?
Quasi-Monte Carlo technique in global sensitivity analysis of wind resource assessment with a study on UAE
В данной работе рассматриваются вопросы математического моделирования и оценки ветровых ресурсов (ОВР). Анализ чувствительности (АЧ) связывает части дисперсии выходных данных с дисперсией каждой входной переменной. Глобальный ОВ (ГОВ) исследует входные данные в глобальном масштабе. В ОВР доминирует метод ОВ по одному разу, в то время как ГОВ часто игнорируется. По сравнению с традиционными методами, ГОВ предлагает потенциальное улучшение благодаря методу квази-Монте-Карло (КММ) с его тщательно продуманной выборкой, обеспечивающей более быструю сходимость. Основная новизна данной работы заключается в двух аспектах: использовании КММ в ОВР и метода Соболя в качестве метода ГОВ на основе дисперсии в ОВР. Данная работа – одна из немногих, использующих ГОВ в ОВР. Были проведены два тематических исследования. Одно показывает, что КММ с выборкой по Соболю превосходит выборку по латинскому гиперкубу и псевдослучайную выборку. Также показано, что с точки зрения точности результатов следует использовать метод грубого расчета индексов чувствительности Соболя (ИС) везде, где это допускается моделью; в противном случае ИС можно оценить. В другом исследовании демонстрируется валидное исследование GSA для WRA в Масдар-Сити, Объединенные Арабские Эмираты. Результаты показывают, что влияние дисперсии параметров Вейбулла на годовую выработку энергии (AEP) может быть переоценено, хотя и составляет 2% неопределенности AEP, а влияние дисперсии плотности воздуха может быть упущено из виду, хотя и составляет 94%. Исследования WRA могут значительно выиграть от использования метода QMC и метода Соболя. Метод Соболя является универсальным методом GSA, обеспечивающим валидные результаты для нелинейных моделей, типичных для WRA, а метод QMC обеспечивает глобальную масштабируемость, независимость моделей и гибкость в количественной оценке неопределенности.