Universitatea POLITEHNICA din Bucureşti

FACULTATEA DE ENERGETICĂ
060042 Bucureşti, Splaiul Independenţei, nr. 313, sector 6

UNIVERSITATEA POLITEHNICA DIN BUCUREŞTI

Facultatea de Energetică

Eficiență Energetică

Proiect la disciplina
ELEMENTE DE STATISTICĂ ȘI PRELUCRAREA DATELOR

Student: Mîndra Teodora Iuliana

MS4

Bucureşti, 2020
 Enunț:
Din măsurătorile vitezei vântului făcute cu anemometrul montat la 50 m de sol în
amplasamentul unui viitor parc eolian, s-au selectat aleator câte 100 valori pentru fiecare de câte
300 al rozei vânturilor. Pentru sectorul de analizat, datele sunt cele alăturate:

Tabel 1. Viteza vântului din sectorul analizat

1.55 4.18 8.47 9.69 6.53 8.38 9.82 6.01
6.04 6.22 7.22 12.03 2.61 5.36 14.41 2.64
5.13 3.19 7.07 11.07 10.34 3.63 6 4.42
11.26 7.79 6.18 10.22 8.3 5.01 4.44 8
5.3 6.23 9.7 3.38 0.47 8.41 6.51 4.47
8.52 5.21 11.6 6.25 7.82 7.61 4.65 2.24
3.23 10.79 5.84 12.48 9.38 6.48 4.26 3.53
1.93 13.29 8.98 7.98 3.43 3.47 6.63 7.1
8.44 1.48 0.77 4.21 12.43 3.33 9.41 3.24
9.79 6.12 9.4 5.9 5.78 7.75 5.96 5
11.7 4.77 6.38 13.81 3.76 7.88 5.28 2.66
7.02 3.27 6.7 2.44 5.66 6.61 4.2 7.81
6.34 5.06 5.44 5.71

a) Să se ordoneze crescător datele de eșantion și să se calculeze frecvența empirică pentru

data de rang r din șirul ordonat.
Dacă am înregistrat valorile vitezei vântului, le considerăm o Serie de valori (de date) = Serie
statistică.
Tabelele prezentate in continuare vor reprezenta o bază de date în care se face ordonarea pe
rânduri orizontale și coloane verticale după ordinea crescătoare a vitezei vântului. Prin capul
tabelei se stabilesc punctele de referință ale modului de ordonare a datelor în câmpurile conținute
de coloane sau rânduri. Programul de calcul tabelar pe care l-am utilizat este Microsoft Excel,
acesta ușurează sistemul de calcul și ordonarea datelor din tabel.
Sortarea datelor este o parte componentă a analizei de date
Ordonarea reprezintă o operaţie preliminară menită să uşureze analiza setului de date şi
formarea unei viziuni sintetice de natură statistică asupra acestuia. Datele sortate sunt prezentate
în tabelul 2, de sus în jos, de la stânga la dreapta.

Tabelul 2 – Sortarea datelor de eșantion

0.47 4.42 6.22 8.41
0.77 4.44 6.23 8.44
1.48 4.47 6.25 8.47
1.55 4.65 6.34 8.52
1.93 4.77 6.38 8.98
2.24 5 6.48 9.38
2.44 5.01 6.51 9.4
 2.61 5.06 6.53 9.41
2.64 5.13 6.61 9.69
2.66 5.21 6.63 9.7
3.19 5.28 6.7 9.79
3.23 5.3 7.02 9.82
3.24 5.36 7.07 10.22
3.27 5.44 7.1 10.34
3.33 5.66 7.22 10.79
3.38 5.71 7.61 11.07
3.43 5.78 7.75 11.26
3.47 5.84 7.79 11.6
3.53 5.9 7.81 11.7
3.63 5.96 7.82 12.03
3.76 6 7.88 12.43
4.18 6.01 7.98 12.48
4.2 6.04 8 13.29
4.21 6.12 8.3 13.81
4.26 6.18 8.38 14.41
0.47
14.41

Se numeşte rang - numărul de ordine al unei date oarecare din şirul ordonat.
Pentru analiza statistică a setului de date observate se poate utiliza o manieră empirică. În
această variantă, se acceptă că fiecare dată din şirul ordonat crescător (sau descrescător)
corespunde câte unei clase de valori. Aceste clase sunt, în general, de amplitudine variabilă, dar
admise cu acelaşi efectiv (echiprobabile).
Pentru fiecare din datele de mai sus, cu ajutorul formulei din cerință, s-au determinat
frecvențele empirice corespunzătoare.

Tabelul 3 – Determinarea frecvențelor empirice

0.0069721 0.2559761 0.50498008 0.753984
0.0169323 0.26593625 0.514940239 0.763944
0.0268924 0.27589641 0.524900398 0.773904
0.0368526 0.28585657 0.534860558 0.783865
0.0468127 0.29581673 0.544820717 0.793825
0.0567729 0.30577689 0.554780876 0.803785
0.0667331 0.31573705 0.564741036 0.813745
0.0766932 0.32569721 0.574701195 0.823705
0.0866534 0.33565737 0.584661355 0.833665
0.0966135 0.34561753 0.594621514 0.843625
0.1065737 0.35557769 0.604581673 0.853586
0.1165339 0.36553785 0.614541833 0.863546
0.126494 0.37549801 0.624501992 0.873506
0.1364542 0.38545817 0.634462151 0.883466
0.1464143 0.39541833 0.644422311 0.893426
 0.1563745 0.40537849 0.65438247 0.903386
0.1663347 0.41533865 0.664342629 0.913347
0.1762948 0.4252988 0.674302789 0.923307
0.186255 0.43525896 0.684262948 0.933267
0.1962151 0.44521912 0.694223108 0.943227
0.2061753 0.45517928 0.704183267 0.953187
0.2161355 0.46513944 0.714143426 0.963147
0.2260956 0.4750996 0.724103586 0.973108
0.2360558 0.48505976 0.734063745 0.983068
0.2460159 0.49501992 0.744023904 0.993028

