核心概念
本研究では、適応ノイズ低減アルゴリズムと時間畳み込みネットワーク(TCN)、ゲート付き再帰ユニット(GRU)を組み合わせた新しい風速予測モデルを提案する。ノイズ低減では、ピアソン相関係数に基づいた適応的なデータノイズ低減アルゴリズムP-SSAを開発し、TCNとGRUを組み合わせた予測モデルを構築することで、高精度で安定した風速予測を実現する。
要約
本研究は、風力発電における風速の変動と不安定性の問題に取り組むため、新しい風速予測モデルを提案している。
主な内容は以下の通り:
ノイズ低減:
特異スペクトル分析(SSA)に基づいたノイズ低減アルゴリズムP-SSAを提案
ピアソン相関係数を用いて最適なハイパーパラメータを自動的に決定し、ノイズ成分を効果的に除去
特徴抽出と予測:
時間畳み込みネットワーク(TCN)を用いて、風速変化の特徴を抽出
ゲート付き再帰ユニット(GRU)によって時系列情報を学習し、風速を予測
モデル評価:
山東省の3つの風力発電所のデータを用いて提案モデルを検証
従来モデルと比較して、提案モデルが最も高い予測精度を示した
本研究の提案モデルは、風力発電所の超短期風速予測に有効であり、発電所の運用管理に活用できる可能性がある。今後は、オンラインリアルタイム予測への適用を検討していく予定である。
統計
風速の平均値は9.0980 m/s、9.2334 m/s、9.1001 m/sである。
風速の標準偏差は2.8463 m/s、3.1761 m/s、2.8680 m/sである。
風速の最小値は2.3000 m/s、2.0000 m/s、1.9000 m/sである。
風速の最大値は17.5000 m/s、18.0000 m/s、17.2000 m/sである。
引用
"風力発電は、エネルギー危機と環境汚染に対処する上で重要な清浄で再生可能なエネルギーである。"
"風速の変動と不安定性は、風力発電の発展を制限している。"
"超短期の風速予測の精度が向上すれば、これらの問題は大幅に緩和される。"