรก็ตามควรสังเกตว่า การแจกแจงแบบเวย์บูลไม่ได้รุ่นทั้งหมดลมโครงสร้างที่พบในธรรมชาติ ด้วยเหตุนี้ ในปี เพื่อรูปแบบข้อมูลความเร็วลมรื่นได้รับการเสนอการใช้ความหลากหลายของการกระจายทางสถิติในการศึกษาจำนวนมาก สำหรับพิจารณาอินสแตนซ์, [14]ปกติส่วนผสมจำหน่ายและการกระจายฟังก์ชัน weibull จะผสมกับการแจกแจงแบบเวย์บูลคลาสสิค [15-17,14,18] แนะนำสองส่วนผสมของฟังก์ชัน weibull จะกระจายข้อมูลความเร็วลมแบบ [19-22]เสนอการกระจายมาจากเอนโทรปีสูงสุดหลักการนี้ ในทำนองเดียวกัน, [23] [24] แนะนำการกระจายตามลำดับและมาจากหลักการของเอนโทรปีสูงสุดและต่ำสุดข้ามหลักเอนโทรปี [25] แสดงการเปรียบเทียบบันทึกปกติแกมมา รุ่น Weibull และราคาย่อมเยา [26] ให้ทาน และวรรณกรรมเกี่ยวกับการใช้งานการกระจายทางสถิติต่าง ๆ ในการสร้างโมเดลข้อมูลความเร็วลม รวมทั้งการกระจายทางสถิติดังกล่าวErlang ปกติ และสูง สุด gumbel กระจายผกผันแสดงในขณะที่ทั่วไปเป็นการกระจายความเร็วลมใน [27],กระจายมากค่านี้จะใช้ [28] ในทางตรงข้าม[29] แนะนำตอนแรก ผสมแกมมา – Weibull และส่วนผสมที่ถูกตัดทอนการกระจายปกติ ในขณะที่ [30] เสนอบางยืดหยุ่นครอบครัวที่มีการกระจายการแทนแบบเวย์บูลการแจกจ่ายในการกระจายความเร็วลมประมาณ คล้ายกับ[30, 31] ประเมินประสิทธิภาพของการกระจาย SB จอห์นสันเมื่อเทียบกับการแจกแจงแบบเวย์บูล นอกจากนี้ แตกต่างกันทางสถิติการกระจายที่ได้รับการเสนอเป็นทางเลือกการกระจายแบบเวย์บูล และบางอย่างเปรียบเทียบและความคิดเห็นเกี่ยวกับกระจายเหล่านี้ได้รับการดำเนินการในวรรณคดี[12,27,32] การเปรียบเทียบที่ [12] เช่น แจกจ่ายต่าง ๆ และแสดงว่า การแจกแจงแกมมาอาจเป็นทางเลือกที่มีประสิทธิภาพการแจกแจงแบบเวย์บูล [27] สรุปว่า หลายการกระจายพบการผลิตเหมาะสำหรับข้อมูลที่ความเร็วลมเมื่อเทียบกับการแจกแจงแบบเวย์บูลดังนั้น เน้นการศึกษาดังกล่าว 15 – 17,14,18 – 31ว่า การกระจายแบบเวย์บูล (WD) นำเสนอประสิทธิภาพที่ดีในแบบจำลองของข้อมูลความเร็วลมเทียบกับการการแจกจ่าย ด้วยพารามิเตอร์เพิ่มเติม สำหรับชนิดลมทั้งหมดที่พบในธรรมชาติ เช่นต่ำ หรือสูง เบ้ หรือ kurtotic หรือเบ้ และความเร็วลม kurtotic ดังนั้น เพื่อให้ลดข้อผิดพลาดในลมการประเมินพลังงาน จำเป็นต้องเลือกที่เหมาะสุดกระจายคำอธิบายของความเร็วลมวัดพื้นที่เฉพาะในสถิติ การกระจายที่ถูกตัดทอนถูกกำหนดเป็นแบบมีเงื่อนไขการแจกจ่ายที่เกิดจากการจำกัดโดเมนของตัวสถิติการกระจายงาน ด้วยเหตุนี้ การกระจายตัดจะใช้ในกรณีที่เกิดขึ้นจะจำกัดค่าที่อยู่ด้านบน หรือด้านล่างการ กำหนดเกณฑ์ หรือภาย ในช่วงที่ระบุ ถ้าเกิดจำกัด(มหาชน)เป็นค่าที่อยู่ต่ำกว่าเกณฑ์ที่กำหนด ล่าง (ซ้าย)ตัดแจกได้ ในทำนองเดียวกัน ถ้าเกิดมีอยู่จำกัดให้ค่าที่อยู่เหนือค่าเกณฑ์ที่กำหนด (ขวา)ตัดกระจาย

ผลลัพธ์ (ไทย) 2:

ในวรรณคดีเป็นที่รู้จักกันว่า Weibull เป็นส่วนใหญ่
กระจายอย่างกว้างขวางใช้ในการประเมินศักยภาพพลังงานลม
เพราะความยืดหยุ่นและการคำนวณง่าย [1-13] ของมัน แต่