Figura 1. Histograma fervențelor empirice

Prin ordonare apare una dintre caracteristicile descriptive, de dispersie ale seriei de date şi
anume plaja (sau domeniul) în care se plasează valorile ei.

b) Să se calculeze datele într-un număr convenabil de clase de ecart egal, calculând frecvențele
absolută, relativă și cumulată.
Clasarea reprezintă acea operațiune preliminară ce vizează gruparea datelor într-un număr
de clase (intervale) distincte, pentru a concentra informația brută pe care o oferă şirul original.
Limita inferioară și limita superioară ale unei clase reprezintă valorile minimă și
maximă între care se pot situa valorile din clasa respectivă.
Ecartul (amplitudinea) clasei se definește diferența între limita superioară și cea inferioară
a clasei respective. Diferență între două valori dintr-un șir de măsurători efectuate asupra aceleiași
mărimi.
În vederea clasării datelor de eșantion, s-a determinat plaja, p, în care se găsesc acestea,
precum și ecartul claselor, h= 1.7425. Rotunjind ecartul superior rezulta h=1,8 pentru că se dorește
ca acest tip de dată să fie multiplu de 5, având și un beneficiu major în ceea ce privește aranjarea
datelor în tabel.
Valorile următoarelor limite inferioare, ak, și a celor superioare, bk, unde k reprezintă
numărul clasei, s-au determinat cu relațiile de mai jos. Rezultatele obținute pentru cele 8 clase sunt
prezentate în tabelul 4.
 Valoarea centrală a fiecărei clase, ck, s-a determinat ca medie aritmetică a limitei
inferioare, respectiv a celei superioare ale clasei k respective: ck =( ak + bk)/2
Centralizarea rezultatelor obținute mai sus este prezentată în tabelul 4.
K=8 clase
h=[x(Min)-x(Max)]/K=1.7425

Se alege: h= 1.8
Tabelul 4. Centralizarea frecvențelor

k 𝑎𝑘 𝑏𝑘 𝑐𝑘 𝑛𝑘 𝑓𝑘 𝐹𝑘
1 0.4 2.2 1.3 5 0.05 0.05
2 2.2 4 3.1 16 0.16 0.21
3 4 5.8 4.9 21 0.21 0.42
4 5.8 7.6 6.7 23 0.23 0.65
5 7.6 9.4 8.5 16 0.16 0.81
6 9.4 11.2 10.3 10 0.1 0.91
7 11.2 13 12.1 6 0.06 0.97
8 13 14.8 13.9 3 0.03 1 Se
Σ=100 Σ=1 verifică

𝑎𝑘 𝑏𝑘 limite de clasă
𝑐𝑘 media limitelor de clasă
𝑛𝑘 frecvența absolută
𝐹𝑘 frecvența relativă
𝑓𝑘 frecvența cumulată

Frecvența relativă reprezintă numărul de apariții a datelor observate în fiecare clasă

raportate la numărul total de date din șirul analizat.
Frecvența cumulată pe clase reprezintă suma tuturor frecvențelor relative până la clasa
curentă inclusiv. Valoarea frecvenței cumulate a ultimei clase este aproximativ egală cu 1.
Frecvența relativă, fk, și frecvența cumulată pe clase, Fk, s-au determinat cu relațiile: fk =
nk/100 și Fk = Σfi+ki=1
Pentru două date egale, se va alege aceeași clasă.
Pentru a verifica acuratețea calculelor, se va face următoarea verificare:
• dacă cea mai mare valoare a vitezei vântului este parte din intervalul ak si bk a ultimei
clase, se verifică;
• dacă suma fervențelor cumulate este egală cu 1, se verifică;
• daca suma frecvențelor relative este egala cu 100, se verifică.
Centralizarea rezultatelor determinate la această etapă este reprezentată în tabelul 4.

c) Să se reprezinte grafic histograma, frecventa relativa si frecventa cumulata

Există două categorii importante de grafice şi anume:
• histogramele
- realizate prin construirea unor dreptunghiuri succesive
- pe abscisă se reprezintă plaja de valori în care se încadrează datele din şir;
- iar pe ordonată apare fie frecvenţa absolută (numărul de apariţii) din fiecare clasă; fie frecvenţa
relativă (normalizată sau exprimată în procente);
- ca regulă, suprafaţa dreptunghiului corespunzător fiecărei clase trebuie să fie proporţională cu
efectivul (sau frecvenţa) ei şi atunci la clasarea cu h constant, înălţimile dreptunghiurilor din
histogramă vor fi proporţionale cu frecvenţele claselor.

• poligoanele
- se obţin unind puncte succesive prin segmente de linii drepte; - în cazul poligonului frecvențelor,
pe abscisă se figurează valorile centrale pe clase şi lor li se asociază frecvenţa absolută (numărul
de apariţii) sau frecvenţa relativă (eventual în %) a claselor respective;
- o altă reprezentare de tip poligonal este poligonul (sau ogiva) frecvenţelor cumulate, numit uneori
şi grafic de repartiţie. Acesta se utilizează pentru a determina numărul (sau proporţia) observaţiilor
care se plasează sub (sau peste) o valoare specificată, pe abscisă reprezentându-se limitele
superioare ale claselor, iar pe ordonată valorile frecvențelor cumulate pentru fiecare clasă.

