A dolgozatban jellemeztük Kárpátalján a felszín közeli szélmező statisztikai és energetikai tulajdonságait, amelyek ismerete nélkülözhetetlen a szélenergia felhasználás tervezéséhez és a telepítési helyszínek kiválasztásával kapcsolatos döntések helyes meghozatalához. A disszertációban 9 meteorológiai mérőállomás 3 óránként regisztrált szélsebesség és szélirány, illetve napi maximális szélsebesség adatsorait használtuk fel. A vizsgált időszak 2011. január 1-től 2015. december 31-ig terjedt. Elméleti eloszlásokkal közelítettük a mért napi átlagos szélsebességek empirikus gyakorisági eloszlását. Előállítottuk a szélsebesség eloszlás sűrűségfüggvényét és néhány statisztikai mutatószámát az anemométer magasságától eltérően 20, 40, 60, 80 és 100 m magasságban is, amely az ipari szélerőművek gyakori tengelymagassága, így becslést adva a térség szélviszonyairól a szélenergia felhasználás szempontjából. Elvégeztük a havi átlagos fajlagos szélteljesítmény becslését közelítő függvény alapján, amelyet a szélsebesség köbök mérési időpontonkénti (3 órás terminus idő) átlagainak napi menetére illesztettünk. Külön vizsgáltuk a síkvidéki és a nem síkvidéki állomások szélirányainak karakterisztikáit. Minden állomás esetében lehatároltuk azokat az időszakokat és kiválasztottuk azokat a szélirányokat, amelyek szélenergiában gazdagabbak a többinél. Az elért eredmények további szélenergetikai vizsgálatok alapját képezhetik.

This study describes statistical and energy characteristics of near-surface wind field in Transcarpathia. This knowledge is indispensable for planning to exploit wind energy, as well as to make the right decisions in the choice of deployment locations. In the dissertation we used the data series of wind speed and wind direction recorded every 3 hours at 9 meteorological stations, as well as the daily maximum wind speed. The period under analysis lasted from 1 January 2011 to 31 December 2015. We approximated the empirical frequency distribution of measured daily average wind speeds by means of theoretical distributions. The wind speed distribution density function and some of its indices at the altitude of 20, 40, 60, 80 and 100 m were worked out contrary to the anemometer altitude that is often the hub height of industrial wind turbines, thus estimating the wind conditions of the area from wind energy utilization point of view. We have estimated wind power density based on the approximation function applied to the cubes of 3 hourly average wind speeds. The characteristics of the wind directions of the lowland and non-lowland stations were examined separately. For each station, we defined the periods and selected the wind directions that are richer in wind power than the others. The achieved results can serve the foundation of further wind energy examinations.