嗨，我正在分析风能数据以估计风力涡轮机的能量。
我采集了 10 年的风数据并绘制了直方图；
我的第二阶段是将 Weibull 分布拟合到数据中。
我使用 R 和包lmom来计算 Weibul 形状和缩放这是我使用的代码：
>library(lmom)
wind.moments<-samlmu(as.numeric(pp$WS))
moments<-pelwei(wind.moments)
x.wei<-rweibull(n=length(pp$WS), shape=moments["delta"], scale=moments["beta"])
hist(as.numeric(pp$WS), freq=FALSE)
lines(density(x.wei), col="red", lwd=4)
数据和密度函数之间似乎存在一些滞后；你能帮我解决这个问题吗？另一个问题是你能帮我计算密度函数的年能量吗？
谢谢你
我使用来自http://hawaii.gov/dbedt/ert/winddata/krab0192.txt的数据重新创建了您的绘图（我进行了 1200 次测量）。我得到了一个不错的数据，通常使用你的代码：
library(lmom)
daten <- read.delim("wind.txt")
wind.avg <- na.omit(as.numeric(daten[,"X12"]))
wind.moments<-samlmu(wind.avg)
moments<-pelwei(wind.moments)
x.wei<-rweibull(n=length(wind.avg), shape=moments["delta"], scale=moments["beta"])
hist(as.numeric(wind.avg), freq=FALSE)
lines(density(x.wei), col="red", lwd=4)
抱歉，我不确定您的问题可能是什么，但我认为您应该能够将 weibull 拟合到您的数据中。让我怀疑的是你的密度图的钟形曲线，我不知道它是从哪里来的。
以下是我产生的时刻：
风矩
l_1 l_2 t_3 t_4
15.17287544 4.80372580 0.14963501 0.06954438
时刻
zeta beta delta
0.516201 16.454233 1.745413
WTR 到年产量：我想我会为概率密度函数生成离散值，将这些值与输出函数相乘并求和。或者，您可以只使用原始数据，将值与输出函数相乘，将其相加并计算年平均值，您应该以合适的方式控制季节性（例如，确保使用整年，或相应地加权） .
years <- length(wind.avg)/365
diameter <- 150
Power = (0.01328*diameter^2)*((wind.avg)^3)
(annual.power <- sum(Power)/years)
[1] 791828306
lmom函数pelwei拟合三参数 Weibull 分布，具有位置、比例和形状参数。rweibull为两参数 Weibull 分布生成随机数。您需要减去位置参数moments["zeta"]。这应该更适合，但它似乎不会很好地适合您的特定数据。
我注意到http://www.reuk.co.uk/Wind-Speed-Distribution-Weibull.htm说“世界大部分地区的风速可以使用 Weibull 分布来建模。”。也许你只是不走运，生活在他们不能生活的世界的一部分！
这是 SO 最近关于风力涡轮机的帖子。我对该链接的回答包含您可能感兴趣的三个链接：
我刚刚检查了上述 SO 答案中的 Weibull 链接之一。由于某种原因，链接已关闭。以下是一些提供相同基本信息的链接：
http://journal.dogus.edu.tr/13026739/2008/cilt9/sayi1/M00195.pdf
http://www.eurojournals.com/ejsr_26_1_01.pdf
此外，从风力发电来看，季节性是明显的。
我不确定是否有人已经提出了这一点，但 pelwei 实际上可以通过添加固定界限来强制作为 2 参数 weibull 函数工作。
除了打电话moments<-pelwei(wind.moments)，你应该简单地打电话moments<-pelwei(wind.moments,bound=0)
您可以随时检查 zeta 值是多少。如果它不是 0 并且您正在使用 dweibull，则需要对其进行处理。