1. Frecvența absolută
( 𝑏𝑘 , 𝑛𝑘 )

Poligonul frecvențelor absolute

25
frecvente absolute [-]

20
15
10
5
0
0 2 4 6 8 10 12 14 16

viteza [m/s]

Figura 2. Poligonul frecvențelor absolute

Histograma frecvențelor absolute

frecvențe absolute [-]

40

20

0
2.2 4 5.8 7.6
9.4
11.2
13
14.8

viteza [m/s]

Figura 3. Histograma frecvențelor absolute

2. Frecvența relativă
( 𝑐𝑘 , 𝑓𝑘 )

Poligonul frecvențelor relative

0.25

0.2
frecvențe relative [%]

0.15

0.1

0.05

0
0 2 4 6 8 10 12 14 16
viteza [m/s]

Figura 4. Poligonul frecvențelor relative

Histograma frecvențelor relative

0.25
frecvențe relative [%]

0.2
0.15
0.1
0.05
0
1.3 3.1 4.9 6.7 8.5
10.3
12.1
13.9
viteza [m/s]

Figura 5. Histograma frecvențelor relative

3. Frecvența cumulată
( 𝑏𝑘 , 𝐹𝑘 )

Ogiva frecvenșelor cumulate

1

Frecvențele cumulate 0.8

0.6

0.4

0.2

0
0 2 4 6 8 10 12 14 16

Limita de clasă bk

Figura 6. Ogiva frecvențelor cumulate

Histograma frecvențelor cumulate

frecvențe cumulate [%]

0.3
0.2
0.1
0
2.2 4 5.8 7.6 9.4 11.2 13
14.8
viteza [m/s]

Figura 7. Histograma frecvențelor cumulate

Poligonul frecvențelor cumulate

0.25
frecvențe cumulate [%]

0.2
0.15
0.1
0.05
0
0 2 4 6 8 10 12 14 16
viteza [m/s]

Figura 8. Poligonul frecvențelor cumulate

d) Statisticile de eșantion

MEDIA

 Media unei serii statistice este raportul dintre suma valorilor seriei şi numărul lor.
 Media este indicatorul care arată tendinţa centrală a seriei, şi de obicei arată unde tind datele
să se aglomereze.
 Media mai multor valori egale este egală cu fiecare din valori
 Deşi se obţine din valori concrete, măsurate în practică, media este un număr abstract

MEDIANA
Mediana reprezintă acea valoare față de care jumătate dintre date sunt mai mici, iar în partea
cealaltă sunt cu valori mai mici.
 Mediana (Engl: median) este o valoare, pentru parametrul măsurat (greutate, înălţime etc.),
situată la mijlocul seriei de valori, dacă indivizii sunt ordonaţi crescător sau descrescător.
 Jumătate din valori sunt mai mari decât mediana şi jumătate mai mici.

MODA
Moda reprezintă acea valoare care apare de mai multe ori în setul de date. Dacă toate datele
diferă, atunci în setul de date nu exista moda sau este nulă.
Pentru un set de date pot exista mai multe mode.
O astfel de adunare de valori poarta numele de clasă modală.

ABATEREA STANDARD
 Dispersia are dezavantaje:
1. Se exprimă cu unităţile de măsură ale variabilei, ridicate la pătrat
2. Are în general valori foarte mari comparativ cu media.
 De aceea se mai foloseşte un alt indicator, numit abatere standard care este radicalul
dispersiei.
 Abaterea standard = Abaterea medie pătratică și reprezintă și

ABATEREA MEDIE ABSOLUTĂ

Se notează AMA si reprezintă suma dintre diferența setul de date și media, totul raportat la
numărul setului de date.

VARIAȚIA
S2=1/N*∑𝑖=1( 𝑖 − 𝑋)2

COEFICIENTUL DE VARIAȚIE
 Este raportul dintre deviaţia standard şi medie, atunci când media este diferită de 0, şi se
măsoară în procente:
CUARTILA
 Cuartila Q1 este valoarea parametrului măsurat pentru care un sfert din indivizi au valori mai
mici şi trei sferturi mai mari decât această valoare.
 Analog, cuartila Q3 este valoarea faţă de care trei sferturi din indivizi au valori mai mici şi
un sfert - mai mari.

COEFICIENTUL DE ASIMETRIE
 coeficientul Pearson: a2=3*(media-mediana)/s
Graficul va fi pozitiv la dreapta și negativ la stânga.

COERFICIENTUL DE BOLTIRE
Aceasta valoare dă informații despre aplatisare sau invers dacă toate valorile se aseamănă și
graficul va fi negativ.
Momentul de ordinul patru: m4=1/N*∑𝑖=1(𝑣𝑎𝑙𝑜𝑎𝑟𝑒𝑎 𝑣𝑖𝑡𝑒𝑧𝑒𝑖 𝑑𝑒 𝑜𝑟𝑑𝑖𝑛 𝑛 − 𝑚𝑒𝑑𝑖𝑎)^4

Tabelul 5. Centralizarea datelor statistice din eșantion

media: x 6.5189
mediana: x 6.15
moda: x 0
abaterea
medie AMA 2.386546
absolută:
varianța: s^2 9.03166779
abaterea
s 3.00527337
standard:
coeficient
cv 0.46100928
de variație:
coeficient
de a2 6.50746126
asimetrie:
coeficient
b1 2.78855998
de boltire:
cuartile:
0.47 4.42 6.22 8.41
0.77 4.44 6.23 8.44
1.48 4.47 6.25 8.47
1.55 4.65 6.34 8.52
1.93 4.77 6.38 8.98
2.24 5 6.48 9.38
2.44 5.01 6.51 9.4
2.61 5.06 6.53 9.41
2.64 5.13 6.61 9.69
2.66 5.21 6.63 9.7
 3.19 5.28 6.7 9.79
3.23 5.3 7.02 9.82
3.24 5.36 7.07 10.22
3.27 5.44 7.1 10.34
3.33 5.66 7.22 10.79
3.38 5.71 7.61 11.07
3.43 5.78 7.75 11.26
3.47 5.84 7.79 11.6
3.53 5.9 7.81 11.7
3.63 5.96 7.82 12.03
3.76 6 7.88 12.43
4.18 6.01 7.98 12.48
4.2 6.04 8 13.29
4.21 6.12 8.3 13.81
4.26 6.18 8.38 14.41

