We introduce the family of three-parameter heavy-tailed distributions, the Halphen distribution family (HDF), to model the mean wind speed for the purpose of wind energy estimation. The HDF has a number of properties favorable to model wind speed data, such as lower bound at zero (absence of location parameter), flexibility to cover a large range of shapes, and an explicit form of moment generating functions. We examined 126 stations in Eastern Canada (125 stations were heavy-tailed with positive excess kurtosis) and found that HDF provides fit superior to the most commonly used distribution for this purpose, the two-parameter Weibull distribution, in 100% of the stations according to the Akaike information criterion (AIC). HDF was compared against 4 two-parameter models (Gaussian, Weibull, Gamma, and inverse Gamma) and 3 three-parameter models (generalized extreme value, generalized Gamma and Burr). The most common best-fit distribution for the stations in the Eastern Canada case study is the HDF (46% according to AIC). The results of the case study show that wind observations cannot be fit by the Halphen inverse type B, but can be modelled by Halphen A and especially well by Halphen B (minimum of Kolmogorov-Smirnov statistic among candidate distributions). 87 stations exhibited class D tail behavior. No correlation between tail behavior class and best-fit distribution was observed. We encourage the use of Halphen A and Halphen B as candidate distributions for wind resource estimation studies that are based on mean wind speed estimation.

我们引入了三参数重尾分布族 Halphen 分布族 (HDF)，以对平均风速进行建模以用于风能估算。HDF 具有许多有利于模拟风速数据的特性，例如零下限（没有位置参数）、覆盖大范围形状的灵活性以及力矩生成函数的显式形式。我们检查了加拿大东部的 126 个站点（125 个站点是重尾的，具有正超峰度），发现 HDF 提供的拟合优于为此目的最常用的分布，即双参数 Weibull 分布，在 100% 的站点中，根据赤池信息准则 (AIC)。HDF 与 4 个双参数模型（Gaussian、Weibull、Gamma、和反 Gamma）和 3 个三参数模型（广义极值、广义 Gamma 和 Burr）。在加拿大东部案例研究中，最常见的最适合站点的分布是 HDF（根据 AIC，为 46%）。案例研究的结果表明，风观测不能用 Halphen 逆类型 B 拟合，但可以用 Halphen A 建模，尤其是 Halphen B（候选分布中 Kolmogorov-Smirnov 统计量的最小值）。87 个站点表现出 D 类尾部行为。未观察到尾部行为类别与最佳拟合分布之间的相关性。我们鼓励使用 Halphen A 和 Halphen B 作为基于平均风速估计的风资源估计研究的候选分布。在加拿大东部案例研究中，最常见的最适合站点的分布是 HDF（根据 AIC，为 46%）。案例研究的结果表明，风观测不能用 Halphen 逆类型 B 拟合，但可以用 Halphen A 建模，尤其是 Halphen B（候选分布中 Kolmogorov-Smirnov 统计量的最小值）。87 个站点表现出 D 类尾部行为。未观察到尾部行为类别与最佳拟合分布之间的相关性。我们鼓励使用 Halphen A 和 Halphen B 作为基于平均风速估计的风资源估计研究的候选分布。在加拿大东部案例研究中，最常见的最适合站点的分布是 HDF（根据 AIC，为 46%）。案例研究的结果表明，风观测不能用 Halphen 逆类型 B 拟合，但可以用 Halphen A 建模，尤其是 Halphen B（候选分布中 Kolmogorov-Smirnov 统计量的最小值）。87 个站点表现出 D 类尾部行为。未观察到尾部行为类别与最佳拟合分布之间的相关性。我们鼓励使用 Halphen A 和 Halphen B 作为基于平均风速估计的风资源估计研究的候选分布。但可以用 Halphen A 建模，尤其是 Halphen B（候选分布中 Kolmogorov-Smirnov 统计量的最小值）。87 个站点表现出 D 类尾部行为。未观察到尾部行为类别与最佳拟合分布之间的相关性。我们鼓励使用 Halphen A 和 Halphen B 作为基于平均风速估计的风资源估计研究的候选分布。但可以用 Halphen A 建模，尤其是 Halphen B（候选分布中 Kolmogorov-Smirnov 统计量的最小值）。87 个站点表现出 D 类尾部行为。未观察到尾部行为类别与最佳拟合分布之间的相关性。我们鼓励使用 Halphen A 和 Halphen B 作为基于平均风速估计的风资源估计研究的候选分布。