มันควรจะตั้งข้อสังเกตว่าการกระจาย Weibull ไม่สามารถที่จะจำลอง
ทุกลมโครงสร้างที่พบในธรรมชาติ ด้วยเหตุนี้ใน
ปีที่ผ่านมาเพื่อให้รูปแบบข้อมูลความเร็วลมได้อย่างราบรื่นมากขึ้น
การใช้ความหลากหลายของการกระจายทางสถิติได้รับการเสนอ
ในจำนวนมากของการศึกษา ยกตัวอย่างเช่น [14] พิจารณา
การกระจายปกติผสมส่วนผสมและการกระจาย Weibull เมื่อเทียบกับ
การกระจาย Weibull คลาสสิก [15-17,14,18] แนะนำสอง
ส่วนผสมกระจาย Weibull การจำลองข้อมูลความเร็วลม [19-22]
เสนอกระจายมาจากเอนโทรปีสูงสุด
หลักการ ในทำนองเดียวกัน [23] และ [24] ตามลำดับแนะนำการกระจาย
มาจากหลักการเอนโทรปีสูงสุดและต่ำสุด
หลักการเอนโทรปีข้าม [25] นำเสนอการเปรียบเทียบการเข้าสู่ระบบปกติ
แกมมา Weibull และเรย์ลีรุ่น [26] ให้ทานและ
หนังสือที่เกี่ยวกับการใช้งานของการกระจายสถิติต่างๆในการสร้างแบบจำลอง
ข้อมูลความเร็วลม เช่นเดียวกับที่กล่าวถึงการกระจายสถิติ
Erlang ผกผันแจกแจงปกติและกัมเบลสูงสุด
จะถูกนำเสนอการกระจายความเร็วลมใน [27] ในขณะที่ทั่วไป
การกระจายค่ามากจะใช้ใน [28] บนมืออื่น ๆ
[29] แรกแนะนำส่วนผสม Gamma-Weibull และส่วนผสมตัดทอน
การแจกแจงปกติในขณะที่ [30] เสนอบางอย่างที่มีความยืดหยุ่น
ครอบครัวของการกระจายเป็นทางเลือกให้ Weibull
การจัดจำหน่ายในการประเมินการกระจายความเร็วลม คล้ายกับ
[30,31] การประเมินประสิทธิภาพของการกระจายจอห์นสัน SB
ในการเปรียบเทียบกับการกระจาย Weibull นอกจากนี้ยังมีสถิติที่แตกต่างกัน
กระจายได้รับการเสนอเป็นทางเลือกที่
กระจาย Weibull และการเปรียบเทียบบางอย่างและความคิดเห็นเกี่ยวกับ
การกระจายเหล่านี้ได้รับการดำเนินการในวรรณคดี
[12,27,32] ตัวอย่างเช่น [12] เปรียบเทียบการกระจายต่างๆและ
แสดงให้เห็นว่าการกระจายรังสีอาจจะเป็นทางเลือกที่มีประสิทธิภาพ
การกระจาย Weibull [27] สรุปว่าการกระจายหลาย
ที่พบในการผลิตแบบที่ดีสำหรับข้อมูลความเร็วลม
เมื่อเทียบกับการกระจาย Weibull.
ดังนั้นการศึกษากล่าวถึง [15-17,14,18-31] เน้น
ว่าการกระจาย Weibull (WD) ไม่ได้แสดงที่ดี ผลการดำเนินงาน
ในการสร้างแบบจำลองของข้อมูลความเร็วลมในการเปรียบเทียบกับ
การจัดจำหน่ายที่มีพารามิเตอร์เพิ่มเติมสำหรับทุกสภาพลมที่พบ
ในธรรมชาติเช่นสูงหรือต่ำหรือเบ้ kurtotic หรือเบ้และ
ความเร็วลม kurtotic ดังนั้นเพื่อลดข้อผิดพลาดในลม
ประมาณค่าไฟฟ้ามีความจำเป็นต้องเลือกที่เหมาะสมที่สุด
กระจายสำหรับรายละเอียดของความเร็วลมวัดที่
บริเวณ.
สถิติการกระจายที่ถูกตัดทอนถูกกำหนดให้เป็นเงื่อนไข
การจัดจำหน่ายที่เป็นผลมาจากการ จำกัด โดเมนของสถิติ
กระจาย ดังนั้นการกระจายที่ถูกตัดทอนจะใช้ในกรณี
ที่เกิดขึ้นจะถูก จำกัด ให้ค่าซึ่งอยู่สูงหรือต่ำกว่า
เกณฑ์ที่กำหนดหรือภายในช่วงที่ระบุ หากเกิดขึ้นจะถูก
จำกัด ให้เป็นค่าที่อยู่ด้านล่างได้รับเกณฑ์ที่ต่ำกว่า (ซ้าย)
จัดจำหน่ายที่ถูกตัดทอนจะได้รับ ในทำนองเดียวกันถ้าเกิดขึ้นจะถูก จำกัด
ให้เป็นค่าที่อยู่เหนือเกณฑ์ที่กำหนดบน (ขวา)
จัดจำหน่ายที่ถูกตัดทอน