Tabelul 6. Indicatori statistici ai eșantionului

xi xi-x |xi-x| (xi-x)^2 m4

0.47 -6.0489 6.0489 36.58919121 1338.768913
0.77 -5.7489 5.7489 33.04985121 1092.292665
1.48 -5.0389 5.0389 25.39051321 644.6781611
1.55 -4.9689 4.9689 24.68996721 609.5944808
1.93 -4.5889 4.5889 21.05800321 443.4394992
2.24 -4.2789 4.2789 18.30898521 335.2189394
2.44 -4.0789 4.0789 16.63742521 276.8039176
2.61 -3.9089 3.9089 15.27949921 233.4630961
2.64 -3.8789 3.8789 15.04586521 226.3780599
2.66 -3.8589 3.8589 14.89110921 221.7451335
3.19 -3.3289 3.3289 11.08157521 122.8013091
3.23 -3.2889 3.2889 10.81686321 117.0045297
3.24 -3.2789 3.2789 10.75118521 115.5879834
3.27 -3.2489 3.2489 10.55535121 111.4154392
3.33 -3.1889 3.1889 10.16908321 103.4102533
3.38 -3.1389 3.1389 9.85269321 97.07556349
3.43 -3.0889 3.0889 9.54130321 91.03646695
3.47 -3.0489 3.0489 9.29579121 86.41173422
3.53 -2.9889 2.9889 8.93352321 79.80783694
3.63 -2.8889 2.8889 8.34574321 69.65142973
3.76 -2.7589 2.7589 7.61152921 57.93537691
4.18 -2.3389 2.3389 5.47045321 29.92585832
4.2 -2.3189 2.3189 5.37729721 28.91532528
4.21 -2.3089 2.3089 5.33101921 28.41976582
4.26 -2.2589 2.2589 5.10262921 26.03682485
4.42 -2.0989 2.0989 4.40538121 19.40738361
4.44 -2.0789 2.0789 4.32182521 18.67817315
4.47 -2.0489 2.0489 4.19799121 17.6231302
4.65 -1.8689 1.8689 3.49278721 12.19956249
4.77 -1.7489 1.7489 3.05865121 9.355347224
5 -1.5189 1.5189 2.30705721 5.32251297
5.01 -1.5089 1.5089 2.27677921 5.183723571
5.06 -1.4589 1.4589 2.12838921 4.530040629
5.13 -1.3889 1.3889 1.92904321 3.721207706
5.21 -1.3089 1.3089 1.71321921 2.935120062
5.28 -1.2389 1.2389 1.53487321 2.355835771
5.3 -1.2189 1.2189 1.48571721 2.207355628
5.36 -1.1589 1.1589 1.34304921 1.80378118
5.44 -1.0789 1.0789 1.16402521 1.35495469
5.66 -0.8589 0.8589 0.73770921 0.544214879
5.71 -0.8089 0.8089 0.65431921 0.428133629
5.78 -0.7389 0.7389 0.54597321 0.298086746
5.84 -0.6789 0.6789 0.46090521 0.212433613
5.9 -0.6189 0.6189 0.38303721 0.146717504
5.96 -0.5589 0.5589 0.31236921 0.097574523
6 -0.5189 0.5189 0.26925721 0.072499445
6.01 -0.5089 0.5089 0.25897921 0.067070231
6.04 -0.4789 0.4789 0.22934521 0.052599225
6.12 -0.3989 0.3989 0.15912121 0.025319559
6.18 -0.3389 0.3389 0.11485321 0.01319126
6.22 -0.2989 0.2989 0.08934121 0.007981852
6.23 -0.2889 0.2889 0.08346321 0.006966107
6.25 -0.2689 0.2689 0.07230721 0.005228333
6.34 -0.1789 0.1789 0.03200521 0.001024333
6.38 -0.1389 0.1389 0.01929321 0.000372228
6.48 -0.0389 0.0389 0.00151321 2.2898E-06
6.51 -0.0089 0.0089 7.921E-05 6.27422E-09
6.53 0.0111 0.0111 0.00012321 1.51807E-08
6.61 0.0911 0.0911 0.00829921 6.88769E-05
6.63 0.1111 0.1111 0.01234321 0.000152355
6.7 0.1811 0.1811 0.03279721 0.001075657
7.02 0.5011 0.5011 0.25110121 0.063051818
7.07 0.5511 0.5511 0.30371121 0.092240499
7.1 0.5811 0.5811 0.33767721 0.114025898
7.22 0.7011 0.7011 0.49154121 0.241612761
7.61 1.0911 1.0911 1.19049921 1.417288369
7.75 1.2311 1.2311 1.51560721 2.297065215
7.79 1.2711 1.2711 1.61569521 2.610471012
7.81 1.2911 1.2911 1.66693921 2.77868633
7.82 1.3011 1.3011 1.69286121 2.865779076
 7.88 1.3611 1.3611 1.85259321 3.432101602
7.98 1.4611 1.4611 2.13481321 4.557427442
8 1.4811 1.4811 2.19365721 4.812131955
8.3 1.7811 1.7811 3.17231721 10.06359648
8.38 1.8611 1.8611 3.46369321 11.99717065
8.41 1.8911 1.8911 3.57625921 12.78962994
8.44 1.9211 1.9211 3.69062521 13.62071444
8.47 1.9511 1.9511 3.80679121 14.49165932
8.52 2.0011 2.0011 4.00440121 16.03522905
8.98 2.4611 2.4611 6.05701321 36.68740903
9.38 2.8611 2.8611 8.18589321 67.00884765
9.4 2.8811 2.8811 8.30073721 68.90223823
9.41 2.8911 2.8911 8.35845921 69.86384037
9.69 3.1711 3.1711 10.05587521 101.1206262
9.7 3.1811 3.1811 10.11939721 102.4021999
9.79 3.2711 3.2711 10.70009521 114.4920375
9.82 3.3011 3.3011 10.89726121 118.7503019
10.22 3.7011 3.7011 13.69814121 187.6390726
10.34 3.8211 3.8211 14.60080521 213.1835128
10.79 4.2711 4.2711 18.24229521 332.7813345
11.07 4.5511 4.5511 20.71251121 429.0081206
11.26 4.7411 4.7411 22.47802921 505.2617972
11.6 5.0811 5.0811 25.81757721 666.547293
11.7 5.1811 5.1811 26.84379721 720.5894487
12.03 5.5111 5.5111 30.37222321 922.4719427
12.43 5.9111 5.9111 34.94110321 1220.880694
12.48 5.9611 5.9611 35.53471321 1262.715843
13.29 6.7711 6.7711 45.84779521 2102.020326
13.81 7.2911 7.2911 53.16013921 2826.000401
14.41 7.8911 7.8911 62.26945921 3877.48555
Σ=238.6546 Σ=903.166779 Σ=22746.57012

e) Să se calculeze potențialul eolian.

