۱۱۹٫۱۵
۱۰٫۵۸%
۱۳٫۸۶%
۲۰ Segments
ستون سوم این جدول نشان دهنده دقت این روش در قیاس با روش مونت-کارلو با بالاترین تعداد تکرار (۶۰۰ تکرار) است. نتایج نشان داده شده بیان می‌کنند که عموما با افزایش تعداد قسمتها، دقت روش بالاتر می‌رود که این افزایش دقت با افزایش میزان محاسبات همراه است. هرچند باید این موضوع را مد نظر قرار داد که افزایش تعداد قسمت ها لزوما منجر به افزایش دقت نمی‌شود. باید این موضوع را در نظر داشت که در این روش این احتمال وجود دارد که یک تعداد قسمت خاص و کوچک دقتی بالاتر از تعداد قسمت بندی بزرگ داشته باشد. برای مثال، در جدول ۵-۱۳، برای حالت بارگذاری ناپایدار، دقت روش کوانتایز با ۲۰ قسمت اندکی بالاتر از دقت این روش با ۴۰ قسمت است. هرچند، همانطور که گفته شد با افزایش تعداد قسمت ها عموما دقت این روش افزایش می‌یابد. تعداد نسبتا پایین تکرار برای دستیابی به دقتی نسبتا بالا، روش کوانتایز را به روشی مناسب برای سیستم هایی با تعداد متغیر احتمالی ورودی کم تبدیل می‌کند. هرچند با افزایش تعداد متغیر ها این روش کار آمدی خود را به طور کامل از دست می‌دهد.
اکنون به بررسی پایداری احتمالی ریزشبکه با بهره گرفتن از روش تخمین دو نقطه ای می‌پردازیم. جدول ۵-۱۴ احتمال ناپایداری ریزشبکه ای که از توربین بادی با ماشین القایی قفس سنجابی استفاده می‌کند را برای دو حالت بارگذاری مرزی و ناپایدار نشان می‌دهد. با توجه به این جدول، روش تخمین دو نقطه ای از سرعت بسیار بالایی (درقیاس با روش کوانتایز و مونت-کارلو) برخوردار است هرچند دقت این روش از روش مونت-کارلو و روش کوانتایز با تعداد قسمت های زیاد پایین تر است. حجم محاسبات بسیار پایین این روش و کم بودن نسبی پیچدگی آن، روش تخمین دو نقطه ای را به روشی بسیار مناسب برای سیستم های با ورودی احتمالی زیاد بدل می‌کند. این موضوع در ادامه نیز مورد بررسی قرار خواهد گرفت.
جدول ۵-۱۴- نتایج بررسی احتمالی روش تخمین دو نقطه ای بر روی ریزشبکه با SCIG
Two Point Estimation Method (Boundary loading):
Run time (Sec)
Relative Err.
Instability Probability
۲۳٫۳۲
۱۱٫۷۷%
۳٫۹۷%
Two Point Estimation Method (Unstable loading):
Run time (Sec)
Relative Err.
Instability Probability
۲۲٫۹۷
۹٫۰۹%
۱۴٫۰۹%
تابع توزیع احتمالی به دست آمده از روش تخمین دو نقطه ای یک تابع نرمال می‌باشد. این تابع نرمال برای حالت بارگذاری مرزی میانگین و واریانسی برابر با -۰٫۲۴۳۴ و ۰٫۱۳۸۹ را دارد و برای بارگذاری ناپایدار این مقادیر برابر با -۰٫۱۱۷۳ و ۰٫۱۰۸۹ می‌باشند. این توابع توزیع در شکل های ۵-۷ و ۵-۸ نشان داده شده اند.
شکل۵-۷- تابع توزیع مقدار ویژه بحرانی در شرایط مرزی به دست آمده برای ریزشبکه با SCIG توسط روش تخمین دو نقطه ای
شکل۵-۸- تابع توزیع مقدار ویژه بحرانی در شرایط ناپایدار به دست آمده برای ریزشبکه با SCIG توسط روش تخمین دو نقطه ای
در مرحله بعد، نتایج به دست آمده توسط روش مبتنی بر بسط گرم چارلیر را مورد بررسی قرار می‌دهیم. روند به دست آوردن احتمال پایداری در فصل ۴ بیان شد. با توجه به تابع چگالی احتمال باد که در شکل ۴-۱ نشان داده شده است و روابط ۴-۲۱ الی ۶-۳۰، مومنت ها و کیومولنت های توان تولیدی توربین قابل استحصال است. همچنین حساسیت مقدار ویژه بحرانی نسبت به توان تولیدی توربین بادی با توجه به روش ازائه شده در فصل چهارم قابل محاسبه است. با بهره گرفتن از این مقادیر و رابطه ۴-۳۴ تا ۴-۴۰ می‌توان مومنت های مرکزی و کیومولنت های مقدار ویژه بحرانی را به دست آورد و از روی آنها می‌توان ضرایب بسط گرم چارلیر را محاسبه نمود. این ضرایب در جدول ۵- ۱۵ و ۵-۱۶ آورده شده اند. در شرایط کارکرد مرزی سیستم dλ/dP برابر با ۰٫۱۴۳۹ و برای شرایط کارکرد ناپایدار این مقدار برابر با ۰٫۱۲۵۷ می‌باشد. باید توجه داشت که مومنت های مرکزی، کیومولنت ها و ضرایب بسط گرم چارلیر مربوط به مقدار ویژه بحرانی می‌باشند و سایر مقادیر ویژه در اینجا در نظر گرفته نشده اند. احتمال ناپایداری سیستم برای شرایط بارگذاری مرزی و ناپایدار نیز در جدول ۵-۱۷ ارائه شده اند.
جدول ۵-۱۵- مومنت ها و کیومولنت های متغیر های احتمالی ورودی و خروجی برای ریزشبکه با SCIG