In cadrul strategiei de valorificare a surselor regenerabile de energie, potențialul eolian
declarat este de 14.000 MW, reprezentând putere
instalata, ce poate furniza o cantitate de energie de aproximativ 23.000 GWh/an. Aceste
valori reprezintă o estimare a potențialului teoretic, si trebuie nuanțate in funcție de posibilitățile
de exploatare tehnica si economica.
Referitor la potențialul eolian teoretic, ceea ce interesează însă prognozele de dezvoltare
energetica este potențialul de valorificare practica in aplicații eoliene, potențial care este mult
mai mic decât cel teoretic, depinzând de posibilitățile de folosire a terenului si de condițiile pe
piața energiei.
De aceea potențialul eolian valorificabil economic poate fi apreciat numai pe termen mediu,
pe baza datelor tehnologice si economice cunoscute astăzi si considerate si ele valabile pe termen
mediu.
 Distribuția pe teritoriul României a vitezei medii a vintului scoate in evidenta ca principala
zona cu potențial energetic eolian aceea a vârfurilor montane unde viteza vântului poate depăși 8
m/s.
A doua zona cu potențial eolian ce poate fi utilizat in mod rentabil o constituie Litoralul
Marii Negre, Delta Dunării si nordul Dobrogei unde viteza medie anuala a vântului se situează in
jurul a 6 m/s. Fata de alte zone exploatarea energetica a potențialei eolian din aceasta zona este
favorizata si de turbulenta mai mica a vântului.
Cea de a treia zona cu potențial considerabil o constituie Podișul Bârladului unde viteza
medie a vântului este de circa 4-5 m/s. Viteze fa virabile ale vântului mai sunt semnalate si in
alte areale mai restrânse din vestul tarii, in Banat si pe pantele occidentale ale Dealurilor Vestice
Acesta este distribuția reală a datelor măsurate. Distribuția corespunzătoare Webiull, prezintă
unele diferenţe, având în vedere că Weibull este o aproximaţie analitică a statisticilor reale.

Vk- viteza medie a fiecărei clase. Se va face media din fiecare clasă obținută în urma
rezolvării primei părți a cerinței.
fk-frecventa din fiecare clasă

𝜀 = ∑ 𝜌 ∗ 𝑉𝑘 ∗ 𝑓𝑘/2
𝑘=1
𝜌=1.2 kg/m3
k-clase
Tabelul 9. Centralizarea datelor referitoare la potențialul energetic

k Vk fk Vk*fk
1 1.24 0.0124 0.015376
2 3.12 0.0312 0.097344
3 4.93 0.0493 0.243049
4 6.406 0.06406 0.41036836
5 8.22 0.0822 0.675684
6 10.023 0.10023 1.00460529
7 11.916 0.11916 1.41991056
8 13.836 0.13836 1.91434896
Σ=5.78068617

ε= 3.4684117
Se va compara cu rezultatul funcției Weibull.
Observație: cu cat numărul clasei de valori crește, direct proporțional cu acestea cresc si
viteza medie si frecvența medie.
Rezultatul obținut este în concordanță cu media vitezelor.
Dacă ar fi mai crescute valorile mediilor vitezei vântului, creștea odată cu ele și potențialul
energetic. La această valoare se poate amplasa în această zonă un parc eolian.
f) Să se estimeze energia unitară teoretică anuală pe sectorul analizat, daca se cunoaște frecvența
relativă a duratei cât vântul are orientarea sectorului, fs.

fs=9.6% conform platformei

E=8760*0.096*3.936636/1000
E= 3.31055341

g) Acceptând că funcția de densitate de probabilitate pentru viteza vântului este de tip Weibull cu
2 parametrii și anume, f(v), să se găsească cei doi parametrii k si c dacă există cele două relații din
enunț.

octave:3> function f=functie(x)

> > sigmapatrat=9.031668
> > vitezamedie=6.5189
> > vpatrat=42.49606
> > a=1+sigmapatrat/vpatrat;
> > f=x*a*gamma(x).^2-2*gamma(2*x);
> > end
octave:4> x=fsolve('functie',1)
sigmapatrat = 9.0317
vitezamedie = 6.5189
vpatrat = 42.496
x = 0.43470

k= 1/x
k= 2.3

octave:11> c=6.5189/x/gamma(x)
c = 7.3584

h) Să se evalueze potențialul eolian cu modelul probabilist folosind funcția f(v) găsită anterior.

Potential eolian:
ε= 1,3905

octave:16> function f=nume(v)

> > k=2.3;
> > c=7.3584;
> > f=v.^3.*(k/c).*(v./c).^(k-1).*exp(-(v-c).^k);
> > end
octave:17> I=quad('nume',0,inf)
I = 231.75
octave:18> k=2.3;
octave:19> f=(k/c).*(v./c).^(k-1).*exp(-(v-c).^k);
octave:20> plot(v,f)

Figura 6. Reprezentarea grafică a funcției Weibull

i) Să se determine parametrii k si c cu metoda celor mai mici pătrate, știind că funcția de repartiție
a distribuției Weibull este F(x) și folosind formula 1 din enunț pentru funcșia de repartișie
empirică.
Metoda celor mai mici pătrate este o metodă matematică de a obține o soluție a unui sistem
de ecuații supradeterminat, adică care are mai multe ecuații decât necunoscute. Cele mai mici
pătrate înseamnă că soluția obținută minimizează suma pătratelor abaterilor față de valorile
ecuațiilor. Metoda a fost elaborată pentru prima dată de Carl Friedrich Gauss în jurul anului 1794.
Există două variante a metodei celor mai mici pătrate:
• Metoda liniară a celor mai mici pătrate, care rezolvă probleme bazate pe sisteme de ecuații
liniare. Un exemplu de astfel de aplicație este regresia liniară, mult folosită în statistică și
în prelucrarea datelor experimentale. Rezolvarea sistemului de ecuații rezultat se face de
obicei prin metode directe.
• Metoda neliniară a celor mai mici pătrate, care rezolvă probleme bazate pe sisteme de
ecuații neliniare. Rezolvarea sistemului de ecuații rezultat se face de obicei prin metode
iterative, la fiecare iterație folosindu-se însă o liniarizare.
Determinarea coeficienților unei funcții matematice care aproximează cât mai bine un setul de
date ale vitezelor vântului din eșantion este cea mai bună aproximație minimizează pătratele
abaterilor dintre valorile date și cele calculate cu ajutorul funcției respective.

Tabelul 10. Centralizarea datelor pentru căutarea elementelor din funcția Weibull
xi ln(xi)=zi ln(ln(1/(1-F(x)))) zi^2 Fi Fi*zi
0.47 -0.3279021 -2.517333 0.107519815 0.006972112 -0.00229
0.77 -0.1135093 -2.1297975 0.012884355 0.016932271 -0.00192
1.48 0.17026172 -1.9266795 0.028989052 0.02689243 0.004579
1.55 0.1903317 -1.7876196 0.036226155 0.03685259 0.007014
1.93 0.28555731 -1.6814823 0.081542977 0.046812749 0.013368
2.24 0.35024802 -1.5954445 0.122673674 0.056772908 0.019885
2.44 0.38738983 -1.5229638 0.150070878 0.066733068 0.025852
2.61 0.41664051 -1.4602469 0.173589312 0.076693227 0.031954
2.64 0.42160393 -1.4048966 0.177749871 0.086653386 0.036533
2.66 0.42488164 -1.3553012 0.180524405 0.096613546 0.041049
3.19 0.50379068 -1.3103248 0.253805052 0.106573705 0.053691
3.23 0.50920252 -1.2691363 0.259287209 0.116533865 0.059339
3.24 0.51054501 -1.2311095 0.260656207 0.126494024 0.064581
3.27 0.51454775 -1.1957609 0.26475939 0.136454183 0.070212
3.33 0.52244423 -1.162709 0.272947977 0.146414343 0.076493
3.38 0.5289167 -1.1316477 0.279752876 0.156374502 0.082709
3.43 0.53529412 -1.1023275 0.286539795 0.166334661 0.089038
3.47 0.54032947 -1.0745425 0.291955941 0.176294821 0.095257
3.53 0.54777471 -1.0481204 0.300057128 0.18625498 0.102026
3.63 0.55990663 -1.0229161 0.313495429 0.196215139 0.109862
3.76 0.57518784 -0.9988056 0.330841057 0.206175299 0.11859
4.18 0.62117628 -0.9756827 0.385859973 0.216135458 0.134258
4.2 0.62324929 -0.9534553 0.388439678 0.226095618 0.140914
4.21 0.6242821 -0.932043 0.389728135 0.236055777 0.147365
4.26 0.6294096 -0.9113755 0.396156443 0.246015936 0.154845
4.42 0.64542227 -0.8913906 0.416569906 0.255976096 0.165213
4.44 0.64738297 -0.8720332 0.41910471 0.265936255 0.172163
4.47 0.65030752 -0.8532541 0.422899875 0.275896414 0.179418
4.65 0.66745295 -0.8350094 0.445493444 0.285856574 0.190796
4.77 0.67851838 -0.8172593 0.460387191 0.295816733 0.200717
5 0.69897 -0.7999682 0.488559067 0.305776892 0.213729
5.01 0.69983773 -0.7831035 0.489772843 0.315737052 0.220965
5.06 0.70415052 -0.7666357 0.49582795 0.325697211 0.22934
5.13 0.71011737 -0.7505378 0.504266672 0.335657371 0.238356
5.21 0.71683772 -0.734785 0.513856322 0.34561753 0.247752
5.28 0.72263392 -0.7193546 0.522199786 0.355577689 0.256953
5.3 0.72427587 -0.7042256 0.524575535 0.365537849 0.26475
5.36 0.72916479 -0.6893785 0.531681291 0.375498008 0.2738
5.44 0.7355989 -0.6747953 0.541105741 0.385458167 0.283543
5.66 0.75281643 -0.6604591 0.566732579 0.395418327 0.297677
5.71 0.75663611 -0.6463542 0.5724982 0.405378486 0.306724
5.78 0.76192784 -0.6324659 0.580534031 0.415338645 0.316458
5.84 0.76641285 -0.6187804 0.587388652 0.425298805 0.325954
5.9 0.77085201 -0.6052846 0.594212824 0.435258964 0.33552
5.96 0.77524626 -0.5919662 0.601006763 0.445219124 0.345154
6 0.77815125 -0.5788135 0.605519368 0.455179283 0.354198
6.01 0.77887447 -0.5658154 0.606645443 0.465139442 0.362285
6.04 0.78103694 -0.5529613 0.610018699 0.475099602 0.37107
6.12 0.78675142 -0.540241 0.6189778 0.485059761 0.381621
6.18 0.79098848 -0.5276448 0.625662768 0.49501992 0.391555
6.22 0.79379038 -0.5151632 0.630103175 0.50498008 0.400848
6.23 0.79448805 -0.5027873 0.631211256 0.514940239 0.409114
6.25 0.79588002 -0.490508 0.633425002 0.524900398 0.417758
6.34 0.80208926 -0.478317 0.643347178 0.534860558 0.429006
6.38 0.80482068 -0.4662057 0.647736325 0.544820717 0.438483
6.48 0.81157501 -0.4541659 0.65865399 0.554780876 0.450246
6.51 0.81358099 -0.4421894 0.661914025 0.564741036 0.459463
6.53 0.81491318 -0.4302682 0.664083493 0.574701195 0.468332
6.61 0.82020146 -0.4183943 0.672730434 0.584661355 0.47954
6.63 0.82151353 -0.4065596 0.674884477 0.594621514 0.48849
6.7 0.8260748 -0.3947562 0.68239958 0.604581673 0.49943
7.02 0.84633711 -0.3829758 0.716286507 0.614541833 0.52011
7.07 0.84941941 -0.3712103 0.721513341 0.624501992 0.530464
7.1 0.85125835 -0.3594513 0.724640776 0.634462151 0.540091
7.22 0.8585372 -0.3476903 0.73708612 0.644422311 0.553261
7.61 0.88138466 -0.3359184 0.776838913 0.65438247 0.576763
7.75 0.8893017 -0.3241266 0.790857518 0.664342629 0.590801
7.79 0.89153746 -0.3123052 0.794839038 0.674302789 0.601166
7.81 0.89265103 -0.3004446 0.796825868 0.684262948 0.610808
7.82 0.89320675 -0.2885342 0.797818304 0.694223108 0.620085
7.88 0.89652622 -0.276563 0.803759259 0.704183267 0.631319
7.98 0.90200289 -0.2645194 0.813609216 0.714143426 0.644159
8 0.90308999 -0.2523909 0.815571525 0.724103586 0.653931
8.3 0.91907809 -0.2401642 0.84470454 0.734063745 0.674662
8.38 0.92324402 -0.2278246 0.852379518 0.744023904 0.686916
8.41 0.924796 -0.2153565 0.855247634 0.753984064 0.697281
8.44 0.92634245 -0.2027426 0.858110328 0.763944223 0.707674
8.47 0.92788341 -0.1899639 0.860967623 0.773904382 0.718093
8.52 0.93043959 -0.1769995 0.86571784 0.783864542 0.729339
8.98 0.95327634 -0.1638257 0.908735774 0.793824701 0.756734
9.38 0.97220284 -0.1504163 0.945178359 0.803784861 0.781442
9.4 0.97312785 -0.1367413 0.946977819 0.81374502 0.791878
9.41 0.97358962 -0.1227667 0.947876755 0.823705179 0.801951
9.69 0.98632378 -0.1084529 0.972834593 0.833665339 0.822264
9.7 0.98677173 -0.0937544 0.973718456 0.843625498 0.832466
9.79 0.99078269 -0.0786172 0.981650342 0.853585657 0.845718
9.82 0.99211149 -0.0629773 0.984285204 0.863545817 0.856734
10.22 1.0094509 -0.0467575 1.018991111 0.873505976 0.881761
10.34 1.01452054 -0.0298634 1.029251924 0.883466135 0.896295
10.79 1.03302144 -0.0121774 1.067133305 0.893426295 0.922929
11.07 1.04414762 0.00644977 1.090244254 0.903386454 0.943269
11.26 1.05153839 0.02621221 1.105732987 0.913346614 0.960419
11.6 1.06445799 0.0473695 1.133070811 0.923306773 0.982821
11.7 1.06818586 0.07028134 1.141021035 0.933266932 0.996903
12.03 1.08026563 0.09546884 1.166973826 0.943227092 1.018936
12.43 1.09447113 0.12373272 1.197867051 0.953187251 1.043236
12.48 1.09621459 0.15640739 1.201686417 0.96314741 1.055816
13.29 1.12352498 0.19600198 1.262308383 0.97310757 1.093311
13.81 1.14019368 0.24828839 1.300041625 0.983067729 1.120888
14.41 1.15866398 0.33377678 1.34250222 0.993027888 1.150586

u0= 100
u1= 75.5947319
u2= 63.4368953
v0= -60.885096
v1= 44.3849017

octave:2> u0=100
u0 = 100
octave:3> u1=75.5947
u1 = 75.595
octave:4> u2=63.43689
u2 = 63.437
octave:5> v0=50
v0 = 50
 octave:6> v1 = -32.657
v1 = -32.657
octave:7> U=[u0 u1; u1 u2];
octave:8> C=[c0; c1]
octave:9> V=[v0;v1]
octave:10> C=U\V
C=
8.9661

-11.1993

c= 8.9661
k= 2.21365027

Tabel 11. Centralizarea valorilor funcției f

-0.00146 -0.23236 -0.56062 -1.38178

-0.00437 -0.23495 -0.5631 -1.39819
-0.01872 -0.23887 -0.56808 -1.41479
-0.02075 -0.26335 -0.59093 -1.44287
-0.03394 -0.2806 -0.60132 -1.72764
-0.0475 -0.31587 -0.62794 -2.01941
-0.05768 -0.31748 -0.63612 -2.03522
-0.06726 -0.32557 -0.64161 -2.04317
-0.06904 -0.33716 -0.664 -2.27897
-0.07025 -0.35077 -0.66969 -2.28789
-0.10683 -0.363 -0.68995 -2.36972
-0.10998 -0.36656 -0.78923 -2.39765
-0.11078 -0.37737 -0.80579 -2.80419
-0.11319 -0.39215 -0.81587 -2.9396
-0.1181 -0.43504 -0.85728 -3.51166
-0.12229 -0.44527 -1.00487 -3.92626
-0.12658 -0.4599 -1.06313 -4.23725
-0.13007 -0.47272 -1.08032 -4.86209
-0.13543 -0.48583 -1.08901 -5.06437
-0.14467 -0.49922 -1.09338 -5.79984
-0.15727 -0.5083 -1.11994 -6.8526
-0.20279 -0.51059 -1.16552 -6.99838
-0.20515 -0.51751 -1.17483 -9.91123
-0.20634 -0.53633 -1.32314 -12.4868
-0.21235 -0.5508 -1.36555 -16.4362
 Functia Weibull
0
0 20 40 60 80 100 120
-2
valori functie Weibull [m/s]

-4

-6

-8

-10

-12

-14

-16

-18
rang [-]

Figura 7. Funcția Weibull

j) Testul hi-patrat
Tabelul 12. Centralizatorul testuil hi-pătrat

Clase nk nk* (nk-nk*)^2/nk* ak bk

1 5 4.259 0.128922517 0.4 2.2

2 16 11.061 2.205381159 2.2 4

3 21 16.278 1.369780317 4 5.8

4 23 18.32 1.195545852 5.8 7.6

5 16 17.033 0.06264833 7.6 9.4

6 10 13.477 0.897048972 9.4 11.2

7 6 9.1987 1.112296486 11.2 13

8 3 5.4517 1.102561199 13 14.8

octave:2> function F=Weibull(v)

> > k=2.2136503
> > c=8.9661
> > F=k/c*(v./c)^(k-1).*exp(-(v./c).^k);
> > endfunction
octave:3> vmed=[1.24 3.128125 4.93047619 6.406086957 8.22 10.023 11.91666667 13.83666667];

octave:4>
n1=100*quad(@Weibull,0.4,2.2;
octave:14> n2=100*quad(@Weibull,2.2,4);
octave:15> n3=100*quad(@Weibull,4,5.8);
octave:16> n4=100*quad(@Weibull,5.8,7.6);
octave:17> n5=100*quad(@Weibull,7.6,9.4);
octave:18> n6=100*quad(@Weibull,9.4,11.2);
octave:19> n7=100*quad(@Weibull,11.2,13);
octave:20> n8=100*quad(@Weibull,13,14.8);
octave:21> n1,n2,n3,n4,n5,n6,n7,n8
n1 = 4.2590
n2 = 11.061
n3 = 16.278
n4 = 18.320
n5 = 17.033
n6 = 13.477
n7 = 9.1987
n8 = 5.4517

Valoarea testului hi-patrat: 8,07418483

Concluzii
1. Din tabelul de date inițial se observă ca sunt valori ale vitezei cântului care variază, dar
care pot reprezenta realitatea. Se mai observă că media acestora este aproximativ 6 m/s,
valoare care oferă posibilitatea amplasării unei eoliene sau a unui parc eolian în zonă.
2. Valoarea de 50 de metri folosită în enunț se folosește și în practică.
3. Ordonarea a dat șansa de a observa modul de variație și de a stabili faptul că deși valorile
pornesc de la 0.47 m/s și ajung la 14.41 m/s, majoritatea datelor depășesc 3-4 m/s, aceasta
fiind minima pentru pornirea turbinelor eoliene respectiv oprirea turbinei eoliene când
viteza vântului depășește 25m/s nu este atinsă.
4. Clasarea a făcut posibilă vizibilitatea celor spuse mai sus și a primelor presupuneri, care au
reieșit doar din analiza preliminară a datelor.
5. Din media limitelor de clasă se poate observa că doar o valoare din opt este sub viteza
vântului de pornire a eolienei, deci, și conform acestui criteriu se poate amplasa un parc
eolian în zonă.
 6. În tabelul 4 se poate analiza datele. Conform verificării făcute (dacă cea mai mare valoare
a vitezei vântului este parte din intervalul ak si bk a ultimei clase, se verifică; dacă suma
fervențelor cumulate este egală cu 1, se verifică; daca suma frecvențelor relative este egala
cu 100, se verifică), s-a observat că s-a validat răspunsul si operațiile au fost corect
efectuate.
7. În etapa 4 s-a validat valoarea mediei, aceasta fiind 6.5 m/s aproximativ.
8. Coeficientul de asimetrie este aproximativ egal cu media.
9. La calcularea potențialului energetic s-a observat că cu cat numărul clasei de valori crește,
direct proporțional cu acestea cresc si viteza medie si frecvența medie. Rezultatul obținut
de 3.47 este în concordanță cu media vitezelor. Dacă ar fi mai crescute valorile mediilor
vitezei vântului, creștea odată cu ele și potențialul energetic. La această valoare se poate
amplasa în această zonă un parc eolian.
10. Valoarea potențialului calculat cu ajutorul funcției Weibull este mai mic 1.39, această
valoare fiind mai mică decât în cazul primului calcul deoarece funcția prezintă anumite
condiții. Această valoare este clasată în intervalul [0;2] a potențialului energetic eolian,
deci depășește media, rezultatul indicând faptul că se poate amplasa un parc eolian în zonă.
11. Valoarea testului hi-pătrat este de 8,07418483 și conform limitei superioare de 11,7, rezultă
că testul este considerat ca fiind admis.
12. În concluzie, conform datelor și a metodelor de evaluare a punerii în funcțiune a unui parc
eolian în zonă, reiese că se poate amplasa, mai mult decât atât, va furniza energie pentru
consumatori, iar momentele de pornire vor depăși timpii de oprire din cauza depășirii
limitelor (superior sau inferior) și va face rentabilă investiția, aceasta putând fi recuperată.

BIBLIOGRAFIE
Curs ESPD
Laborator ESPD
https://blog.romstal.ro/ce-sunt-turbinele-eoliene-si-cum-functioneaza/
http://webbut.unitbv.ro/Carti%20on-
line/SISTEME%20EOLIENE/Lates_Sisteme_Eoliene_2012.pdf
https://ro.wikipedia.org/wiki/Metoda_celor_mai_mici_p%C4%83trate
https://www.eib.org/attachments/pipeline/20110247_eia_ro.pdf